遗传算法及程序

遗传算法是基于自然选择和自然遗传机制的一种随机搜索算法。遗传算法与传统的搜索算法不同，具有如下特点：
①遗传算法不是对变量直接操作，而是对其编码进行操作：
② 它是从一组点出发进行搜索，而不是从单个点开始；
③ 它不需要导数等信息；
④它是一种随机搜索算法。
    遗传算法的主要操作有：复制、交叉、变异。复制体现了“适者生存，不适者淘汰”的自然选择机制。交叉操作使得后代能够继承父代的优良特性。变异操作在增加种群多样性方面具有重要作用。
    遗传算法的应用过程主要包括：编码、构造初始种群、设计适应度函数、确定遗传算法结构、选择遗传算子、确定遗传算法的控制参数.
下面是Matlab遗传算法工具箱函数的说明和实例说明:
核心函数：  
(1)function [pop]=initializega(num,bounds,eevalFN,eevalOps,options)-- 初始种群的生成函数  
【输出参数】  
 pop-- 生成的初始种群  
【输入参数】  
 num-- 种群中的个体数目  
 bounds-- 代表变量的上下界的矩阵  
 eevalFN-- 适应度函数  
 eevalOps-- 传递给适应度函数的参数  
 options-- 选择编码形式 ( 浮点编码或是二进制编码 )[precision F_or_B], 如  
    precision-- 变量进行二进制编码时指定的精度  
    F_or_B-- 为 1 时选择浮点编码，否则为二进制编码 , 由 precision 指定精度 ) 

(2)function [x,endPop,bPop,traceInfo] = ga(bounds,evalFN,evalOps,startPop,opts,... 
         termFN,termOp