遗传算法求解高维函数（含MATLAB代码）

• 文前推广

《遗传算法求解高维函数》
—— （若文首CSDN链接失效）本文所用MATLAB代码已整理至公众号中。
需要的关注公众号“猫和真人”，回复“2”即可获得资源包，有条件的支持一下哈！

• 正文

本文代码出自网络上一位大神，年久失源，若代码原作者申明版权，请联系我进行删除！

高维函数属于NP问题，目前无标准方程可解。
用于求解“非劣解”逼近“最优解”的办法有很多，现在介绍“群智能算法”求解“高维函数”：

• 示例算法：遗传算法
• 待优化函数：f(x)=10sin(5x)+7*abs(x-5)+10）

【暂时先放MATLAB主程序代码，具体的算法分析会慢慢补充。
【需要MATLAB完整代码的去文章顶部的链接里面拿。

function genetic_algorithm_main()
clear;
clc;
popsize=100;%种群大小
chromlength=10;%（染色体长度）二进制编码长度
pc = 0.6;%交叉概率
pm = 0.001;%变异概率
pop = initpop(popsize,chromlength);%初始化种群

for i = 1:100
    %计算适应度值（函数值）
    %函数“cal_objvalue里面就存着需要解的高维函数:objvalue=10*sin(5*x)+7*abs(x-5)+10;”
    objvalue = cal_objvalue(pop);%得到目标函数值objvalue
    fitvalue = objvalue;
    
    newpop = selection(pop,fitvalue);%选择操作
    newpop = crossover(newpop,pc);%交叉操作
    newpop = mutation(newpop,pm);%变异操作
    pop = newpop;%更新种群
    
    %寻找最优解，找到适应度最大的个体->
    [bestindividual,bestfit] = best(pop,fitvalue);
    x2 = binary2decimal(bestindividual);%最佳个体
    y2 = cal_objvalue(bestindividual);%最佳个体目标函数值
    x1 = binary2decimal(newpop);%种群
    y1 = cal_objvalue(newpop);%种群的目标函数值
    if mod(i,10) == 0 %mod函数求i除以10的余数
    
    	%if i/10==1 %测试用，测试迭代次数为10时的值
        figure;%创建一个图形窗口
        %在指定范围内绘制函数图像->
        %fplot('10.*sin(5*x)+7.*abs(x-5)+10',[0 <