简单的遗传算法实例（MATLAB版）

遗传算法模拟自然界生物进化过程，依据生存竞争、强者胜出的原则，在寻优时保留有益的基因并淘汰无用的基因kaiyun官方网站登录入口，最终目标是在众多方案中筛选出最契合特定条件的方案，并确定最优解。

基因工程就是模仿生命体基因传递的模拟方式。在遗传计算中，将数据编码形成初始种群之后，基因计算的作用就是针对种群中的各个体，依据它们对环境的适应程度（进行适应度评价）进行特定处理开元棋官方正版下载，以此达成优存劣汰的演变过程。从寻求最佳方案的角度来看，基因计算能让问题的答案开yun体育app官网网页登录入口，在代代相传中不断改进，并趋向于最佳方案。基因计算流程示意图见图示。

遗传算法运用三项核心机制：挑选、组合、改动。各项机制的实施都带有偶然性。因此，群体内个体向理想状态靠拢的路径是随机的。必须指出，这种偶然性处理与传统随机探寻方式不同，前者实施的是高效定向的探寻，后者则进行无目标性的搜寻。

详细讲解部分：略

直接上程序设计吧

求解问题：

求下列函数的最大值

,其中

1.初试化种群

%初始化
函数 pop 被赋值为 initpop 的结果,其中 popsize 是参数,chromlength 也是参数
种群规模乘以基因长度取整等于个体编码长度
一个矩阵被随机生成，其元素取值于集合{0,1}，该矩阵的行数等于种群规模，列数等于基因长度
    %round对矩阵每一个单元进行园整，这样产生初试种群。
end

initpop.m函数实现种群的初试化

popsize表示种群的大小

染色体的长度由二进制数编码的位数决定，这个长度就是chromlength的值。

2.目标函数值

2.1 二进制数转化为十进制数

...待续，下次再更...