遗传算法1、案例背景遗传算法（Genetic Algorithm，GA)是一种进化算法，其基本原理是仿效生物界中的“物竞天择、适者生存"的演化法则
遗传算法的做法是把问题参数编码为染色体，再利用迭代的方式进行选择、交叉以及变异等运算来交换种群中染色体的信息，最终生成符合优化目标的染色体
在遗传算法中，染色体对应的是数据或数组，通常是由一维的串结构数据来表示,串上各个位置对应基因的取值
基因组成的串就是染色体,或者叫基因型个体（ Individuals)
一定数量的个体组成了群体（Population）
群体中个体的数目称为群体大小（Population Size），也叫群体规模
而各个个体对环境的适应程度叫做适应度( Fitness）
2、遗传算法中常用函数1)创建种群函数—crtbp2)适应度计算函数—ranking3)选择函数—select4)交叉算子函数-recombin5)变异算子函数-mut6)选择函数—reins7)有用函数—bs2rv8)有用函数-rep3、主程序：1
简单一元函数优化：clcclear allclose all%％ 画出函数图figure(1）；hold on；lb=1;ub=2； %函数自变量范围【1,2】ezplot（’sin（10＊pi＊X)/X',[lb,ub］）; ％画出函数曲线xlabel(’自变量/X')ylabel(’函数值/Y’)％% 定义遗传算法参数NIND=40; ％个体数目MAXGEN=20; ％最大遗传代数PRECI=20; %变量的二进制位数GGAP=0
95; %代沟px=0
7； %交叉概率pm=0
01； ％变异概率trace=zeros（2,MAXGEN)； %寻优结果的初始值FieldD=［PRECI;lb；ub;1；0;1；1］； ％区域描述器Chrom=crtbp（NIND,
