基本遗传算法（SGA）的MATLAB实现

• 用两个测试用例，直观地阐述基本遗传算法的原理，具体原理参考：http://blog.csdn.net/begtostudy/article/details/4136492

• 对于上述课件（讲得很透彻，适合对遗传算法的入门）中提出的一个问题进行了实现，并通过MATLAB作图直接观察到算法搜索的过程。闲言少叙，Show me the Code！

% Date：2015年6月1日 14:01:35

% Author：heartsuit

% Function：基本遗传算法(Simple Genetic Algorithm, SGA)的实现

% 用于求解一元函数在某个区间内的最值，并作图反映寻优过程；

% Description：编写该程序的目的主要是了解SGA的基本原理以及整体流程

% 通过解决两个小问题，更直观深刻地理解SGA；

% Instruction：若需要添加新的问题，只需在评估函数：

% function evaluateValue = f(x)

% 添加目标函数表达式即可；

% GeneticAlgo(encodingBits, left, right)输入参数：

% encodingBits：编码位数；根据实际问题确定

% left:左区间端点

% right:右区间端点

% Note：

% numbleOfSample：样本个数；建议范围：20~100

% maxIteration：最大迭代次数；建议范围：100~500

% 对于测试的两个问题可以采用以下方式调用函数：

% Q1: GeneticAlgo(8, -2, 3)

% Q2: GeneticAlgo(22, -1, 2)

function GeneticAlgo(encodingBits, left, right)

% 设置默认值（可以改动）

numbleOfSample = 50; % 默认样本数为50

maxIteration = 100; % 默认最大迭代次数为100；

mutationProbability = 0.007; % 变异概率：建议范围：0.001~0.01

iteration = 1; % 迭代次数初始化

currentIndividual = -1;

bestIndividual = zeros(maxIteration, 1); % 用以保存每次找到的最佳样本值

% 二进制编码（表现型->基因型）

sample = randi(2, numbleOfSample, encodingBits) - 1; % 初始化种群

figure(1);

while (iteration < maxIteration) % 遗传迭代

% 计算评估值

[evaluateValue, evaluateX, evaluateIndividual] = evaluate(sample, left, right, encodingBits);

if (evaluateIndividual > currentIndividual)

currentX = evaluateX; % 更新最佳个体的横坐标

currentIndividual = evaluateIndividual; % 更新最佳个体

end;

bestIndividual(iteration) = currentIndividual; % 保存当前最佳个体

plot(bestIndividual(1:iteration)); grid on; pause(0.1);

sample = select(sample, evaluateValue); % 选择

sample = cross(sample, encodingBits); % 交叉

sample = mutate(sample, mutationProbability); % 变异

iteration = iteration + 1;

end;

% 输出

disp(currentIndividual); disp(iteration); disp(currentX);

% 变异（基本位变异）

function sampleGenetic = mutate(sample, mutationProbability)

[numbleOfSample, encodingBits] = size(sample);

sampleGenetic = sample;

for kn = 1:numbleOfSample,

for km = 1:encodingBits

r = rand(1);

if (r < mutationProbability)

sampleGenetic(kn, km) = double(~ sampleGenetic(kn, km));

end;

end;

end;

% 交叉（单点交叉）

function sampleGenetic = cross(sample, encodingBits)

numbleOfSample = size(sample, 1); sampleGenetic = sample;

M2 = floor(numbleOfSample/2);

for k = 1:M2

r1 = randi(numbleOfSample, 1);

r2 = randi(numbleOfSample, 1);

Y1 = sample(r1, 😃;

Y2 = sample(r2, 😃;

% 交叉概率建议范围：0.4~0.9

r = randi(encodingBits-1, 1); % 随机生成交叉位置

Y11 = [Y1(1:r), Y2((r+1):encodingBits)];

Y21 = [Y2(1:r), Y1((r+1):encodingBits)];

sampleGenetic(r1, 😃 = Y11; sampleGenetic(r2, 😃 = Y21;

end;

% 选择（轮盘赌）

function sampleGenetic = select(sample, evaluateValue)

numbleOfSample = size(sample, 1);

evaluateValue = cumsum(evaluateValue);

sampleGenetic = zeros(size(sample));

for k = 1:numbleOfSample

r = rand(1);

I = 1;

for kr = 2:numbleOfSample

if ((r<evaluateValue(kr)) && (r>=evaluateValue(kr-1)))

I = kr;

break;

end;

end;

sampleGenetic(k, 😃 = sample(I, 😃;

end;

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Java工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Java开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Java开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！

如果你觉得这些内容对你有帮助，可以扫码获取！！（备注Java获取）

最后

我想问下大家当初选择做程序员的初衷是什么？有思考过这个问题吗？高薪？热爱？

既然入了这行就应该知道，这个行业是靠本事吃饭的，你想要拿高薪没有问题，请好好磨练自己的技术，不要抱怨。有的人通过培训可以让自己成长，有些人可以通过自律强大的自学能力成长，如果你两者都不占，还怎么拿高薪？

架构师是很多程序员的职业目标，一个好的架构师是不愁所谓的35岁高龄门槛的，到了那个时候，照样大把的企业挖他。为什么很多人想进阿里巴巴，无非不是福利待遇好以及优质的人脉资源，这对个人职业发展是有非常大帮助的。

如果你也想成为一名好的架构师，那或许这份Java核心架构笔记你需要阅读阅读，希望能够对你的职业发展有所帮助。

中高级开发必知必会：

《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！
想成为一名好的架构师，那或许这份Java核心架构笔记你需要阅读阅读，希望能够对你的职业发展有所帮助。

中高级开发必知必会：

[外链图片转存中…(img-DLcbvmUO-1713613846836)]

《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！