MATLAB遗传算法工具箱在函数优化中的应用

本文介绍了遗传算法的运算流程,阐述了MATLAB遗传算法工具箱的主要函数及其功能。结合典型的二维和高维多峰测试函数,在MATLAB环境中有效地解决了用遗传算法求解函数优化问题,验证了MATLAB遗传算法工具箱的有效性和灵活性。     

MATLAB遗传算法工具箱及其军事应用

用MATLAB语言及MATLAB语言编制的优化工具箱进行优化设计具有语言简单、函数丰富、用法比较灵活、缟程蓑率高霉特点。本文简要阐述了遗传算法的基本原理，并对英国Sheffield大学的MATLAB遗传算法工具箱作了简要的介绍．探讨了其在军事目标分配中的应用。     

基于MATLAB遗传算法优化工具箱的优化计算

采用Matlab语言编制的遗传算法工具箱（GAOT）可实现二进制编码和真值编码的模拟进化计算，此工具箱在遗传操作方面非常灵活。介绍了用遗传算法工具箱解决了连续优化问题和旅行商问题，并给出了两个实例。     

遗传算法及其工具箱在函数优化问题中的应用

函数优化是遗传算法的经典应用领域,也是对遗传算法进行性能评价的常用算例。由此,该文首先对遗传算法的基本原理和定义,以及其工具箱作了简介,最后结合实例,简述了遗传算法及其工具箱在函数优化问题中的应用。     

关于MATLAB符号工具箱的若干问题

本文指出了MATLAB符号工具箱的若干问题 ,并给出了解决这些问题的办法。     

基于MATLAB神经网络的NNSYSID和NNCTRL工具箱

0　引言神经网络目前已经成为辨识和控制非线性系统的一种大众化工具 ,它的实现方法最常用的是软件仿真 ,MATLAB神经网络工具箱就是其中的优秀代表[1] ,广泛地应用于多种场合。不过这些工具箱都是一般意义上的工具箱 ,缺少系统辨识和控制设计用的针对性很强的工具箱。本文介绍的NNSYSID和NNCTRL工具箱就是新近开发的专门针对系统辨识和控制用的工具箱[2～ 4 ] 。NNSYSID工具箱是基于神经网络的系统辨识工具箱 ,它可以帮助辨识非线性动态系统参数 ,并且具有大量的基于神经网络的非线性模型结构 ,以及有效的学习算法和验证模型结构…     

使用MATLAB曲线拟合工具箱做曲线拟合

介绍了使用MATLAB曲线拟合工具箱(Curve Fitting Toolbox)对数据进行曲线拟合,给出数学建模中的实例用以介绍其具体使用方法,并且给出利用MATLAB曲线拟合工具箱改善拟合结果的方法。结果显示,用MATLAB曲线拟合工具箱能够很好的对数据进行曲线拟合的处理。     

基于MATLAB优化工具箱的最优投资方案的设计与实现

在金融领域中，优化设计和MATLAB优化工具箱有着不可估量的应用前景。本文首先介绍了优化设计的概念和过程，分析了MATLAB优化工具箱的求解优化问题的优点，然后通过建立数学模型，选择序列二次规划算法，利用MATLAB优化工具箱中的非线性约束优化函数，在MATLAB平台下缩写程序，设计和实现了一种最优投资方案。     

微分方程方向场MATLAB仿真工具箱设计

围绕微分方程方向场这个核心概念,利用MATLAB求解微分方程的优势,得到了求解微分方程初值解、微分方程方向场等各种算法的程序实现,实现了MATLAB仿真工具箱设计,利用图形用户界面(GUI)方法,设计了良好的人-机交互系统的主界面,最后给出了实际例子的程序运行结果,对推动微分方程在具体实践中的应用和普及,具有实际意义。     

基于MATLAB化工工具箱的开发方案

讨论了集数值计算、可视化图形处理、开放式多功能于一体的语言ＭＡＴＬＡＢ,论述了开发出ＭＡＴＬＡＢ化工工具箱的重要意义Ｃ块绍了利用ＭＡＴＬＡＢ开放式可扩充体系结构,开发出化工物性数据的查询、推算及校正、化工过程模拟及优化、化工过程综合等方面的化工工具箱的构想与开发方案。     

用MATLAB设计遗传算法软件

利用 MATL AB的图形用户界面设计功能 (GUI) ,在 MATLAB6 .5下编写了图形化的一般遗传算法软件。主要说明了软件的函数以及界面、功能的设计要点     

遗传算法在排课系统中的应用

遗传算法是模拟自然选择和遗传的一种随机搜索算法。由于排课问题是一个有约束的、多目标的、难解的组合优化问题,采用具有智能型和并行性的遗传算法,来对排课问题进行求解,是所有求解该问题方法中比较明智的选择。采用了遗传算法作为搜索近似最优解的算法。目的是研究自然系统的自适应行为,并用于设计具有自适应功能的软件系统。     

MATLAB NN和优化工具箱在设计优化中的应用

作为一种近似模型建立方式,人工神经网络技术能够较快地进行函数逼近,精度也能满足工程需要。介绍了MATLAB神经网络和优化工具箱的特性和联合使用,并通过与C++的混合编程将其集成到优化程序框架中。通过一个运输机起飞重量的优化实例,证明MATLAB的神经网络和优化工具箱的联合使用是工程设计中一种有效的优化策略。     

遗传算法的改进与应用

遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机搜索算法,它与传统的算法不同。大多数古典的优化算法是基于一个单一的度量函数(评估函数)的梯度或较高次统计,以产生一个确定性的试验解序列;遗传算法不依赖于梯度信息,而是通过模拟自然进化过程来搜索最优解。该文针对传统遗传算法的缺陷,提出了一些新的改进思路,即从搜索技术和遗传算子等的角度来改进遗传算法。     

育种遗传算法及函数优化应用

提出一种新的育种遗传算法.采用在解空间产生均匀分布初始种群和最优值保留策略.每代个体依优劣按比例分成雌雄两性.随机产生一部分雌性个体直接进入下一代种群.按照育种学理论,一个雄性与多个雌性进行级进杂交,雄性进行自交.初始种群的规模和两性比例调控全局搜索能力,杂交时雌雄双方遗传比例调控收敛速度.函数优化实验表明,本算法具有强鲁棒性,种群进化快,能快速收敛到最优解.     

并行混合免疫遗传算法及其应用

以并行遗传算法(PGA)为基础,对其早熟、收敛慢等缺陷加以改进,提出一种并行混合免疫遗传算法(PHIGA)。该算法将免疫原理引入到遗传算法中,提高了算法的整体性能。这主要表现在一方面免疫选择可有效地防止早熟,另一方面基于免疫记忆的子群体信息交换策略可加速收敛。算法采用混沌初始化和基于自适应交叉、变异的多种群搜索,与单纯形法的混合可更好地改善其局部搜索性能。文中布局问题的算例验证了该算法的可行性和有效性。     

基于MATLAB的非线性方程组遗传解法

将非线性方程组的求解问题转化为用遗传算法求解目标函数的最小值问题,利用MATLAB的遗传算法与直接搜索工具箱（GADs）对目标函数求取最小值。计算结果表明,用该方法求得的非线性方程组近似解精度较高。     

用MATLAB实现遗传算法程序

简要阐述了遗传算法的基本原理,探讨了在ＭＡＴＬＡＢ环境中实现遗传算法各算子的编程方法。并以一个简单的实例说明所编程序在函数全局录优中的应用。