遗传算法视频
1. MATLAB 7.0
附件说明
关于MATLAB的入门视频有不少，但要称的上完整、系统，恐怕很难有统一的标准。
我提供的是胡晓冬，董辰辉的《MATLAB从入门到精通》（人民邮电出版社，2010-06）一书的配套光盘，应该能满足你的需求。内含217个实例程序文件，330分钟的视频讲解。
图书下载
ishare.iask.sina.com.cn/f/67219177.html
图书简介
本书以MATLABR2009a软件为基础，系统讲解了MATLAB基本环境和操作方法。本书介绍了最新的MATLAB功能，并分章阐述了数据类型、数值计算、符号计算、编程基础、可视化、Simulink、应用程序接口等内容，结合案例详细讲解了MATLAB语言的使用。本书还专门讲解了实用的MATLAB编程技巧与数学建模应用等。
本书所带的光盘是读者学习MATLAB的好帮手，提供了全部示例的源程序，另外配有知识点和例题的视频教程，可帮助读者更好地理解书中的内容并更快地掌握MATLAB的使用方法。
本书内容丰富、贴近实战应用，可作为高校学生系统学习MATLAB的书籍，也可以作为广大科研和工程技术人员在工作中使用MATLAB的参考书。
图书目录
第1章MATLAB概述1
1.1MATLAB简介1
1.2MATLAB主要功能2
1.2.1开发算法和应用程序2
1.2.2分析和访问数据3
1.2.3实现数据可视化3
1.2.4进行数值计算4
1.2.5发布结果和部署应用程序5
1.3MATLAB安装与启动5
1.3.1MATLAB的安装5
1.3.2MATLAB的启动与退出7
1.3.3Desktop操作界面简介8
1.4CommandWindow运行入门8
1.4.1命令行的使用8
1.4.2数值、变量和表达式9
1.4.3命令行的特殊输入方法11
1.4.4命令窗口的显示格式12
1.4.5命令窗口常用快捷键与命令13
1.5CommandHistory窗口14
1.6CurrentDirectory窗口14
1.7WorkspaceBrowser和VariableEditor窗口15
1.7.1WorkspaceBrowser窗口15
1.7.2VariableEditor窗口15
1.8命令行辅助功能与FunctionBrowser16
1.9Help17
1.9.1HelpBrowser18
1.9.2命令窗口查询帮助18
第2章矩阵和数组20
2.1矩阵的创建与组合20
2.1.1创建简单矩阵20
2.1.2创建特殊矩阵21
2.1.3矩阵的合并22
2.2矩阵的寻访与赋值23
2.2.1矩阵的标识23
2.2.2矩阵的寻访24
2.2.3矩阵的赋值24
2.3进行数组运算的常用函数25
2.3.1函数数组运算规则的定义25
2.3.2进行数组运算的常用函数25
2.4查询矩阵信息27
2.4.1矩阵的形状信息27
2.4.2矩阵的数据类型27
2.4.3矩阵的数据结构28
2.5数组运算与矩阵运算28
2.6矩阵的重构29
2.6.1矩阵元素的扩展与删除29
2.6.2矩阵的重构30
2.7稀疏矩阵31
2.7.1稀疏矩阵的存储方式32
2.7.2稀疏矩阵的创建32
2.7.3稀疏矩阵的运算35
2.7.4稀疏矩阵的交换与重新排序36
2.7.5稀疏矩阵视图38
2.8多维数组38
2.8.1多维数组的创建39
2.8.2多维数组的寻访与重构41
2.9多项式的表达式及其操作44
2.9.1多项式的表达式和创建44
2.9.2多项式运算函数45
第3章数据类型47
3.1数值型47
3.2逻辑型47
3.2.1逻辑型简介47
3.2.2返回逻辑结果的函数48
3.2.3运算符的优先级50
3.3字符和字符串51
3.3.1创建字符串51
3.3.2字符串比较52
3.3.3字符串查找与替换53
3.3.4类型转换54
3.3.5字符串应用函数小结55
3.4structure数组56
3.4.1structure数组的创建57
3.4.2structure数组的寻访59
3.4.3structure数组域的基本操作60
3.4.4structure数组的操作61
3.5cell数组63
3.5.1cell数组的创建63
3.5.2cell数组的寻访65
3.5.3cell数组的基本操作65
3.5.4cell数组操作函数66
3.6Map容器67
3.6.1Map数据类型介绍67
3.6.2Map对象的创建68
3.6.3查看Map的内容69
3.6.4Map的读写70
