Algorithme génétique
Solveur d'algorithmes génétiques pour l'optimisation mixte en nombres entiers ou en variables continues, avec ou sans contraintes
L'algorithme génétique résout les problèmes d'optimisation lisses ou non lisses avec tout type de contraintes, y compris les contraintes entières. Il s’agit d’un algorithme stochastique basé sur la population qui recherche de manière aléatoire par mutation et croisement parmi les membres de la population.
Fonctions
Tâches du Live Editor
Optimize | Optimize or solve equations in the Live Editor (depuis R2020b) |
Rubriques
Algorithme génétique basé sur des problèmes
- Minimiser la fonction de Rastrigins à l'aide de ga, basé sur un problème
Exemple de base de minimisation d'une fonction à minima multiples dans l'approche par problèmes. - Constrained Minimization Using ga, Problem-Based
Solve a nonlinear problem with nonlinear constraints and bounds usingga
in 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 in ga, 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
.
Principes de base de l'optimisation des algorithmes génétiques
- Minimize Rastrigin's Function
Presents an example of solving an optimization problem using the genetic algorithm. - Codage et minimisation d'une fonction fitness à l'aide de l'algorithme génétique
Montre comment écrire une fonction fitness incluant des paramètres supplémentaires ou une vectorisation. - Minimisation contrainte à l'aide de l'algorithme génétique
Montre comment inclure des contraintes dans votre problème. - Options and Outputs
Shows how to choose input options and output arguments. - Effets des options d'algorithmes génétiques
Exemple montrant l’effet de plusieurs options. - Optimisation globale et locale avec ga
Cet exemple montre comment la définition de la plage initiale peut conduire à une meilleure solution.
Options de réglage courantes
- Définir le nombre maximal de Generation et de Stall Generation
Examinez les effets de la définition des optionsMaxGenerations
etMaxStallGenerations
. - 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. - Quand utiliser une fonction hybride
Décrit les cas dans lesquels les fonctions hybrides sont susceptibles de fournir une plus grande précision ou rapidité.
Optimisation mixte des nombres entiers
- 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.
Tâches spécialisées
- Resume ga
Shows how to continue optimizingga
from the final population. - Reproduce Results
Shows how to reproduce results by resetting the random seed. - Run ga from a File
Provides an example of runningga
using 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
. - Custom Output Function for Genetic Algorithm
This example shows the use of a custom output function 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 usingpatternsearch
orga
. - Optimize Simulink Model in Parallel
This example shows how to optimize a Simulink® model in parallel using several Global Optimization Toolbox solvers.
Introduction aux algorithmes génétiques
- Qu'est-ce qu'un algorithme génétique ?
Présente l'algorithme génétique. - Genetic Algorithm Terminology
Explains some basic terminology for the genetic algorithm. - Comment fonctionne l'algorithme génétique
Présente un aperçu du fonctionnement de l’algorithme génétique. - Algorithmes de résolution de contraintes non linéaires pour algorithmes génétiques
Explique l'algorithme génétique lagrangien augmenté (ALGA) et l'algorithme de pénalité. - Genetic Algorithm Options
Explore the options for the genetic algorithm.