遗传算法工具箱文件拓展名

A. matlab版本：2011b；ver命令后没看见有genetic algorithm遗传算法工具箱；然后根据网上的方法。。。

其实不需要这么麻烦的，你只需要在MATLAB里面做一些简单的设置就可以了。打开MATLAB，左上角有一个File->set path，在弹出的对话框中，选择add folder，找到你下载的工具箱的文件夹，然后点确定，记得在关闭set path 对话框之前，先点save，把你自己的设置保存一下。这是个通用方法，以后不管什么工具箱，你都可以这么加载，然后就可以随意使用了。

B. matlab遗传算法工具箱安装问题

可能的原因是：
1.gatbx工具箱下的crtbp函数的文件名为CRTBP.M,大小写不统一所以出现了warning,需要把把它版改为小写的crtbp.m;
2.gatbx属于第权三方工具箱，MATLAB自身对它是没有说明的，所以搜不到这些遗传算法的指令。

C. matlab R2014b,自己下载的谢菲尔德遗传算法工具箱，添加成功之后显示如下内容，怎么解决

将所有的文件名改成小写，重新打开软件就可以了。例如：CRTBP.M改成crtbp.m。网上有批量文件名大写改小写的教程，这个你可以自己解决。

D. matlab遗传算法工具箱使用ga运行不出结果哪里错了

可能的原因抄是：
1.gatbx工具袭箱下的crtbp函数的文件名为CRTBP.M,大小写不统一所以出现了warning,需要把把它改为小写的crtbp.m;
2.gatbx属于第三方工具箱，MATLAB自身对它是没有说明的，所以搜不到这些遗传算法的指令。

E. Matlab自带遗传算法工具箱简介

Matlab提供遗传算法工具箱（Matlab2010版本之后），方便解决简单的优化问题，官方提示后续可能取消该功能。个人不建议使用工具箱求解数学规划问题，参数设置零散复杂，容易错漏，但可学习作为Demo问题的演示工具。

按从上到下，从左到右的顺序对Matlab自带的遗传算法工具箱GUI界面进行介绍和使用注意事项说明。

对应于非线性约束求解器

指定另外一个最小值函数，在遗传算法结束之后计算，在整数值限制的时候不可用。

F. 求Matlab遗传算法工具箱“gatbx工具箱”英国菲尔德大学开发的那些

给你个论坛地址吧!你自己去看看.
bbs.matwav.com
bbs.simwe.com

G. matlab 2011b 遗传算法工具箱问题

我的版本和你的不一样，我的文件夹的名字是genetic，不是gabtx，还有就是这个文件夹里直接就是那些M文件（见图），图片不晓得传上来没，第一次回答这个，前段时间我为了这个工具箱搞了半天才弄好，希望能帮到你

H. 遗传算法工具箱的具体使用

matlab遗传算法工具箱函数及实例讲解 核心函数：
(1)function [pop]=initializega(num,bounds,eevalFN,eevalOps,options)--初始种群的生成函数
【输出参数】
pop--生成的初始种群
【输入参数】
num--种群中的个体数目
bounds--代表变量的上下界的矩阵
eevalFN--适应度函数
eevalOps--传递给适应度函数的参数
options--选择编码形式(浮点编码或是二进制编码)[precision F_or_B],如
precision--变量进行二进制编码时指定的精度
F_or_B--为1时选择浮点编码，否则为二进制编码,由precision指定精度)
(2)function [x,endPop,bPop,traceInfo] = ga(bounds,evalFN,evalOps,startPop,opts,...
termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps)--遗传算法函数
【输出参数】
x--求得的最优解
endPop--最终得到的种群
bPop--最优种群的一个搜索轨迹
【输入参数】
bounds--代表变量上下界的矩阵
evalFN--适应度函数
evalOps--传递给适应度函数的参数
startPop-初始种群
opts[epsilon prob_ops display]--opts(1:2)等同于initializega的options参数，第三个参数控制是否输出，一般为0。如[1e-6 1 0]
termFN--终止函数的名称,如['maxGenTerm']
termOps--传递个终止函数的参数,如[100]
selectFN--选择函数的名称,如['normGeomSelect']
selectOps--传递个选择函数的参数,如[0.08]
xOverFNs--交叉函数名称表，以空格分开，如['arithXover heuristicXover simpleXover']
xOverOps--传递给交叉函数的参数表，如[2 0;2 3;2 0]
mutFNs--变异函数表，如['boundaryMutation multiNonUnifMutation nonUnifMutation unifMutation']
mutOps--传递给交叉函数的参数表,如[4 0 0;6 100 3;4 100 3;4 0 0]
【问题】求f(x)=x+10*sin(5x)+7*cos(4x)的最大值，其中0<=x<=9
【分析】选择二进制编码，种群中的个体数目为10，二进制编码长度为20，交叉概率为0.95,变异概率为0.08
【程序清单】
%编写目标函数
function[sol,eval]=fitness(sol,options)
x=sol(1);
eval=x+10*sin(5*x)+7*cos(4*x);
%把上述函数存储为fitness.m文件并放在工作目录下
initPop=initializega(10,[0 9],'fitness');%生成初始种群，大小为10
[x endPop,bPop,trace]=ga([0 9],'fitness',[],initPop,[1e-6 1 1],'maxGenTerm',25,'normGeomSelect',...
[0.08],['arithXover'],[2],'nonUnifMutation',[2 25 3]) %25次遗传迭代
运算借过为：x =
7.8562 24.8553(当x为7.8562时，f（x）取最大值24.8553)
注：遗传算法一般用来取得近似最优解，而不是最优解。
遗传算法实例2
【问题】在－5<=Xi<=5,i=1,2区间内，求解
f(x1,x2)=-20*exp(-0.2*sqrt(0.5*(x1.^2+x2.^2)))-exp(0.5*(cos(2*pi*x1)+cos(2*pi*x2)))+22.71282的最小值。
【分析】种群大小10，最大代数1000，变异率0.1,交叉率0.3
【程序清单】
％源函数的matlab代码
function [eval]=f(sol)
numv=size(sol,2);
x=sol(1:numv);
eval=-20*exp(-0.2*sqrt(sum(x.^2)/numv)))-exp(sum(cos(2*pi*x))/numv)+22.71282;
%适应度函数的matlab代码
function [sol,eval]=fitness(sol,options)
numv=size(sol,2)-1;
x=sol(1:numv);
eval=f(x);
eval=-eval;
%遗传算法的matlab代码
bounds=ones(2,1)*[-5 5];
[p,endPop,bestSols,trace]=ga(bounds,'fitness')
注：前两个文件存储为m文件并放在工作目录下，运行结果为
p =
0.0000 -0.0000 0.0055
大家可以直接绘出f(x)的图形来大概看看f（x）的最值是多少，也可是使用优化函数来验证。matlab命令行执行命令：
fplot('x+10*sin(5*x)+7*cos(4*x)',[0,9])