3.6.5Map中key和value的修改72
3.6.6映射其他数据类型73
第4章数值计算75
4.1因式分解75
4.1.1行列式、逆和秩75
4.1.2Cholesky因式分解77
4.1.3LU因式分解78
4.1.4QR因式分解79
4.1.5范数81
4.2矩阵特征值和奇异值82
4.2.1特征值和特征向量的求取82
4.2.2奇异值分解84
4.3概率和统计85
4.3.1基本分析函数85
4.3.2概率函数、分布函数、逆分布函数和随机数93
4.4数值求导与积分94
4.4.1导数与梯度94
4.4.2一元函数的数值积分95
4.4.3二重积分的数值计算97
4.4.4三重积分的数值计算97
4.5插值98
4.5.1一维数据插值98
4.5.2二维数据插值99
4.5.3多维插值100
4.5.4样条插值100
4.6曲线拟合101
4.6.1最小二乘原理及其曲线拟合算法101
4.6.2曲线拟合的实现102
4.7Fourier分析102
4.8微分方程104
4.8.1常微分方程104
4.8.2偏微分方程106
第5章符号计算110
5.1符号变量、表达式及符号方程110
5.1.1符号变量与表达式的创建110
5.1.2符号计算中的运算符和基本函数112
5.1.3创建符号方程113
5.2符号微积分113
5.2.1符号求导与微分113
5.2.2符号求极限115
5.2.3符号积分116
5.2.4级数求和116
5.2.5Taylor级数117
5.3符号表达式的化简与替换117
5.3.1符号表达式的化简118
5.3.2符号表达式的替换122
5.4符号可变精度计算125
5.5符号线性代数127
5.5.1基础代数运算127
5.5.2线性代数运算128
5.6符号方程求解130
5.6.1求代数方程符号解130
5.6.2求代数方程组的符号解130
5.6.3求微分方程符号解132
5.6.4求微分方程组的符号解134
5.7符号积分变换134
5.7.1Fourier变换及其反变换134
5.7.2Laplace变换及其反变换135
5.7.3Z变换及其反变换136
第6章MATLAB编程基础138
6.1M文件138
6.1.1M文件编辑器139
6.1.2M文件的基本内容140
6.1.3脚本式M文件142
6.1.4函数式M文件143
6.2流程控制143
6.2.1顺序结构144
6.2.2if语句144
6.2.3switch语句146
6.2.4for循环146
6.2.5while循环147
6.2.6continue命令148
6.2.7break命令149
6.2.8return命令150
6.2.9人机交互命令150
6.3函数的类型152
6.3.1主函数152
6.3.2子函数152
6.3.3私有函数153
6.3.4嵌套函数154
6.3.5重载函数157
6.3.6匿名函数157
6.4函数的变量161
6.4.1变量类型161
6.4.2变量的传递162
6.5函数句柄164
6.5.1函数句柄的创建165
6.5.2函数句柄的调用165
6.5.3函数句柄的操作166
6.6串演算函数167
6.6.1eval函数167
6.6.2feval函数168
6.6.3inline函数169
6.7内存的使用170
6.7.1内存管理函数170
6.7.2高效使用内存的策略170
6.7.3解决“OutofMemory”问题172
6.8程序调试和优化173
6.8.1使用Debugger窗口调试173
6.8.2在命令窗口中调试176
6.8.3profile性能检测178
6.9错误处理180
6.9.1使用try-catch语句捕捉错误180
6.9.2处理错误和从错误中恢复181
6.9.3警告183
第7章数据可视化185
7.1绘图的基本知识185
7.1.1离散数据和离散函数的可视化185
7.1.2连续函数的可视化186
7.1.3可视化的一般步骤187
7.2二维图形187
7.2.1基本绘图函数187
7.2.2曲线的色彩、线型和数据点型189
7.2.3坐标、刻度和网格控制190
7.2.4图形标识192
7.2.5双坐标图和子图195
7.2.6双轴对数图形197
7.2.7特殊二维图形197
7.3三维图形203
7.3.1绘制三维曲线图203
7.3.2绘制三维曲面图203
7.3.3特殊三维图形205
7.4三维图形的高级控制207
7.4.1视点控制207
7.4.2颜色的使用208
