跪求一份多目标遗传算法的代码，matlab的 我给你一个标准遗传算法程序供你参考：该程序是遗传算法优化BP神经网络函数极值寻优：%该代码为基于神经网络遗传算法的系统极值寻优%清空环境变量 clc clear%初始化遗传。
matlab中已知目标函数和约束条件怎么写完整代码 用matlab写已知目标函数和约束条件的代码，可以试着从这几个方面来考虑：1、建立最小目标函数，利用循环语句完成二重求和式 2、建立约束函数，利用循环语句完成三个一重。
跪求一份多目标优化遗传算法 matlab源代码，不甚感激。邮 箱991882239 多目标优化遗传算法 matlab源代码是有，但是，目标函数相同与否，程序就要改，不知你的目标函数是啥样的，不好发程序。请补充下目标函数，我改了再发。
matlab遗传算法的目标函数编程 自然选择部分使用了排名法，适应度越高越难被淘汰，但是适应度最高的不会被淘汰；里面出现了很多个个体，其中父代是一个种群N，交叉之后有了两种子代2N，变异之后也会出现子代N，共4N，因此自然选择需要淘汰到只剩N个个体，作为下一代的父代。不过关于多维函数极值的遗传算法写法，很多人直接将每一个变量单独作为一个种群，以此并行遗传，虽然这样可行，但是从代码编写上很不美观，而且当变量很多时，这种策略显然不可行。下面我也给出了一种多维函数极值的遗传算法程序：问题背景是求z=2-exp(-x^2-y^2)的极值（最大值和最小值）。
matlab 非线性多目标的遗传算法问题 用matlab的ga（）遗传算法函数求非线性多目标的最小值（或最大值），其解决帮助如下：1、首先建立自定义目标函数，y=FitFun(x)2、其二建立自定义约束函数，[c，ceq]=NonCon(x)3、最后，根据已知条件，用ga（）函数求解。为了说明问题，没有用你随意给的问题。下面，给你一个例子作参考。FitFun.mfunction f=FitFun(x，a1)f=exp(x(1))*(4*x(1)^2+2*x(2)^2+4*x(1)*x(2)+2*x(2)+a1)；endNonCon.mfunction[c，ceq]=NonCon(x，a2)c=[1.5+x(1)*x(2)-x(1)-x(2)；x(1)*x(2)-a2]；ceq=[]；endga_main.ma1=1；a2=10；options=gaoptimset('MutationFcn'，@mutationadaptfeasible)；x=ga(@(x)FitFun(x，a1)，2，[]，[]，[]，[]，[]，[]，@(x)NonCon(x，a2)，options)运行结果
刚接触matlab 刚接触matlab 推荐 shefield 大学的工具箱，源代码可以看到。。求一份多目标优化的遗传算法matlab算法代码？查看问题描述 ？ 2 知乎用户 。
Matlab中用遗传算法求下面这个函数的最优解的代码怎么写？ 找一个遗传算法的程序，按照[-10，10]的约束初始化种群，把源程序中的目标函数替换为你自己的程序即可
matlab，遗传算法，多目标函数求极值 如何用matlab求多目标函数求极值？实际上处理的方法和单目标是一样的，你可以这样来自定义目标函数。例如：function[z1，z2，z3]=myfun(x)z1=目标函数表达式 1 z2=目标函数。
遗传算法优化概率神经网络的matlab代码 原理大概是，设置一个初始种群，种群里的个体就是平滑因子，经过遗传算法的选择、交叉、变异后，逐渐找到一个最佳的spread，即为最终结果。附件是一个GA-BP算法的程序，虽然不同，但是原理是相近的，可以参考。遗传算法的基本运算过程如下：a)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)。b)个体评价：计算群体P(t)中各个个体的适应度。c)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。d)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。e)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)。f)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。
求助大神 利用遗传算法解决非线性规划问题，最好有MATLAB代码 %无聊到专门帮你写了个程序。不想全部写完，自己补完。PS：这题怎么看都是线性规划利用遗传算法计算最优化问题%遗传算法参数设置popsize=200；种群个数generation=500；种群迭代次数，繁殖后代数pc=0.4；两个体之间交叉概率pm=0.05；个体变异的概率yueshu=0；约束成立的标志为1初始化群体for i=1：popsizewhile(yuesu=0)%当约束成立时，不再变异。约束不成立时变异。x(i，1)=randint(1，1，[0，35])；随机生成（0-35）的整数x(i，2)=randint(1，1，[0，60])；x(i，3)=randint(1，1，[0，40])；x(i，4)=randint(1，1，[0，40])；x(i，5)=randint(1，1，[0，30])；x(i，6)=randint(1，1，[0，30])；x(i，7)=randint(1，1，[0，35])；x(i，8)=randint(1，1，[0，20])；这里自己写几行程序就好if这里判断约束条件，若符合，yueshu=1；endendendfor n=1：generation计算适应度[row col]=size(x)；for i=1：rowfitness(i)=(x(i，1)+x(i，2)+x(i，3)+x(i，5)+x(i，6)+x(i，7)+x(i，8))/20；end轮盘赌选择zong=sum(fitness)；xt=x；for i=1：rowtemp=rand(1)；for j=1：rowif temp(j)/zongbreak；endendx(i，：)=xt(j，：)；end两个个体交叉变异x2=x；[row col]=size(x)；for i=1：2：rowtemp=rand(1)；if temp这里还要。
