網優工具箱

⑴ 優化工具箱GUI編程求助

不懂你這個問題是啥意思

⑵ 求助！畢設需要使用matlab7.0(R14)的優化工具箱（optimtool），但安裝了兩次，都只有help、demo、proct

換個matlab7.2以後的版本試試吧

⑶ 搜索引擎優化工具的站長工具箱 功能介紹

主要提供各項網站數據分析，其中包含：Google Pagerank查詢、Alexa網站排名查詢、Sogou Rank查詢、中國網站排名查詢等。同時提供MD5加密、HTML轉換Javascript、域名注冊信息查詢功能等。

⑷ 優化大師優化工具箱

注冊表的冗餘對電腦的影響很小，優化是可以取消對注冊表的優化。

⑸ 誰有MATLAB優化工具箱 給個下載地址唄 謝了

http://www.matlabsky.com/?fromuid=4481
里邊有個工具箱下載板塊專。屬

⑹ matlab 優化工具箱

在matlab命令窗口中輸入:edit，然後將下列兩行百分號之間的內容復制進去，保存。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
function f=y(x)
f(1)=10-0.0116*x(2)-0.0185*x(3)-0.0194*x(5)-0.0302*x(6)-0.1013*x(8)-0.0162*x(9);
f(2)=24-0.0399*x(1)-0.02924*x(2)-0.02376*x(3)-0.0665*x(4)-0.04896*x(5)-0.03996*x(6)-0.0342*x(7)-0.0255*x(8)-0.02079*x(9);
f(3)=36.5-0.042*x(1)-0.043*x(2)-0.044*x(3)-0.07*x(4)-0.072*x(5)-0.074*x(6)-0.0365*x(7)-0.0375*x(8)-0.0385*x(9);
f(4)=350-1.176*x(1)-0.516*x(2)-0.264*x(3)-1.96*x(4)-0.864*x(5)-0.444*x(6)-1.008*x(7)-0.45*x(8)-0.231*x(9);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

返回matlab命令窗口，輸入以下命令，應當就有結果了。
A=[0.042,0,0,0.07,0,0,0.0365,0,0;
0,0.043,0,0,0.072,0,0,0.0375,0;
0,0,-0.044,0,0,-0.074,0,0,-0.0385;
0,0,0.044,0,0,0.074,0,0,0.0385;
1,1,1,0,0,0,0,0,0;
0,0,0,1,1,1,0,0,0;
0,0,0,0,0,0,1,1,1];
b=[4,23,-14,16,310,310,150]';
goal=[0.001,0.001,0.001,0.001]';
weight=abs(goal);
lb=0;
x0=[10,10,10,10,10,10,10,10,10]';
x=fgoalattain('y',x0,goal,weight,A,b,[],[],lb,[]); %%不好意思我是照你寫的,這里應當是y,注意函數名一般不要取這么簡單的,要不然有可能跟變數名重復.

%另外matlab是不認中文符號的，你自己注意一下。

⑺ matlab神經網路工具箱，會比自己寫的遺傳演算法優化bp神經網路好用嘛

1、遺傳演算法優化BP神經網路是指優化神經網路的參數； 2、因此，對訓練時間沒有影響。

⑻ matlab 優化工具箱如何讓我入手

網上有很多這方面的教學視頻:

⑼ MATLAB優化工具箱怎麼試用

首先看一個gui對遺傳演算法的應用，
求下列函數的極小值。
f(x)=x.^4-3*x.^3+x.^2-2;
利用遺傳演算法求解，選擇ga solver（求解器），輸入適應函數，輸入變數個數，start就可以了，充分反應了遺傳演算法的優越性。
接著是對無約束一維極值問題的求解。
首先是進退法搜索單谷函數的極值問題。原理就是在固定區間內按照一定步長無窮逼近最優解,不過無論怎樣逼近，最後得到的還是符合精度的區間，並不是理論最優解。Matlab中用minJT函數來實現。
相關的函數代碼可以在matlab相關文件夾中找到，這里就不多說，不過還是按這種方法求一下上面的極小值問題。
代碼如下：
syms x;
f=x^4-3*x^3+x^2-2;
[x1,x2]=minJT(f,0,0.001);
在2009b中結果是。2009b已經沒有這個函數了。
無語了一下，繼續看下一種方法，黃金分割法。
也是一種無窮逼近法，利用黃金分割長生前一個區間中的內點，捨去一個端點。逐漸逼近最小值，是一種單向收縮法。
不過2009b也沒有這個函數了。
然後是斐波那契法。
我們首先就會聯想到斐波那契數列，不過這里確實用到了斐波那契數列。
斐波那契法顯然是一種雙向收縮法具體的搜索原理就不多追究了。
然後便是牛頓迭代法，原來就學過的一種速度相當快的迭代方法，其中優化後的全局牛頓法，一般的牛頓法需要初始點接近最值點而全局牛頓法則不需要這個要求。關最後還有割線法，二次插值和三次插值法。以後會慢慢補充相關的函數m文件的。

⑽ matlab優化工具箱lp

lp是matlab5的優化函數，現在matlab7以上都用linprog換成x=linprog(f,A,b)