7.4.3光照控制208
第8章图像处理210
8.1图像文件的操作210
8.1.1查询图像文件的信息211
8.1.2图像文件的读写212
8.1.3图像文件的显示213
8.1.4图像格式的转换214
8.2图像的几何运算216
8.2.1图像的平移216
8.2.2图像的镜像变换216
8.2.3图像缩放217
8.2.4图像的旋转218
8.2.5图像的剪切218
8.3图像的正交变换219
8.3.1傅立叶变换219
8.3.2离散余弦变换220
8.3.3Radon变换221
8.4MATLAB图像增强222
8.4.1像素值及其统计特性222
8.4.2对比度增强224
8.4.3直方图均衡化225
8.4.4空域滤波增强226
8.4.5频域增强228
第9章图形用户界面(GUI)设计230
9.1句柄图形对象230
9.1.1图形对象230
9.1.2图形对象句柄231
9.1.3图形对象属性的获取和设置232
9.2GUIDE简介234
9.2.1启动GUI235
9.2.2Layout编辑器235
9.2.3运行GUI236
9.3创建GUI236
9.3.1GUI窗口布局236
9.3.2菜单的添加237
9.3.3控件241
9.4CallBack函数245
9.4.1变量的传递245
9.4.2函数编写246
9.5GUI设计示例248
第10章数据文件I/O254
10.1处理文件名称254
10.2MATLAB支持的文件格式255
10.3导入向导的使用256
10.4MAT文件的读写257
10.4.1MAT文件的写入257
10.4.2MAT文件的读取258
10.5Text文件读写259
10.5.1Text文件的读取259
10.5.2Text文件的写入262
10.6Excel文件读写262
10.7音频/视频文件操作264
10.7.1获取音频/视频文件的文件头信息264
10.7.2音频/视频文件的导入与导出264
第11章MATLAB优化问题应用266
11.1MATLAB优化工具箱266
11.1.1MATLAB求解器267
11.1.2极小值优化269
11.1.3多目标优化275
11.1.4方程组求解276
11.1.5最小二乘及数据拟合277
11.2模式搜索法278
11.3模拟退火算法280
11.3.1模拟退火算法简介280
11.3.2模拟退火算法应用实例280
11.3.3关于计算结果281
11.4遗传算法282
11.4.1遗传算法简介282
11.4.2遗传算法应用实例283
11.5OptimizationTool简介285
第12章信号处理289
12.1信号处理基本理论289
12.1.1信号的生成289
12.1.2数字滤波器结构293
12.2IIR滤波器的MATLAB实现294
12.2.1IIR滤波器经典设计295
12.2.2IIR滤波器直接设计法301
12.2.3广义巴特沃思IIR滤波器设计302
12.3FIR滤波器的MATLAB实现303
12.3.1FIR滤波器设计303
12.3.2fir1函数304
12.3.3fir2函数305
第13章Simulink仿真306
13.1Simulink简介306
13.1.1Simulink功能与特点306
13.1.2Simulink的安装与启动307
13.2Simulink基础309
13.2.1Simulink模型是什么309
13.2.2Simulink模块操作309
13.2.3Simulink信号线操作312
13.2.4Simulink对模型的注释314
13.2.5Simulink常用的模型库314
13.2.6Simulink仿真配置316
13.3Simulink动态系统仿真320
13.3.1简单系统的仿真分析320
13.3.2离散系统的仿真分析322
13.3.3连续系统的仿真分析324
13.4Simulink模型中的子系统327
13.4.1子系统的建立327
13.4.2子系统的封装328
13.5SimulinkS-函数331
13.5.1什么是S-函数332
13.5.2S-函数的作用和原理332
13.5.3用M文件创建S-函数实例333
第14章应用程序接口336
14.1MATLAB应用程序接口介绍336
14.2MATLAB调用C/C++337
14.2.1MATLABMEX文件338
14.2.2C-MEX文件的使用341
14.3C/C++调用MATLAB引擎346
14.3.1MATLAB计算引擎概述346
