Genetischer Algorithmus
Genetischer Algorithmus zur Optimierung gemischt-ganzzahliger oder kontinuierlicher Variablen, mit oder ohne Nebenbedingungen
Genetische Algorithmen lösen glatte und nichtglatte Optimierungsprobleme mit beliebigen Randbedingungen, einschließlich ganzzahliger Randbedingungen. Es handelt sich um einen stochastischen, populationsbasierten Algorithmus, der durch Mutation und Crossover zufällig unter den Populationsmitgliedern sucht.
Funktionen
Live Editor Tasks
| Optimize | Optimize or solve equations in the Live Editor |
Apps
| Optimization Explorer | Explore multiple solver configurations and their solutions for an optimization problem (Seit R2026a) |
Themen
Problembasierter genetischer Algorithmus
- Minimieren Sie die Rastrigins-Funktion mit ga, problembasiert
Grundlegendes Beispiel für die Minimierung einer Funktion mit mehreren Minima im problembasierten Ansatz. - Constrained Minimization Using ga, Problem-Based
Solve a nonlinear problem with nonlinear constraints and bounds usinggain the problem-based approach. - Solve a Mixed-Integer Engineering Design Problem Using the Genetic Algorithm, Problem-Based
Example showing how to use problem-based mixed-integer programming inga, including how to choose from a finite list of values. - Feasibility Using Problem-Based Optimize Live Editor Task
Solve a nonlinear feasibility problem using the problem-based Optimize Live Editor task and several solvers. - Set Options in Problem-Based Approach Using varindex
To set options in some contexts, map problem-based variables to solver-based usingvarindex.
Grundlagen der Optimierung mit genetischen Algorithmen
- Minimize Rastrigin's Function
Presents an example of solving an optimization problem using the genetic algorithm. - Kodierung und Minimierung einer Fitnessfunktion mit dem genetischen Algorithmus
Zeigt, wie eine Fitnessfunktion einschließlich zusätzlicher Parameter oder Vektorisierung geschrieben wird. - Eingeschränkte Minimierung mit dem genetischen Algorithmus
Zeigt, wie Sie Einschränkungen in Ihr Problem einbeziehen. - Options and Outputs
Shows how to choose input options and output arguments. - Auswirkungen genetischer Algorithmusoptionen
Beispiel, das die Wirkung mehrerer Optionen zeigt. - Global vs. Local Optimization Using ga
This example shows how setting the initial range can lead to a better solution.
Gängige Tuning-Optionen
- Maximale Anzahl von Generationen festlegen und Generationen anhalten
Untersuchen Sie die Auswirkungen der Festlegung der OptionenMaxGenerationsundMaxStallGenerations. - Population Diversity
Shows the importance of population diversity, and how to set it. - Fitness Scaling
Describes fitness scaling, and how it affects the progress ofga. - Vary Mutation and Crossover
Shows the effect of the mutation and crossover parameters inga. - Hybrid Scheme in the Genetic Algorithm
Shows the use of a hybrid function for improving a solution. - Wann wird eine Hybridfunktion verwendet?
Beschreibt Fälle, in denen Hybridfunktionen wahrscheinlich eine höhere Genauigkeit oder Geschwindigkeit bieten.
Gemischt-ganzzahlige Optimierung
- Mixed Integer ga Optimization
Solve mixed integer programming problems, where some variables must be integer-valued. - Solve a Mixed-Integer Engineering Design Problem Using the Genetic Algorithm
Example showing how to use mixed-integer programming in ga, including how to choose from a finite list of values.
Spezialaufgaben
- Resume ga
Shows how to continue optimizinggafrom the final population. - Reproduce Results
Shows how to reproduce results by resetting the random seed. - Run ga from a File
Provides an example of runninggausing a set of parameters to search for the most effective setting. - Vectorize the Fitness Function
How to gain speed using vectorized function evaluations. - Create Custom Plot Function
Shows how to create and use a custom plot function inga. - Benutzerdefinierte Ausgabefunktion für genetischen Algorithmus
Dieses Beispiel zeigt die Verwendung einer benutzerdefinierten Ausgabefunktion inga. - Custom Data Type Optimization Using the Genetic Algorithm
Solve a traveling salesman problem using a custom data type. - Optimize ODEs in Parallel
Save time by calling an expensive subroutine just once and computing an ODE solution in parallel usingpatternsearchorga. - Optimize Simulink Model in Parallel
This example shows how to optimize a Simulink® model in parallel using several Global Optimization Toolbox solvers. - Optimize Simulink Model in Parallel with Optimization Explorer
Parallel optimization of Simulink model in Optimization Explorer.
Hintergrund genetischer Algorithmen
- Was ist ein genetischer Algorithmus?
Führt den genetischen Algorithmus ein. - Terminologie genetischer Algorithmen
Erklärt einige grundlegende Begriffe für den genetischen Algorithmus. - So funktioniert der genetische Algorithmus
Bietet einen Überblick über die Funktionsweise des genetischen Algorithmus. - Nichtlineare Constraint-Solver-Algorithmen für genetische Algorithmen
Erklärt den Augmented Lagrangian Genetic Algorithm (ALGA) und den Strafalgorithmus. - Genetic Algorithm Options
Explore the options for the genetic algorithm.
