A. matlab 遗传算法工具箱
有可能是没有了，也有可能是你安装的版本里面没有，需要去官方网站购买。你用专的是正版吗？正版的网络属授权可以使用大部分的工具箱。 如果是D版，很可能是你用的版本正好没有这个。 如果只是用到一些函数，你可以去别人的电脑复制这个工具箱的函数（老版本的估计也能用），添加路径以后可能也可以用的。
B. 怎么使用matlab遗传算法工具箱GUI
恩
有的
你只要在matlab的command中输入gatool就会出现遗传工具箱的gui界面所有通过版命令行权实现的options都可以通过这个界面设置，很方便也很傻瓜，挺好用的如果需要，还可以使用菜单中的file将gui文件保存为m代码，这样就不需要自己写程序，却得到了m代码
C. MATLAB遗传算法工具箱该怎么使用呢
直接在命令窗口里边输入gatool就行了，用遗传算法还可以使用ga函数，具体使用格式可以在help系统里看ga，你还可以按照如下步骤打开遗传算法工具箱：1，打开MATLAB，2点击左下方的START按钮 3，点toolboxes，打开后选择Genetic Algorithm and Direct Search 然后就可以进入gatool了，然后就会弹出ga工具箱（注：我的版本是7.7的，不同版本可能不同），希望对你有用哈！
D. matlab的遗传算法优化工具箱怎么用
如果按照默认设来置来运行GA，输入源fitness函数和未知量个数，就可以运行了。通常，优化问题的目标函数就是fitness函数。如果想重新设置一下GA的参数，可在options处，设置，具体参数设置还要看看帮助文件。
E. matlab 遗传算法工具箱怎么用
推荐用shefiled的GA工具箱，里面的子函数写的很好，调用很方便。 配合一本gA的书内 学的很快；
另外 关于你这容个问题， 你的目标函数和约束函数是否在工作目录下，还有 在调用的时候 在函数名前面加@试试， 希望能帮到你
F. matlab怎么使用上次循环的结果做为判断条件
用一个临时变量保存每次的循环结果，每次出结果与该值比较，不等则覆盖，相等则break
G. 利用MATLAB工具箱里怎么对遗传算法编程序带有约束条件的。
做一个循环来判断
如果不符合条件，重新产生一个新的值
当然为了要提高效率，生成函数一定要仔细选取
负责会一直在循环内打转，出不来
H. MATLAB遗传算法
function ret=Code(lenchrom,bound)
%本函数将变量编码成染色体，用于随机初始化一个种群
% lenchrom input : 染色体长度
% bound input : 变量的取值范围
% ret output: 染色体的编码值
flag=0;
while flag==0
pick=rand(1,length(lenchrom));
ret=bound(:,1)'+(bound(:,2)-bound(:,1))'.*pick; %线性插值
flag=test(lenchrom,bound,ret); %检验染色体的可行性
end
function ret=Cross(pcross,lenchrom,chrom,sizepop,bound)
%本函数完成交叉操作
% pcorss input : 交叉概率
% lenchrom input : 染色体的长度
% chrom input : 染色体群
% sizepop input : 种群规模
% ret output : 交叉后的染色体
for i=1:sizepop
% 随机选择两个染色体进行交叉
pick=rand(1,2);
while prod(pick)==0
pick=rand(1,2);
end
index=ceil(pick.*sizepop);
% 交叉概率决定是否进行交叉
pick=rand;
while pick==0
pick=rand;
end
if pick>pcross
continue;
end
flag=0;
while flag==0
% 随机选择交叉位置
pick=rand;
while pick==0
pick=rand;
end
pos=ceil(pick.*sum(lenchrom)); %随机选择进行交叉的位置，即选择第几个变量进行交叉，注意：两个染色体交叉的位置相同
pick=rand; %交叉开始
v1=chrom(index(1),pos);
v2=chrom(index(2),pos);
chrom(index(1),pos)=pick*v2+(1-pick)*v1;
chrom(index(2),pos)=pick*v1+(1-pick)*v2; %交叉结束
flag1=test(lenchrom,bound,chrom(index(1),:)); %检验染色体1的可行性
flag2=test(lenchrom,bound,chrom(index(2),:)); %检验染色体2的可行性
if flag1*flag2==0
flag=0;
else flag=1;
end %如果两个染色体不是都可行，则重新交叉
end
end
ret=chrom;
clc
clear all
% warning off
%% 遗传算法参数
