❶ matlab中遗传算法gaot工具箱用法
在Matlab中使用遗传算法GA时，需要通过optimoption进行设置。
以一个具有多个局部最小值的典型函数为例，该函数的图形展示如下。通过直观观察，最小值大约出现在坐标原点。
编写测试代码时，需了解GA函数具有丰富的可调整参数，详情查阅官方文档：Genetic Algorithm Options。
文档提示，变异率仅在优化目标无边界约束和线性约束时有效。若存在约束条件，最终解可能不符合要求。基于此，示例中未设置任何约束。
根据问题描述判断，用户可能使用较旧版本的Matlab。最新文档中可能未包含关于'arithXover'和'nonUnifMutation'的说明，这可能是因为我未能准确查找。
❷ 已知输入输出数据，进行黑箱建模，得到传递函数，用什么方法呢遗传算法神经网络操作步骤源程序
遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(indivial)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度（fitness）大小选择（selection）个体，并借助于自然遗传学的遗传算子（genetic operators）进行组合交叉（crossover）和变异（mutation），产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码（decoding），可以作为问题近似最优解。
附件包含好几个用遗传算法优化神经网络初始权值的matlab程序，算是一个小合集，搜集了目前网上最流行的几个GA-BP案例。运行前需安装遗传算法工具箱GAOT，否则无法运行。
❸ 请教怎么在matlab上安装遗传算法工具箱啊，为什么我安不上啊
安装步骤
1.将GAOT工具箱文件拷贝至Matlab文件夹下，具体路径为：
C:\program files\MATLAB\R2009a\toolbox。（也可以放在其他路径，不一定放在toolbox里面，比如C:\program files\MATLAB\R2009a也行）。
2.将GAOT工具箱路径加入Matlab文件路径之中。流程为：File-->Set Path-->Add with Subfolders。即，将C:\program files\MATLAB\R2009a\toolbox\gaot文件夹加入该路径系统中。
3. 重新启动Matlab，运行。
4. 但是在重新启动后，你会发现在命令窗口，会出现如下警告。即安装遗传工具箱后出现问题：Warning: Name is nonexistent or not a directory: \afs\eos\info\ie\ie589k_info\GAOT
解决方案：打开gaot文件夹下的startup.m，这里面写着“path(path,'\afs\eos\info\ie\ie589k_info\GAOT');”只要将“\afs\eos\info\ie\ie589k_info\GAOT”改为goat当前所在的目录，即“C:\program files\MATLAB\R2009a\toolbox\gaot”就可以了
5.测试是否安装成功，方法如下：在命令窗口输入：edit ga出现如下函数：function [x,fval,exitFlag,output,population,scores] = ga(fun,nvars,Aineq,bineq,Aeq,beq,lb,ub,nonlcon,options)此时你会发现这是MATLAB自带的ga函数，并不是你想要的工具箱中的ga函数，这样会在以后应用工具箱编写程序是发生错误。
6. 解决上述问题的方法：为了统一，不管你是高版本还是低版本，都可以通过将GAOT工具箱中的ga重命名为gaot_ga(名字可以随你定，但是不能改为大写GA，原因是MATLAB会默认大小写函数是同一个函数，不信你可以用edit ga和edit GA验证)，来实现解决上述问题。
这样整个的GAOT工具箱安装完备。