遗传算法求最小值
1. 如何使用遗传算法或神经网络在MATLAB 中求二元函数最小值
你最好能提供具体的二元函数表达式，这样就可以有目的去帮你解决。一般遗传算法可以用ga（）函数来求解。例如：
fun = @(x) (x(1) - 0.2)^2 + (x(2) - 1.7)^2
x = ga(fun,2)
执行结果
x = 0.20208 1.6766
2. 在matlab中如何用遗传算法求解函数和的最小值
用遗传算法求已知函数的最小值点的方法：1、首先建立自定义函数，f(x)ga_fun=@(x)11*sin(6*x)+7*cos(5*x);2、其二用ga()函数求解最小值[x,fval,exitflag]=ga(ga_fun,1,[],[],[],[],lb) 3、然后用ezplot()函数或plot()函数，绘出其函数f(x)的图形及最小值点4、运行结果5、执行代码
3. MATLAB用遗传算法ga求最大值中的最小值
MATLAB用遗传算法ga求含有最大值的最小值问题，可以这样处理：由于最大值问题的反问题就是最小值问题，所以 max=-min。因此，你的问题就可以改写为
min ( min -(3*x1+4*x2+...))
4. 遗传算法求最小值时为什么每次结果都不一样，而且差别很大。那这么找到最小值呢
这说明遗传算法本身不收敛，还存在较大的优化空间。
建议对种群初始化方法、交叉变异方法、种群更新算子等做优化，增加最优保存策略，保证能收敛到最优解。
5. matlab遗传算法求函数最小值问题！
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)
-----------------------------------------
我这里有一个使用matlab遗传算法工具箱的案例，你可以用来快速求解，如果你想自己编程实现遗传算法，可以加我QQ：34508855
核心函数： (1)function [pop]=initializega(num,bounds,eevalFN,eevalOps,options)--初始种群的生成函数 【输出参数】 pop--生成的初始种群 【输入参数】 num--种群中的个体数目 bounds--代表变量的上下界的矩阵 eevalFN--适应度函数 eevalOps--传递给适应度函数的参数 options--选择编码形式(浮点编码或是二进制编码)[precision F_or_B],如 precision--变量进行二进制编码时指定的精度 F_or_B--为1时选择浮点编码，否则为二进制编码,由precision指定精度) (2)function [x,endPop,bPop,traceInfo] = ga(bounds,evalFN,evalOps,startPop,opts,... termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps)--遗传算法函数 【输出参数】 x--求得的最优解 endPop--最终得到的种群 bPop--最优种群的一个搜索轨迹 【输入参数】 bounds--代表变量上下界的矩阵 evalFN--适应度函数 evalOps--传递给适应度函数的参数 startPop-初始种群 opts[epsilon prob_ops display]--opts(1:2)等同于initializega的options参数，第三个参数控制是否输出，一般为0。如[1e-6 1 0] termFN--终止函数的名称,如['maxGenTerm'] termOps--传递个终止函数的参数,如[100] selectFN--选择函数的名称,如['normGeomSelect'] selectOps--传递个选择函数的参数,如[0.08] xOverFNs--交叉函数名称表，以空格分开，如['arithXover heuristicXover simpleXover'] xOverOps--传递给交叉函数的参数表，如[2 0;2 3;2 0] mutFNs--变异函数表，如['boundaryMutation multiNonUnifMutation nonUnifMutation unifMutation'] mutOps--传递给交叉函数的参数表,如[4 0 0;6 100 3;4 100 3;4 0 0] 注意】matlab工具箱函数必须放在工作目录下 【问题】求f(x)=x+10*sin(5x)+7*cos(4x)的最大值，其中0<=x<=9 【分析】选择二进制编码，种群中的个体数目为10，二进制编码长度为20，交叉概率为0.95,变异概率为0.08 【程序清单】 %编写目标函数 function[sol,eval]=fitness(sol,options) x=sol(1); eval=x+10*sin(5*x)+7*cos(4*x); %把上述函数存储为fitness.m文件并放在工作目录下 initPop=initializega(10,[0 9],'fitness');%生成初始种群，大小为10 [x endPop,bPop,trace]=ga([0 9],'fitness',[],initPop,[1e-6 1 1],'maxGenTerm',25,'normGeomSelect',... [0.08],['arithXover'],[2],'nonUnifMutation',[2 25 3]) %25次遗传迭代 运算借过为：x = 7.8562 24.8553(当x为7.8562时，f（x）取最大值24.8553) 注：遗传算法一般用来取得近似最优解，而不是最优解。 遗传算法实例2 【问题】在－5<=Xi<=5,i=1,2区间内，求解 f(x1,x2)=-20*exp(-0.2*sqrt(0.5*(x1.^2+x2.^2)))-exp(0.5*(cos(2*pi*x1)+cos(2*pi*x2)))+22.71282的最小值。 【分析】种群大小10，最大代数1000，变异率0.1,交叉率0.3 【程序清单】 ％源函数的matlab代码 function [eval]=f(sol) numv=size(sol,2); x=sol(1:numv); eval=-20*exp(-0.2*sqrt(sum(x.^2)/numv)))-exp(sum(cos(2*pi*x))/numv)+22.71282; %适应度函数的matlab代码 function [sol,eval]=fitness(sol,options) numv=size(sol,2)-1; x=sol(1:numv); eval=f(x); eval=-eval; %遗传算法的matlab代码 bounds=ones(2,1)*[-5 5]; [p,endPop,bestSols,trace]=ga(bounds,'fitness') 注：前两个文件存储为m文件并放在工作目录下，运行结果为 p = 0.0000 -0.0000 0.0055
6. 如何用遗传算法求函数最小值
可以这样，用这两个限制条件的等式把8个未知量的目标函数降维成6个未知量的目标函数，把这个作为适应度函数，问题转变成6个未知量，限制条件0<=xi<=1，的遗传算法问题。这个目标函数是线性的应该很容易搜索出最小值。我最近在研究遗传算法，欢迎私信交流。
7. 请教一下，用遗传算法工具箱怎么求下面函数的最小值
题主给出函数用遗传算法工具箱求其最小值，可以这样来做：
1、自定义函数，并保存为leijia.m文件。
2、在当前目录下，执行 optimtool，打开最优化工具箱，再选择遗传算法工具箱
3、按表中格式，输入相关内容，最后执行可以得到
8. 帮我把这个遗传算法代码改成求最小值
将适应度函数求倒数，最大值就变为最小值。