maxgen=50; %进化代数
sizepop=100; %种群规模
pcross=[0.6]; %交叉概率
pmutation=[0.1]; %变异概率
lenchrom=[1 1]; %变量字串长度
bound=[-5 5;-5 5]; %变量范围
%% 个体初始化
indivials=struct('fitness',zeros(1,sizepop), 'chrom',[]); %种群结构体
avgfitness=[]; %种群平均适应度
bestfitness=[]; %种群最佳适应度
bestchrom=[]; %适应度最好染色体
% 初始化种群
for i=1:sizepop
indivials.chrom(i,:)=Code(lenchrom,bound); %随机产生个体
x=indivials.chrom(i,:);
indivials.fitness(i)= (x(1)*exp(-(x(1)^2 + x(2)^2)));
%-20*exp(-0.2*sqrt((x(1)^2+x(2)^2)/2))-exp((cos(2*pi*x(1))+cos(2*pi*x(2)))/2)+20+2.71289
% 这个是我的测试函数
% 如果有这个函数的话，可以得到最优值
end
%找最好的染色体
[bestfitness bestindex]=min(indivials.fitness);
bestchrom=indivials.chrom(bestindex,:); %最好的染色体
avgfitness=sum(indivials.fitness)/sizepop; %染色体的平均适应度
% 记录每一代进化中最好的适应度和平均适应度
trace=[];
%% 进化开始
for i=1:maxgen
% 选择操作
indivials=Select(indivials,sizepop);
avgfitness=sum(indivials.fitness)/sizepop;
% 交叉操作
indivials.chrom=Cross(pcross,lenchrom,indivials.chrom,sizepop,bound);
% 变异操作
indivials.chrom=Mutation(pmutation,lenchrom,indivials.chrom,sizepop,[i maxgen],bound);
% 计算适应度
for j=1:sizepop
x=indivials.chrom(j,:);
indivials.fitness(j)=(x(1)*exp(-(x(1)^2 + x(2)^2)));
%-20*exp(-0.2*sqrt((x(1)^2+x(2)^2)/2))-exp((cos(2*pi*x(1))+cos(2*pi*x(2)))/2)+20+2.71289
% -20*exp(-0.2*sqrt((x(1)^2+x(2)^2)/2))-exp((cos(2*pi*x(1))+cos(2*pi*x(2)))/2)+20+2.71289;
end
%找到最小和最大适应度的染色体及它们在种群中的位置
[newbestfitness,newbestindex]=min(indivials.fitness);
[worestfitness,worestindex]=max(indivials.fitness);
% 代替上一次进化中最好的染色体
if bestfitness>newbestfitness
bestfitness=newbestfitness;
bestchrom=indivials.chrom(newbestindex,:);
end
indivials.chrom(worestindex,:)=bestchrom;
indivials.fitness(worestindex)=bestfitness;
avgfitness=sum(indivials.fitness)/sizepop;
trace=[trace;avgfitness bestfitness]; %记录每一代进化中最好的适应度和平均适应度
end
%进化结束
%% 结果显示
[r c]=size(trace);
figure
plot([1:r]',trace(:,1),'r-',[1:r]',trace(:,2),'b--');
title(['函数值曲线 ' '终止代数＝' num2str(maxgen)],'fontsize',12);
xlabel('进化代数','fontsize',12);ylabel('函数值','fontsize',12);
legend('各代平均值','各代最佳值','fontsize',12);
ylim([-0.5 5])
disp('函数值 变量');
% 窗口显示
disp([bestfitness x]);
I. 怎么调用matlab遗传算法工具箱啊
工具箱要安装到指定的路径，好久没有用了，具体我也记不住了，你可以
网络搜索专
一下。属路径安装不对就会出问题。如果安装对了，你用help命令显示一下函数.
函数的m文件不用运行，直接调用就可以。eval=-eval;
以后eval变为负的了，而ga函数要求参数必须是正的。