基於遺傳演算法和非線性規劃的函式尋優演算法

1.非線性規劃

研究乙個n元函式在一組等式或不等式的約束條件下的極值問題，在信賴域法、稀疏擬牛頓法、平行計算、內點法和有限儲存法等領域研究。

2.非線性規劃函式

matlab中的fmincon

基本用法:x=fmincon(fun,x0,a,b,aeq,beq,lb,ub);其中，

fun是用m檔案定義的函式f(x),代表了(非)線性目標函;x0是x的初始值;

a,b,aeq,beq定義了線性約束 ,如果沒有線性約束，則a=,b=,aeq=,beq=;

lb和ub是變數x的下界和上界，如果下界和上界沒有約束，則lb=,ub=,也可以寫成lb的各分量都為 -inf,ub的各分量都為inf。

3.優缺點

經典非線性規劃演算法大多採用梯度下降的方法求解，區域性搜尋能力較強，但是全域性搜尋能力較弱。

1.簡介

適者生存」是自然界的一大規律，優勝劣汰，顧名思義，遺傳演算法可用來解決最優的問題。遺傳演算法就是乙個優勝劣汰的過程，最終選擇出最好的群體。非常適用於處理傳統搜尋演算法難以解決的複雜和非線性優化問題。目前，遺傳演算法廣泛應用於組合優化、機器學習、訊號處理、自適應控制和人工生命等領域。

2.核心思想

就是對一定數量個體組成的生物種群進行選擇、交叉、變異等遺傳操作,最終求得最優解或近似最優解。在進行遺傳操作時,幾個重要的引數為:染色體長度l,種群大小m,交叉概率pc,變異概率pm,終止代數t。

3.優缺點

全域性搜尋能力強，但是區域性搜尋能力較弱，一般只能得到問題的次優解，而不是最優解。