遗传算法中的交叉

遗传算法的"Arithmetical Crossover"（算术交叉）。

function [C1, C2] = arithXover(P1, P2, ~, ~)   %交叉
%%  Arith 交叉采用两个父节点 P1、P2 并沿两个父节点形成的线执行插值。
% P1      - the first parent ( [solution string function value] )
% P2      - the second parent ( [solution string function value] )
% bounds  - the bounds matrix for the solution space
% Ops     - Options matrix for arith crossover [gen #ArithXovers]

%%  选择一个随机的混合量
a = rand;

%%  创建子代
C1 = P1 * a + P2 * (1 - a);
C2 = P1 * (1 - a) + P2 * a;

算术交叉是遗传算法中的一种交叉操作，用于从两个父代（P1和P2）中产生两个子代（C1和C2）。

1. 随机混合量的选择：代码通过rand函数生成一个随机数a，这个随机数范围在[0,1]之间。这个随机数将决定如何混合两个父代来生成子代。

2. 子代的生成：

   1. C1：子代C1的生成通过以下公式实现：C1 = P1 * a + P2 * (1 - a)。这表示C1是P1和P2的加权平均，其中权重由a和(1-a)决定。
   2. C2：子代C2的生成类似于C1，但是权重相反：C2 = P1 * (1 - a) + P2 * a。这表示C2是P1和P2的加权平均，但是权重相反。

通过这种方法，算术交叉操作将两个父代的信息进行混合，并生成两个子代。这有助于增加多样性，引入新的解决方案，以及加速遗传算法的进化过程。在遗传算法的迭代过程中，这个操作会被应用于一组父代中，以生成一组子代，然后子代将与其他操作（如选择、变异等）结合在一起，以产生下一代的父代。