遗传算法未知函数趋近已知函数-搜答案-拍题作业网

根据收敛条件决定的.

如果变量取值为自然数,即不是连续取值,8位二进制够了,其实7位就行了.如果变量不是取自然数,而是连续取值,8位二进制就少了,量化误差太大.还有,变异概率貌似太大了点.

X1X2要先转成二进制编码,然后取随机数,从X1X2中,按这个随机数指定的位置开始交换数据,然后转回十进制.染色体还需要拆开吗?求最大值:len=length(fit);max=fit(1);posi

在百度文库上有我的一个多目标的程序,如有需要可以下载.百度直接搜“遗传算法程序代码--多目标优化--函数最值问题”就行.

如果你的函数是求maxf(x)的问题,要编程求最小值问题,那么你需要对这个函数取负值求最小值即可举例来说：求max(z)=ax+bx^2等同于求min(z)=-(ax+bx^2)-----------

自然语言法：第一步输入x第二步当x>=2时f(X)=X^2-X+1否则实行第二步第三步f(X)=X+1第四步输出f(X)算法：INPUTxIFx>=2THENf(X)=X^2-X+1ELSEf(X)=

先用函数num2str将二进制串转化为字符型,再用函数bin2dec将二进制字符串转化为十进制数据

这是个50维的极小值优化问题,首先要明白遗传算法是适合二进制处理的.因此首先要将每一维的实值xi编码为长度为T的二进制串,这样子基因长度就为50T.评估适应值,可以将基因中对应的xi的二进制串转化为实

如果没有其他约束条件,直接用ga求>> fi=inline('-2.113-0.1326*x(1)+10.49*x(2)+0.1505*x(1)^2-2.924*x(1)

这个100在这里是起到限定条件的作用.如果g1>0或者g2>0这种情况,就不进行计算了,直接给出误差值100,这样,g1>0或者g2>0这种情况基本上就排除了,因为误差值非常高.这个数值可以改,改的比

Matlab中的fimincon函数优化

不可以的,没有目标函数怎样得出适应度值?

嗯,要代码吗?留下联系方式吧

正常情况下,求最大值的,适应度要转化为越小越好,其中有一个方法就是在目标函数前加个负号.或者用1除.

实数编码?帮你顶了,没用过,二进制,格雷码还用过.

给你举个例子吧,比如目标函数是f(x)=x1+x2,matlab中就写为：functionf=fitness(x)f=x(1)+x(2);函数输出f,这个你可以随便定义,只是给名字而已函数名称fitn

可不可以这样.目标函数设置为一个含两个数的数组,传递一个数组就可以了.再问：传递数组有什么用~要运用数组计算的结果才行~~

我有fortran的代码,需要吗?再问：要呀再答：明天下午给你发。再问：谢谢，metlab的有吗

哈哈哈,搞笑,一楼的回答原封不动地Copy了我之前在另外一个问题的答案,详细见参考资料：M越大F就越大那是正常的,因为是对不满足约束的惩罚.如果你的个体都是可行解,那么F就等于f了.对了,你是不是在遗

不能,遗传算法只能接触近似解.连复杂度都没法表示,不能求解最有解.