這些日子一直在學習遺傳演算法，在csdn上看了好多關於遺傳演算法的例子，但是找不到乙個符合自己的例子。
自己的需求：有四個變數，尋求最優化的結果。
跟那些用二元函式舉例的不同。
首先介紹下，
1. 遺傳演算法的流程：
假設有100個個體，計算每個個體的適應度（即效能），通過輪盤演算法，選擇100個個體，這100個不是前面的100個，而是根據適應度從新選擇的，適應度高的一般多選，適應度低的一般淘汰掉，總數為100個，然後這100個就可以進行遺傳操作，一般順序是交叉、變異，然後形成的新種群就是下一代了。這就是一次迴圈，然後設定迴圈n次，就可以了。這裡的適應度是根據自己的問題來設定的，一般是取最大值。
2. 注意的問題
我介紹的遺傳演算法matlab程式是多個變數、二進位制的。
3. 細節介紹
其實交叉、變異的程式都大同小異，對於單個變數和多個變數的區別在於設定的pop。如果你是多個變數，每個變數設定20位二進位制來表示，那麼你pop就要設定的列數為變數數乘以20，行數是個體的數目。這是第乙個理解的地方。
接下來就是計算適應度的程式了。這裡假設變數數為4個，個體數為50個，故pop是乙個【50,4*20】的陣列大小。這裡是二進位制哈，你要計算的話，得轉化為十進位制，所以需要乙個binary2decimal()函式，用法如下：
x1 = binary2decimal(pop(i,1:20));
x2 = binary2decimal(pop(i,21:40));
x3 = binary2decimal(pop(i,41:60));
x4 = binary2decimal(pop(i,61:80));
這裡的i是代表每個個體。那麼久通過上面的函式得到四個變數了，帶入自己模型所對應的函式計算，可以得到每個個體的適應度。
然後就是選擇函式，交叉函式，變異函式。
最後將新的種群賦值給pop，再次迴圈，知道迴圈次數結束。
遺傳演算法的matlab實現
遺傳演算法是一種全域性最優化演算法，是運用了演化論優勝劣汰原理的隨機化搜尋方法。前些日子，在進行畢業設計的相關研究中，我接觸到了遺傳演算法，用其對乙個五元非線性函式進行最優化搜尋。平台使用的是matlab，主要使用的是謝菲爾德大學的matlab遺傳演算法工具箱。具體程式如下 clc clear al...
遺傳演算法（GA）的matlab實現
一 task 二 實現過程 1.編碼與解碼 編碼 在編碼之前需要確定求解的精度，設定求解的精度為小數點後六位，即10 6。這樣可以將每個自變數x的解空間劃分為 1 0 10 6 1000000個等分。使n滿足 1 0 10 6 2 n 1，這裡n表示使上式成立的最小整數，即表示自變數x的基因串的長度...
遺傳演算法及matlab簡單實現
遺傳演算法的實現 遺傳演算法的一次迭代稱為一代，每一代都有一組解。新的一組解不但可以有選擇的保留一些適度值高的舊的解，而且可以包括一些由其它解結合得到的新解。最初的一組解 初始群體 是隨機生成的，之後的每組解由遺傳操作生成。每個解都通過乙個與目標函式相關的適應度函式給予評價，通過遺傳過程不斷重複，達...