14.3.2MATLAB计算引擎库函数347
14.3.3C/C++调用MATLAB引擎348
14.4MATLAB编译器352
14.4.1MATLAB编译器的安装和设置353
14.4.2MATLAB编译器的使用354
14.4.3独立应用程序356
第15章MATLAB基础计算技巧365
15.1MATLAB数组创建与重构技巧365
15.2MATLAB数据类型使用技巧371
15.3MATLAB数值计算技巧373
15.4MATLAB文件读取操作技巧375
15.5MATLAB绘图技巧376
第16章MATLAB编程技巧379
16.1MATLAB编程风格379
16.1.1命名规则379
16.1.2文件与程序结构381
16.1.3基本语句382
16.1.4排版、注释与文档385
16.2MATLAB编程注意事项387
16.3内存的使用389
16.4提高MATLAB运行效率390
16.4.1提高运行效率基本原则390
16.4.2提高运行效率举例392
第17章MATLAB在数学建模中的应用395
17.1MATLAB蒙特卡罗模拟395
17.1.1蒙特卡罗方法简介395
17.1.2蒙特卡罗方法编程示例396
17.2MATLAB灰色系统理论应用398
17.2.1GM(1，1)预测模型简介398
17.2.2灰色预测计算实例399
17.3MATLAB模糊聚类分析401
17.3.1模糊聚类分析简介401
17.3.2模糊聚类分析应用示例402
17.4MATLAB层次分析法应用406
17.4.1层次分析法简介406
17.4.2层次分析法的应用409
2. 遗传算法和深度神经网络算法的区别相比谁好些
遗传算法是一种智能计算方法，针对不同的实际问题可以设计不同的计算程序。它主要有复制，交叉，变异三部分完成，是仿照生物进化过程来进行计算方法的设计。
模糊数学是研究现实生活中一类模糊现象的数学。简单地说就是像好与坏怎样精确的描述，将好精确化，用数字来表达。
神经网络是一种仿生计算方法，仿照生物体中信息的传递过程来进行数学计算。
这三种知识都是近40年兴起的新兴学科，主要应用在智能模糊控制上面。这三者可以结合起来应用。如用模糊数学些遗传算法的程序，优化神经网络，最后用神经网络控制飞行器或其他物体
3. MATLAB中的遗传算法最佳适应度值和平均适应度曲线怎么描绘
每一代群体中每一个个体的适应度都必须算出来对吧，把它存在一个向量里面，然后将每一代中适应度最大的max()和平均值mean()取出来放在一个向量里面，当进化完毕的时候画出这个向量就行了
4. 多目标差分进化算法
差分进化算法(Differential Evolution, DE)是一种基于群体差异的启发式随机搜索算法，该算法是由R.Storn和K.Price为求解Chebyshev多项式而提出的。是一种用于最佳化问题的后设启发式算法。本质上说，它是一种基于实数编码的具有保优思想的贪婪遗传算法。
将问题的求解表示成"染色体"的适者生存过程，通过"染色体"群的一代代不断进化，包括复制、交叉和变异等操作，最终收敛到"最适应环境"的个体，从而求得问题的最优解或满意解。
差分进化算法类似遗传算法，包含变异，交叉操作，淘汰机制，而差分进化算法与遗传算法不同之处，在于变异的部分是随选两个解成员变数的差异，经过伸缩后加入当前解成员的变数上，因此差分进化算法无须使用概率分布产生下一代解成员。最优化方法分为传统优化方法和启发式优化方法两大类。传统的优化方法大多数都是利用目标函数的导数求解；而启发式优化方法以仿生算法为主，通过启发式搜索策略实现求解优化。启发式搜索算法不要求目标函数连续、可微等信息，具有较好的全局寻优能力，成为最优化领域的研究热点。
在人工智能领域中，演化算法是演化计算的一个分支。它是一种基于群体的元启发式优化算法，具有自适应、自搜索、自组织和隐并行性等特点。近年来，很多学者将演化算法应用到优化领域中，取得了很大的成功，并已引起了人们的广泛关注。越来越多的研究者加入到演化优化的研究之中，并对演化算法作了许多改进，使其更适合各种优化问题。目前，演化算法已广泛应用于求解无约束函数优化、约束函数优化、组合优化、多目标优化等多种优化问题中。
5. 遗传算法二进制编码问题：二进制编码的位数是如何确定的
用这个公式试试，这个是解码用的，至于你说的位数，可以给你举个例子，比如[0,1],精度千分之1，就是相当于里面离散化出来1000+1个点，2的10次方是1024,2的9次方是512，这时候你就只要取10位就可以把这1001个点的变化全部包含到二进制里面了
