最优解工具箱

❶ 怎么用遗传算法工具箱调用神经网络来寻求最优解啊

把你之前训练好的网络设置成一个全局变量ann，然后建立一个函数func，在func函数中调用这个训练好的网络ann获得输出。最后，遗传算法调用func作为目标函数

❷ 用matlab优化工具箱自带的遗传算法（只能找到近似最优解）时，往往重复计算很多次都不能得到最优解

要想得到较精确的最优解，可以通过设定Function tolerance的误差值，Constrainttolerance的误差值。

❸ 在matlab里面GA遗传算法工具箱中怎么找到多个局部最优解，我现在只能找到全局最优解

这个需要根据参数设置来进行的，参数设置合理就可以得到全局最优解，反之，可能得到局部最优解

❹ 在用matlab的优化工具箱中的linprog求解器或者其他求解器求最优值时，怎么设置变量约束条件为整数

可以用分支定界法求解整数规划问题,给你源码：
function [x,fm] = IntProgFZ(f,A,b,Aeq,beq,lb,ub)
x = NaN;
fm = NaN;
NF_lb = zeros(size(lb));
NF_ub = zeros(size(ub));
NF_lb(:,1) = lb;
NF_ub(:,1) = ub;
F = inf;

while 1
sz = size(NF_lb);
k = sz(2);
opt = optimset('TolX',1e-9);
[xm,fv,exitflag] = linprog(f,A,b,Aeq,beq,NF_lb(:,1),NF_ub(:,1),[],opt);
if exitflag == -2
xm = NaN;
fv = NaN;
end
if xm == NaN
fv = inf;
end
if fv ~= inf
if fv < F
if max(abs(round(xm) - xm))<1.0e-7
F = fv;
x = xm;
tmpNF_lb = NF_lb(:,2:k);
tmpNF_ub = NF_ub(:,2:k);
NF_lb = tmpNF_lb;
NF_ub = tmpNF_ub;
if isempty(NF_lb) == 0
continue;
else
if x ~= NaN
fm = F;
return;
else
disp('不存在最优解!');
x = NaN;
fm = NaN;
return;
end
end
else
lb1 = NF_lb(:,1);
ub1 = NF_ub(:,1);
tmpNF_lb = NF_lb(:,2:k);
tmpNF_ub = NF_ub(:,2:k);
NF_lb = tmpNF_lb;
NF_ub = tmpNF_ub;
[bArr,index] = find(abs((xm - round(xm)))>=1.0e-7);
p = bArr(1);
new_lb = lb1;
new_ub = ub1;
new_lb(p) = max(floor(xm(p)) + 1,lb1(p));
new_ub(p) = min(floor(xm(p)),ub1(p));
NF_lb = [NF_lb new_lb lb1];
NF_ub = [NF_ub ub1 new_ub];
continue;
end
else
tmpNF_lb = NF_lb(:,2:k);
tmpNF_ub = NF_ub(:,2:k);
NF_lb = tmpNF_lb;
NF_ub = tmpNF_ub;
if isempty(NF_lb) == 0
continue;
else
if x ~= NaN
fm = F;
return;
else
disp('不存在最优解!');
x = NaN;
fm = NaN;
return;
end
end
end
else
tmpNF_lb = NF_lb(:,2:k);
tmpNF_ub = NF_ub(:,2:k);
NF_lb = tmpNF_lb;
NF_ub = tmpNF_ub;
if isempty(NF_lb) == 0
continue;
else
if x ~= NaN
fm = F;
return;
else
disp('不存在最优解!');
x = NaN;
fm = NaN;
return;
end
end
end
end

❺ 求高手用matlab的LMI工具箱 或者 YALMIP工具包 求下列矩阵不等式中η的最优解（最大值）。

和可惜不会啊

❻ 怎么用遗传算法工具箱求多目标函数的最优解

可以用多个目标并列选择法，将种群按照目标函数的个数进行划分，分别进行适应度排序，选择，然后将选出的子种群合并，再进行交叉、变异等操作。