在matlab中利用遗传算法（GA）求取函数全局最大值

首先回顾一下算法流程


(b)方法在(a)的基础上，选择保留一部分父代个体，防止优秀基因的丢失，我在这里使用的是经典遗传算法，在下面这种简单的二次函数方面效果不错

clc;
clear;
%设置起始计时器
tic;
%定义群体个数num（设为偶数），定义自变量数n，定义自变量取值范围[1,top],
num=160;n=4;top=12;
%定义用来储存目标结果的向量
F_result=zeros(1,num);
%定义种群最大值，平均值
F_max=[];F_mean=[];F_min=[];
%随机生成num个个体，即生成初始种群
for i=1:num
    for j=1:n
        X{i}(j)=unidrnd(top);
    end
    F_result(i)=f(X{i});     %请先自定义f函数
end
i=1;
%选择使函数f较大的前一半个体随机组合，随机交换基因，产生下一代，直到群体数复原
while(1)
    %取群体最大值，平均值，最小值作为观察对象
    F_max(i)=max(F_result);F_mean(i)=mean(F_result);F_min(i)=min(F_result);
    if (F_max(i)==F_mean(i))
        break;
    end
    %选择前一半表现优秀的个体杂交产生下一代
    F_tem=F_result;   %临时存储F的结果用于排序
    [result,coo]=sort(F_tem);
    t=unidrnd(num/2); %基因交换循环过程中发生变异的某时刻
    for j=1:num/2    %基因交换循环过程，子代将完全取代老一代
        a=unidrnd(num/2)+num/2;    %随机选择两个表现优秀的不同个体
        b=unidrnd(num/2)+num/2;
        if(a==b)
            j=j-1;
            continue;
        end
        %选择与重组
        X{coo(j)}=[X{coo(a)}(1) X{coo(a)}(2) X{coo(b)}(3) X{coo(b)}(4)];
        F_result(coo(j))=f(X{coo(j)});
        X{coo(j+num/2)}=[X{coo(b)}(1) X{coo(b)}(2) X{coo(a)}(3) X{coo(a)}(4)];
        F_result(coo(j+num/2))=f(X{coo(j+num/2)});
        %变异
        if(j==t)
            c=unidrnd(n);    %任选一位变异
            d=unidrnd(top);  %任变异成定义域内某值
            X{coo(j)}(c)=d;
            F_result(coo(j))=f(X{coo(j)});
            X{coo(j+num/2)}(c)=d;
            F_result(coo(j+num/2))=f(X{coo(j+num/2)});
        end
    end
    i=i+1;
end
plot(F_max,'r');
hold on;
plot(F_mean,'g');
hold on;
plot(F_min,'b');
toc;

下面是运行结果