Ⅰ matlab遗传算法工具箱中ga函数的用法
为0－1矩阵，范围怎么设呢
Ⅱ 求matlab遗传算法的GA工具箱，谢谢大家，第一次用百度知道，希望有好的结果
可以告诉我你是做什么的，我在大学的时候用过，现在忘了，你参加了大学生数学建模？
Ⅲ matlab中的ga工具箱的custom怎么用我的自变量是10个整数变量，请问怎么约束，急，在线等。。
matlab中的ga工具箱的custom怎么用？我的自变量是10个整数变量，请问怎么约束，急，在线等。。
lyfit（）版函数可以权输出多项式的系数，即拟合的函数表达式，你可以help polyfit一下
希望我可以帮助到你
Ⅳ matlab中goat工具箱的用
方法/步骤
首先就是去网络上面下载goat工具箱，一般都打包为rar格式，下载完成之后进行解内压。
解压之后的容goat文件夹，里面包含了很多遗传神经算法使用到的函数，将这文件夹拷贝到toolbox文件夹下。本人MATLAB安装在D盘，所以工作路径为：D:\matlab\toolbox
goat文件夹拷贝到指定位置之后，这时还需要添加工作路径，才能使goat工具箱正常使用。这时需要打开MATLAB软件，在file菜单栏中，选择set path...
在弹出的对话框中，选择ADD Folder...，对话框中，选择刚才拷贝goat工具箱的路径，我的为：D:\matlab\toolbox
此时，goat工具箱即可使用。在MATLAB软件中输入help ga指令，即可查看是否安装成功。
Ⅳ 求matlab遗传算法工具箱GA Toolbox。。并求解释如下
GA自己写一个就好了，也挺简单的。
虽然很多函数都能知道表达式，但是仍然版有很多函数不能用倒权数来求解，所以要知道空间的极值和最值就必须用遍历的方法。然而对于实数范围内或者大规模数据的离散数据情况下，遍历画图的方法会耗费很大的计算复杂度，因为你并不知道是在参数范围的边缘还是中间有最值，有多少个最值也不知道。GA就提供了一种基于种群的搜索优化方法，可以快速的收敛到优秀的解的个体，但是要防止陷入局部最优。
简而言之就是遍历的搜索方法要用时10小时完成的事情，GA快速优化可能1分钟或者10分钟搞定，占用内存也少。
Ⅵ MATLAB自带的GA工具箱，有谁知道麻烦告诉一下！求教！！！
请问matlab6.5 gaot工具箱和matlab7.0自带工具箱使用起来有区别吗？多谢了matlab7.0自带的工具箱版本未必都是7.0，我的这台电脑装的也是6.5，看看
Ⅶ MATLAB的遗传算法工具箱GA是怎么用的
把这些文件装载工具箱的文件夹路径下，在把MATLAB读的路径设置在那里，直接输入文件名和需要输入的内容就行了。
Ⅷ 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。
Ⅸ 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])