遗传算法求解方程
A. 如何用matlab遗传算法求解方程最优问题
在用ga（）遗传算法函数时，除了考虑x1、x2的上、下界的限制值，还应考虑增加ymax<200的限回制条件，即
140.6+2.31x1-0.61x2-0.015x1^2+0.005x1x2<200
按此要求答修改，运行可以得到
x 1= 42.7066 ； x 2=30.0015；y=199.9999
B. 遗传算法解方程组 matlab
老铁 你这个太猛了，我确实是懵逼了，我看只有极少人能做出来吧
C. 遗传算法解非线性方程组能解准吗
如果maple数值解求解不出来，可能的情况有二。1、方程组矛盾，检查方程组列写是否错误，如果正确尝试用最小二乘法求解。2、数值解由于搜索空间太大，没法找到，尝试用启发式算法，例如遗传算法，类似你写的这些方程，可以用matlab中的遗传算法工具箱，应该也写成最小二乘的形式。
这样的问题，我没有遇到过，fsolve命令已经很强大了，如果方程组正确，fsolve求不出来，我就不知道如何处理了。
希望以上对你有帮助。
D. 目标方程和约束条件有微分方程，应该怎么用遗传算法拟合
用遗传算法ga函数是可以拟合带有目标方程和约束条件且含有微分方程的系数，其拟合原则是误差最小估计原则。
解决问题的方法：1、建立自定义目标函数；2、建立自定义约束函数；3、建立自定义微分方程函数；4、误差最小控制函数；5、利用遗传算法ga函数求解拟合系数，利用ode45函数求解微分方程；6、建立嵌套函数计算
E. 遗传算法求解超越方程，matlab程序，tanx=1/x, x∈[0，60]，需要程序代码，谢谢！
用遗传算法求解超越方程可以按下列方法来编写代码。
1、求解此问题时，首先可以将方程表内示成y=tanx-1/x的形式，当容y=0时，得到的解即为x。
该方程可以按这样来定义，func=@(x) tanx-1/x
2、由于该方程在[0，60]间有若干个解，所以可以用循环语句来得。如按遗传算法ga()函数求解超越方程，可以按下列命令来求解。
[x, fval] =ga(func,1);
y=func(x) ;
3、当abs(y)<=0.005（误差）时，显示x、y值。
按上述方法编程后运行可以得到如下x值。
F. matlab中用遗传算法拟合方程
例如：
已知数据队列 buf=【.】
x取值 1：n n是队列长度
函数 f（x）=a+b*sin(c*x+d) .
avg 是队列平均值
a b c d 为参数 a范围 （2/3,1）*avg
b范围 （0,1/3）*avg
c的范围 （0,24*pi）
d （0,2*pi）
1、首先定义目标函数
function y=ga_curfit(x)
global ydata n
t=1:n;
y=0;
for i=1:n
y=y+(ydata(i)-(x(:,1)+x(:,2).*sin(x(:,3).*t(i)+x(:,4)))).^2/n;
end
y=sqrt(y);
end
2、把数据b.txt放在工作空间目录中
然后再命令窗口中输入
clear
global ydata n
format long g
load b.txt
ydata=b';
n=length(ydata);
avg=sum(ydata)/n;
LB=[2/3*avg 0 0 0];
UB=[1*avg 1/3*avg 24*pi 2*pi];
nvars=4;
options=gaoptimset;
options=gaoptimset(options,'PopulationSize',300);
options=gaoptimset(options,'CrossoverFraction',0.8);
options=gaoptimset(options,'MigrationFraction',0.1);
options=gaoptimset(options,'Generations',500);
options = gaoptimset(options,'TolFun',1e-50);
%options = gaoptimset(options,'InitialPopulation',final_pop);
options = gaoptimset(options,'Display','final');
options = gaoptimset(options,'PopInitRange',[LB;UB]);
options = gaoptimset(options,'PlotFcns',@gaplotbestf);
options=gaoptimset(options,'Vectorize','on');%目标函数向量化
[x,fval,exitflag,output,final_pop,scores]=ga(@ga_curfit,nvars,[],[],[],[],LB,UB,[],options);
t=1:n;
plot(t,ydata,'r*');
hold on
plot(t,x(1)+x(2)*sin(x(3)*t+x(4)))
legend('数据','拟合')