1回答
我有一个控制系统的simulink模型，其中输出不断地与设定值进行比较，并将误差设置到控制器。我使用一个matlab文件来调用这个模型并发出干扰。我想在误差的基础上优化一个影响控制器增益值的参数(即减少误差)。如何使用GA调用此simulink文件并在每次迭代中设置参数。我得到了这个链接的帮助："https://in.mathworks.com/matlabcentral/answer
浏览 196提问于2019-05-02得票数 0
在matalb中，我使用ga实现遗传算法。在典型的对ga的调用中，如x = ga(nvars,@fitnessfunc)，返回时会在终端上给出消息，指定终止遗传算法的原因。一个典型的信息是：我想关掉这条信息。我看了文件，但什么也没找到。
有什么想法吗？
浏览 5提问于2014-05-30得票数 0
回答已采纳
2回答
但当涉及到遗传算法时，我不认为它们是机器学习。对我来说，这些算法只是优化特定问题的一种方式。如果环境发生变化(状态)，基于预先计算的遗传算法的求解将是无用的。你必须再运行一次。所以问题是，遗传算法是一种机器学习方法吗？
所有的回复将不胜感激。谢谢。
浏览 2提问于2020-07-27得票数 0
1回答
我找不出以下问题:如果可以的话，我想马上给你举个例子但是等等。我们可以做得更多。我的问题是：我疯狂地搜索，但找不到任何好的方法(我不是说任何低参数优化)。到目前为止我发现的最好的方法是遗传算法.示例和
或者--一种蛮力方法--用大量可能的输入向量计算一个
浏览 0提问于2018-09-27得票数 0
回答已采纳
1回答
我正在寻找一个测试套件优化使用遗传算法(GA)。有多篇IEEE研究论文提出了这一点，但我需要帮助实现同样的(使用python)。
对于测试用例优化(选择最佳测试用例)，我使用。
浏览 1提问于2018-03-27得票数 1
我最近开始学习启发式优化方法，并开始使用遗传算法。我已经理解了遗传算法背后的算法。我遇到了两种类型的遗传算法，即二进制编码遗传算法和实值遗传算法。在任何地方，当我寻找GA的解释和步骤时，我只看到二进制编码的GA。但是当我寻找GA和优化库和包时，变异和交叉似乎是真正有价值的方法。这些方法中哪一种在广泛使用和实际应用中得到了应用？
浏览 3提问于2022-08-21得票数 0
2回答
我尝试使用以下代码-多任务模型来构建神经网络模型x = Dense(300, activation='relu')(inp) loss_weights={'reg':0.5, 'class':0.5})
现在我想用遗传算法来<em
浏览 0提问于2020-05-05得票数 0
1回答
我想优化三个参数(伽马，成本和epsilon)在eps回归(SVR)使用GA在R。所以，我想用遗传算法来优化这些参数。GA <- ga(type = "real-valued", fitness = rmse, popSize= 50, maxiter = 100)
在这里，我使用RMSE作为
浏览 1提问于2015-08-15得票数 8
回答已采纳
作为一个快速的问题，遗传算法被用来做什么？我在其他地方读到，它们应该被用作优化算法(类似于我们使用梯度下降来优化最优参数的方法，用线性回归，神经网络.)。如果是这样的话，为什么这些气体在机器学习中没有那么多的存在(或者至少我在文献中没有看到太多)？
浏览 0提问于2019-10-28得票数 6
回答已采纳
脚本本身就是一个优化过程，我想使用遗传算法来找到优化过程中的最佳输入参数(M和OPratio)。M位于0 and 10^7之间，OPratio介于0 and 1之间。该脚本的功能是：为遗传算法设置：LBboundoptions.Init
浏览 4提问于2016-05-17得票数 0
回答已采纳
1回答
我有一个问题，我想解决使用遗传算法(GA)。您可以将其简化为以下问题：
也许以某种方式实现了允许可变长度染色体的遗传算法，并在一次运行中解决了这个问题(如果可能的话不确定
浏览 3提问于2016-12-04得票数 0
回答已采纳
3回答
使用遗传算法进行校准，但为了避免遗传算法收敛于局部最优值，我希望使用人工神经网络来找到全局最优值。安，该怎么做呢？谢谢。
浏览 0提问于2011-07-09得票数 2
3回答
许多人建议根据测试数据集中的性能选择超参数。我的问题是:为什么？为什么不在列车数据集中最大限度地提高超参数的性能，当我们通过测试数据集中的性能下降检测到过度拟合时，停止对超参数的训练？我不使用测试数据集进行培训。我正在使用GA来优化超参数。在外部遗传算法训练过程的每次迭代中，遗传算法选择一个新的超参数集，对列车数据集进行训练，并对验证和测试数据集进行评估。遗传算法
浏览 1提问于2016-07-05得票数 5
回答已采纳
1回答
我想使用Matlab的优化工具箱，它为遗传算法提供了一个工具。(Score= alpha*(\sum(Li)^(1/alpha) +Beta*(\sum(Ri)^(1/Beta)，它计算一个分数，其中L和R是我之前计算的值的向量，alpha和beta是我希望通过GA优化的参数。我们可以通过以下方式形式化这个约束：“||score - ground_truth_score||_2^{2}=0”
因此，对于每个\sum(L[i])和\sum(R[i])，Alpha和Bet
浏览 0提问于2015-11-11得票数 0
1回答
我以如下方式调用了Matlab的遗传算法求解器ga：其中θ是一个26×1列向量，需要优化。所以在主要功能中，它是这样的：clearload ('abcd.mat')LB=[26-by-1 row vector但是当我运行它时，它总是说：
使用smm
浏览 3提问于2015-10-13得票数 0
回答已采纳
然后，我使用解释函数块在Simulink中调用此函数。程序起作用了，但它花了太多的时间(大约2天)才得到结果。我想要加速我的控制器，那么如何在Simulink中加速解释函数？注意:我没有使用模糊逻辑工具箱，因为我想优化模糊隶属度参数。
浏览 18提问于2021-11-14得票数 0
2回答
我使用Python包"deap“来用遗传算法解决一些多目标优化问题。这些功能可能相当昂贵，而且由于遗传算法的进化特性，它很快就会复合起来。现在，这个包确实提供了一些支持，允许使用多进程并行化进化计算。
但是，我想更进一步，多次运行优化，在一些优化参数上使用不同的值。例如，我可能想用不同的权重值来解决优化问题。这似乎是循环的一个很自然的例子，但问题是，这些参数必须在程序的全局范围(即“主”函
浏览 8提问于2014-10-20得票数 1
我在R中使用GA包(使用遗传算法进行优化的R包)，需要优化适应度函数F( x1，x2，A_dataframe，b_const)，其中x1-用于优化的变量，min=0，max=1。x2 -用于优化的变量，min=2，max=3。A_dataframe -一个数据帧，它不是优化变量，而是适应度函数计算所需的已知数据帧。b_const -一个常量变量，它也不是用于优化的，但已知是适应度函数计算所需的变量。所以健身funct
浏览 13提问于2017-08-28得票数 4
回答已采纳
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
腾讯云开发者