6. 遗传算法第一次提出来是在什么文献中
《搜索、优化和机器学习中的遗传算法》。
遗传算法（Genetic Algorithm，GA）最早是由美国的 John holland于20世纪70年代提出,该算法是根据大自然中生物体进化规律而设计提出的。是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。
遗传算法的基本运算过程如下：
（1）初始化：设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体P(0)。
（2）个体评价：计算群体P(t)中各个个体的适应度。
（3）选择运算：将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估基础上的。
（4）交叉运算：将交叉算子作用于群体。遗传算法中起核心作用的就是交叉算子。
（5）变异运算：将变异算子作用于群体。即是对群体中的个体串的某些基因座上的基因值作变动。群体P(t)经过选择、交叉、变异运算之后得到下一代群体P(t+1)。
（6）终止条件判断：若t=T,则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。
7. 各种进化算法有什么异同
（差异进化算法DE）是一种用于优化问题的启发式算法。本质上说，它是一种基于实数编码的具有保优思想的贪婪遗传算法[1] 。同遗传算法一样，差异进化算法包含变异和交叉操作，但同时相较于遗传算法的选择操作，差异进化算法采用一对一的淘汰机制来更新种群。由于差异进化算法在连续域优化问题的优势已获得广泛应用，并引发进化算法研究领域的热潮。 差异进化算法由Storn 以及Price [2]提出，算法的原理采用对个体进行方向扰动，以达到对个体的函数值进行下降的目的，同其他进化算法一样，差异进化算法不利用函数的梯度信息，因此对函数的可导性甚至连续性没有要求，适用性很强。
8. 遗传算法的优缺点
优点：
1、遗传算法是以决策变量的编码作为运算对象，可以直接对集合、序列、矩阵、树、图等结构对象进行操作。这样的方式一方面有助于模拟生物的基因、染色体和遗传进化的过程，方便遗传操作算子的运用。
另一方面也使得遗传算法具有广泛的应用领域，如函数优化、生产调度、自动控制、图像处理、机器学习、数据挖掘等领域。
2、遗传算法直接以目标函数值作为搜索信息。它仅仅使用适应度函数值来度量个体的优良程度，不涉及目标函数值求导求微分的过程。因为在现实中很多目标函数是很难求导的，甚至是不存在导数的，所以这一点也使得遗传算法显示出高度的优越性。
3、遗传算法具有群体搜索的特性。它的搜索过程是从一个具有多个个体的初始群体P(0)开始的，一方面可以有效地避免搜索一些不必搜索的点。
另一方面由于传统的单点搜索方法在对多峰分布的搜索空间进行搜索时很容易陷入局部某个单峰的极值点，而遗传算法的群体搜索特性却可以避免这样的问题，因而可以体现出遗传算法的并行化和较好的全局搜索性。
4、遗传算法基于概率规则，而不是确定性规则。这使得搜索更为灵活，参数对其搜索效果的影响也尽可能的小。
5、遗传算法具有可扩展性，易于与其他技术混合使用。以上几点便是遗传算法作为优化算法所具备的优点。
缺点：
1、遗传算法在进行编码时容易出现不规范不准确的问题。
2、由于单一的遗传算法编码不能全面将优化问题的约束表示出来，因此需要考虑对不可行解采用阈值，进而增加了工作量和求解时间。
3、遗传算法效率通常低于其他传统的优化方法。
4、遗传算法容易出现过早收敛的问题。
(8)遗传算法视频扩展阅读
遗传算法的机理相对复杂，在Matlab中已经由封装好的工具箱命令，通过调用就能够十分方便的使用遗传算法。
函数ga：[x, fval,reason]= ga(@fitnessfun, nvars, options)x是最优解，fval是最优值，@fitnessness是目标函数，nvars是自变量个数，options是其他属性设置。系统默认求最小值，所以在求最大值时应在写函数文档时加负号。
为了设置options，需要用到下面这个函数：options=gaoptimset('PropertyName1', 'PropertyValue1', 'PropertyName2', 'PropertyValue2','PropertyName3', 'PropertyValue3', ...)通过这个函数就能够实现对部分遗传算法的参数的设置。