Algoritmo genético
Solucionador de algoritmos genéticos para optimización de variables continuas o enteras mixtas, con o sin restricciones
El algoritmo genético resuelve problemas de optimización suaves o no suaves con cualquier tipo de restricciones, incluidas las restricciones de números enteros. Es un algoritmo estocástico basado en la población que busca aleatoriamente por mutación y cruce entre los miembros de la población.
Funciones
Tareas de Live Editor
Optimize | Optimizar o resolver ecuaciones en Live Editor |
Temas
Algoritmo genético basado en problemas
- Minimizar la función de Rastrigins usando ga, basado en problemas
Ejemplo básico de minimización de una función con múltiples mínimos en el enfoque basado en problemas. - 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 inga
, including how to choose from a finite list of values. - Factibilidad utilizando la tarea Optimize basada en problemas de Live Editor
Resuelva un problema de factibilidad no lineal utilizando la tarea Optimize basada en problemas de Live Editor y varios solvers. - Set Options in Problem-Based Approach Using varindex
To set options in some contexts, map problem-based variables to solver-based usingvarindex
.
Fundamentos de optimización de algoritmos genéticos
- Minimize Rastrigin's Function
Presents an example of solving an optimization problem using the genetic algorithm. - Codificación y minimización de una función de aptitud mediante el algoritmo genético
Muestra cómo escribir una función de aptitud incluyendo parámetros adicionales o vectorización. - Minimización restringida mediante el uso del algoritmo genético
Muestra cómo incluir restricciones en su problema. - Options and Outputs
Shows how to choose input options and output arguments. - Efectos de las opciones de algoritmos genéticos
Ejemplo que muestra el efecto de varias opciones. - Optimización global y local con ga
Este ejemplo muestra cómo establecer el rango inicial puede conducir a una mejor solución.
Opciones de ajuste habituales
- Establecer el número máximo de generaciones y generaciones de bloqueo
Examine los efectos de configurar las opcionesMaxGenerations
yMaxStallGenerations
. - 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. - Cuándo utilizar una función híbrida
Describe casos en los que es probable que las funciones híbridas proporcionen mayor precisión o velocidad.
Optimización de números enteros mixtos
- 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.
Tareas especializadas
- 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.
Más información sobre el algoritmo genético
- ¿Qué es el algoritmo genético?
Introduce el algoritmo genético. - Terminología de algoritmos genéticos
Explica alguna terminología básica para el algoritmo genético. - Cómo funciona el algoritmo genético
Presenta una descripción general de cómo funciona el algoritmo genético. - Algoritmos de resolución de restricciones no lineales para algoritmos genéticos
Explica el algoritmo genético lagrangiano aumentado (ALGA) y el algoritmo de penalización. - Genetic Algorithm Options
Explore the options for the genetic algorithm.