基本遗传算法应用实例。用基本遗传算法求下面函数的最大值 个体数目取 50，最大进化代数取 100，离散精度取 0.001，杂交概率取 0.9，变异概率取 0.0041、 在 editor 中建立基本遗传算法函数：GA程序如下：function[xv,fv]=GA(fitness,a,b,NP,NG,pc,pm,eps)%待优化的目标函数:fitness%自变量下界:a%自变量上界:b%种群个体数:NP%最大进化代数:NG%杂交概率:pc%自变量概率:pm%自变量离散精度:eps%目标函数取最小值时的自变量值：xm%目标函数的最小值:fvL=ceil(log2((b-a)/eps+1)); %根据离散精度，确定二进制编码需要的码长x=zeros(NP,L);for i=1:NP x(i,:)=Initial(L);%种群初始化 fx(i)=fitness(Dec(a,b,x(i,:),L)); %个体适应值endfor k=1:NG sumfx=sum(fx); %所有个体适应值之和 px=fx/sumfx; %所有个体适应值的平均值 ppx=0; ppx(1)=px(1); for i=2:NP %用于轮盘赌策略的累加 ppx(i)=ppx(i-1)+px(i); end for i=1:NP sita=rand(); for n=1:NP if sita<=ppx(n) SelFather=n; %根据轮盘赌策略确定的父亲 break; end end Selmother=floor(rand()*(NP-1))+1; %随机选择母亲 posCut=floor(rand()*(L-2))+1; %随机选择交叉点 r1=rand(); if r1<=pc %交叉 nx(i,1:posCut)=x(SelFather,1:posCut); nx(i,(posCut+1):L)=x(Selmother,(posCut+1):L); r2=rand(); if r2<=pm %变异 posMut=round(rand()*(L-1)+1); nx(i,posMut)=~nx(i,posMut); end else nx(i,:)=x(SelFather,:); end end x=nx; for i=1:NP fx(i)=fitness(Dec(a,b,x(i,:),L));%子代适应值 endendfv=-inf;for i=1:NP fitx=fitness(Dec(a,b,x(i,:),L)); if fitx>fv fv=fitx; %取个体中的最好值作为最终结果 xv=Dec(a,b,x(i,:),L); end end function result=Initial(length) %初始化函数 for i=1:length r=rand(); result(i)=round(r); end function y=Dec(a,b,x,L) %二进制编码转换为十进制编码 base=2.^((L-1):-1:0); y=dot(base,x); y=a+y*(b-a)/(2^L-1); %[xv,fv]=GA(@fitness,0,30,50,100,0.9,0.04,0.01)2、建立目标函数文件 fitness.m 文件：function F=fitness(x) F=x^3-60*x^2+900*x+100;3、在命令窗口输入：[xv,fv]=GA(@fitness,0,30,100,500,0.9,0.04,0.01)4、结果（结果不唯一）xv =10fv =4100
