遗传算法怎么把约束条件加进去

1. 如何在遗传算法中设置变量约束条件

1、一般有两种方法，一种是在生成初始种群时只生成满足约束的个体；另一种是随机产生个体，并且在随后的操作中判断个体是否满足约束条件。

2、这是遗传算法的特点决定的；遗传算法是一种随机搜索算法，每次都因种群规模的不同、参数的不同而得到不同的结果。即便参数都相同，每次运算得到的近似最优解也不一定相同。

一般取n次运算中的最好结果来作为最终的最优解。当然，如果你的约束条件设置不妥，或者参数设置不适当，那么也会造成每次运算的近似最优解相差过大，且质量不高。

这些都要注意。3、我用MATLAB自己编写遗传算法来解决问题，因为其自带的工具箱比较固定，只能解决简单、典型的问题。

但你的问题稍加复杂时，工具箱的作用就发挥不出来。

2. 遗传算法中中约束条件怎么处理

1、一般有两种方法，一种是在生成初始种群时只生成满足约束的个体；另一种是随机产生个体，并且在随后的操作中判断个体是否满足约束条件。

这些都要注意。 3、我用MATLAB自己编写遗传算法来解决问题，因为其自带的工具箱比较固定，只能解决简单、典型的问题。

但你的问题稍加复杂时，工具箱的作用就发挥不出来。

3. 使用matlab遗传算法工具箱如何加入目标函数中变量的约束条件啊,可

首先回答你第一个问题：怎么加入变量的约束条件？

打开遗传算法工具箱的窗体中会有下图所示的选项，即是约束条件的编辑

至于添加的方式，这里要重点的提一下，首先将问题抽象成规划问题的标准形式（如果你不懂什么是标准形式的话，建议你去翻阅运筹学那本书，上告诉你什么是标准形式），然后用矩阵语言写出来，最后将矩阵的系数填写到线性不等约束和线性相等约束中，同时定义所求变量x的上界和下界（记住有多少个变量就有多少列，如果你发现有些条件中没有出现某些变量，那么就应该用0补足，这个是matlab解决规划问题与lingo想比较麻烦的一个地方，）。

然后回答你第二个问题：可否在M文件中添加约束条件？

当然可以，界面的东西是为了方便不熟悉matlab编程的人而设计出来的，但是其底层的算法和接口肯定是有的。

碰到不懂的函数，请记得：help 函数名

help ga 之后会得到一下一些函数

Find minimum of function using genetic algorithm //这个是定义

Syntax // 这个是语法也即是调用的规则

x = ga(fitnessfcn,nvars)

x = ga(fitnessfcn,nvars,A,b)

x = ga(fitnessfcn,nvars,A,b,Aeq,beq)

x = ga(fitnessfcn,nvars,A,b,Aeq,beq,LB,UB)

x = ga(fitnessfcn,nvars,A,b,Aeq,beq,LB,UB,nonlcon)

x = ga(fitnessfcn,nvars,A,b,Aeq,beq,LB,UB,nonlcon,options)

x = ga(problem)

[x,fval] = ga(。)

[x,fval,exitflag] = ga(。)

直接给你将最长的那个吧

x = ga(fitnessfcn,nvars,A,b,Aeq,beq,LB,UB,nonlcon,options)

X是返回所求的解

fitnessfcn是适应度函数

nvars是适应度函数中所含变量的维数

A是不等式约束中变量的系数矩阵，b是不等式约束中不含变量的值矩阵

Aeq是等式约束中变量的系数矩阵，beq是等式约束中不含变量的值矩阵

LB是下界，UB是上界

nonlcon 是非线性约束条件

至于options嘛我也木有用过，其实你也可以不用管的。

懂了木有呢，亲？

4. 遗传算法中中约束条件怎么处理呢

只要你的遗传算子选对，进化过程中上下限约束就能满足；

若是其它连续性变量的线性或非线性约束，可采用罚函数法将这些约束加入目标函数（适应度函数）中，这样就能保证最优解在约束范围内。

若是存在0-1的变量（主要是在规划中，某个东西建或不建），则进化过程就会产生较多不可行解，采用直接丢弃的方法固然可以，但是当不可行解多时，这种方法就使遗传算法失去它的优势；所以就有学者提出了不可行解的修复策略，将不可行解通过某种方法转换为可行解。那么不同的优化问题解的修复策略都可能会不同，如果你设计了一个针对你所做问题的修复策略，那也就成了你的创新点之一了。

当然也有设计进化策略的研究，但这方面比较修复策略而言有难度。