遗传算法进行函数参数优化的问题

使用遗传算法优化函数参数

目前遇到瓶颈，因此想请求帮助。

函数代码如下
function Ea=Ea(k)
syms t s
y=0.8sin(2t)cos(5t)-cos(0.3t)+sin(8t)+sin(t)cos(3t)-cos(6t)sin(0.2t)+0.3sin(0.5t);
Y = laplace(y);
Go=0.4(13.2s)/((5.9s+1)(0.66s+1));
Fha=s^3/((s^2+2*k(1)k(2)s+k(2)^2)(s+1));
Fla=s^2/(s^2+2k(3)k(4)s+k(4)^2);
Ea=(YFha+YFla)Go-YGo;
end

目标是使得两个函数之差也就是Ea在对应参数时最小。也就是选择合适的k1-k4

已经做好了

遗传算法从来不是用于算最优解
而是在无限的可能性里找到一种可能性而已
很多题目我们根本不确定是否有最优解
甚至不确定是否有解
而遗传算法就是通过不断的对参数进行迭代，使结果慢慢趋近于我们希望的方向
如此而已

你的代码跟优化无关吧？

https://blog.csdn.net/shunzi1013238638/article/details/107532568?spm=1005.2026.3001.5635&utm_medium=distribute.pc_relevant_ask_down.none-task-blog-2~default~OPENSEARCH~Rate-4-107532568-ask-7762932.pc_feed_download_top3ask&depth_1-utm_source=distribute.pc_relevant_ask_down.none-task-blog-2~default~OPENSEARCH~Rate-4-107532568-ask-7762932.pc_feed_download_top3ask

约束条件设置好了，运行代码自然就能学习到最优或局部最优的参数了