算法工具箱

『壹』 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])

『贰』 matlab 遗传算法工具箱怎么用

推荐用shefiled的GA工具箱，里面的子函数写的很好，调用很方便。 配合一本gA的书内 学的很快；
另外 关于你这容个问题， 你的目标函数和约束函数是否在工作目录下，还有 在调用的时候 在函数名前面加@试试， 希望能帮到你

『叁』 使用matlab遗传算法工具箱能不能解决组合优化问题还有使用工具箱方便还是自己编程方便呢

1、要看你组来合优化是属于哪种问题，源一般的组合优化都是混合整数线性或非线性的，那么就不行了，因此要对遗传算法改进才能计算。
2、如果有现成的工具箱求解你的组合优化问题肯定要方便些，但碰到具体问题，可能要对参数进行一些设置更改，所以最好能有编程基础，那样就可以自己修改工具箱里面的参数或策略了

对你的补充问题，组合优化问题一般都是用matlab 和 lingo实现吧。建议买一本数学建模的书看一看，都涉及到组合优化问题，也可以下载论文看看。lingo对编程要简单些，主要是求混合规划，缺点是似乎还不能用上多目标问题，一般的组合优化都属于多目标问题。但是matlab功能强大的多。

『肆』 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

『伍』 如何调用MATLAB遗传算法工具箱

1、打开MATLAB软件。

『陆』 matlab遗传算法工具箱优化结果数值

ga就是在穷举不可能完成时,用一种方式找到最优解
ga工具的完整形式如下表示
[X,FVAL,EXITFLAG,OUTPUT,POPULATION,SCORES] =
GA(FITNESSFCN,NVARS,A,b,Aeq,beq,lb,ub,NONLCON,options)
X是最优自变量
FVAL是求得的最优值
其他以此是推出标志，结构体，终止时的总群，终止时种群函数值
后半部分以此是目标函数，目标函数自变量个数
A和b是线性约束不等式AX〈b
Aeq和beq是一对线性等式约束，AeqX=beq
lb是X值下限，ub是X值下限
NONLCON是非线性约束函数 options是运行方式。这两个可以写函数自己完成，也可默认
函数默认计算最小值，计算最大值要加负号

『柒』 粒子群算法 matlab 工具箱 在哪调用 还是没有现成的需要自己下载

http://www.mathworks.com/matlabcentral/fileexchange/7506

这个基复本上快算是官方的制了。粒子群算法工具。注册以后就可以下载了。

『捌』 求雷英杰《Matlab遗传算法工具箱及应用》高清版.pdf

MATLAB遗传抄算法工具箱及应用.pdf 文件大小:9.58 M
http://vdisk.weibo.com/s/v5Um8CGqbhhd
MATLAB遗传算法工具箱及应用.pdf 文件大小:9.57 M
http://vdisk.weibo.com/s/uaKaXz7OfNCIm

资源已上传网络云盘或微盘 提问者下载无需财富值
请及时采纳，谢谢

『玖』 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。

『拾』 matlab智能算法工具箱有哪些

序号 工具箱 备注
数学、统计与优化
1 Symbolic Math Toolbox 符号数学工具箱
2 Partial Differential Euqation Toolbox 偏微分方程工具箱
3 Statistics Toolbox 统计学工具箱
4 Curve Fitting Toolbox 曲线拟合工具箱
5 Optimization Toolbox 优化工具箱
6 Global Optimization Toolbox 全局优化工具箱
7 Neural Network Toolbox 神经网络工具箱
8 Model-Based Calibration Toolbox 基于模型矫正工具箱
信号处理与通信
9 Signal Processing Toolbox 信号处理工具箱
10 DSP System Toolbox DSP系统工具箱
11 Communications System Toolbox 通信系统工具箱
12 Wavelet Toolbox 小波工具箱
13 Fixed-Point Toolbox 定点运算工具箱
14 RF Toolbox 射频工具箱
15 Phased Array System Toolbox 相控阵系统工具箱
控制系统设计与分析
16 Control system Toolbox 控制系统工具箱
17 System Indentification Toolbox 系统辨识工具箱
18 Fuzzy Logic Toolbox 模糊逻辑工具箱
19 Robust Control Toolbox 鲁棒控制工具箱
20 Model Predictive Control Toolbox 模型预测控制工具箱
21 Aerospace Toolbox 航空航天工具箱
图像处理与计算机视觉
22 Image Processing Toolbox 图像处理工具箱
23 Computer Vision System Toolbox 计算机视觉工具箱
24 Image Acquisition Toolbox 图像采集工具箱
25 Mapping Toolbox 地图工具箱
测试与测量
26 Data Acquisition Toolbox 数据采集工具箱
27 Instrument Control Toolbox 仪表控制工具箱
28 Image Acquisition Toolbox 图像采集工具箱
29 OPC Toolbox OPC开发工具
30 Vehicle Network Toolbox 车载网络工具箱
计算金融
31 Financial Toolbox 金融工具箱
32 Econometrics Toolbox 计算经济学工具箱
33 Datafeed Toolbox 数据输入工具箱
34 Fixed-Income Toolbox 固定收益工具箱
35 Financial Derivatives Toolbox 衍生金融工具箱
计算生物
33 Bioinformatics Toolbox 生物信息工具箱
34 SimBiology 生物学工具箱
并行计算
35 Parallel Computing Toolbox 并行计算工具箱
36 MATLAB Distributed Computing Server MATLAB分布式计算服务器
数据库访问与报告
37 Database Toolbox 数据库工具箱
38 MATLAB Report Generator MATLAB报告生成
MATLAB代码生成
39 MATLAB Coder MATLAB代码生成
40 Filter Design HDL Coder 滤波器设计HDL代码生成
MATLAB应用发布
41 MATLAB Compiler MATLAB编译器混合编程
42 MATLAB Builder NE for Microsoft.Net Framework
43 MATLAB Builder JA for Java Language
44 MATLAB Builder EX for Microsoft Excel
45 Spreadsheet Link EX for Microsoft Excel