1、遗传算法是非常好的非线性搜索算法，是一种全局寻优的近似方法
2、遗传算法的步骤：
1）将问题的解写成编码的形式，随机产生第一代种群。
2）选择：选择一些染色体来产生下一代。根据适应度F(i)以比例选择算法从种群中选出2个个体。
3）对选出的2个个体按交叉概率执行交叉操作，再按变异概率执行变异操作
4）重插入：将处理后的2个个体加入新的种群。
3、工具箱
这里运用的工具箱是GATBX遗传算法工具箱
1）创建随机的初始种群
Chrom=crtbp(Nind, Lind)
Nind种群个体数目，Lind是个体编码的长度；Chrom是Nind*Lind的矩阵
2）选择
适应度值Fitnv=rank(Objv)
根据目标函数值分配适应度值，注意该函数是从最小值方向分配的。
Selch=select(\'method\', chrom, Fitnv, GGap)
method：选择的方法，sus（遍历随机抽样）/rws（轮盘赌）
GGAp：代沟，衡量每一代被选择发生变化的程度
3）交叉
Selch=recombin(\'method\', oldchrom, XoVR)
method：交叉的方法，xovsp（单点交叉）/ xovdp（两点交叉）/ xovsh（洗牌交叉）
XoVR：交叉概率
4）变异
Selch=mut(oldchrom)
一般用mut完成二进制和整数的变异操作
5）重插入
[Chrom ObjV]=reins(Chrom, SelCh, Subpop, Insopt, ObjVch, ObjVSel)
Subpop:指明Chorm中子种群的个数
Insopt:指明子代代替父代的方法，0代表均匀随机选择，1代表适应度选择
4、举例（此处将不断更新）
example1:
简单一元函数优化实例，利用遗传算法计算下面函数的最大值：
f(x)=xsin(10pi*x)+2 -1=<x<=2
选择二进制编码，种群中个体数目为40，每个种群的长度为20，使用代沟为0.9，最大遗传代数为25
译码矩阵结构：FieldD=[len; lb; ub; code; scale; lbin; ubin]
译码矩阵说明：
len – 包含在Chrom中的每个子串的长度，注意sum(len)=length(Chrom)；
lb、ub – 行向量，分别指明每个变量使用的上界和下界；
code – 二进制行向量，指明子串是怎样编码的，code(i)=1为标准二进制编码，code(i)=0则为格雷编码；
scale – 二进制行向量，指明每个子串是否使用对数或算术刻度，scale(i)=0为算术刻度，scale(i)=1则为对数刻度；
lbin、ubin – 二进制行向量，指明表示范围中是否包含每个边界，选择lbin=0或ubin=0，表示从范围中去掉边界；lbin=1或ubin=1则表示范围中包含边界；
Solution
1 figure(1); 2 fplot(\'variable.*sin(10*pi*variable)+2.0\',[-1,2]); %画出函数曲线 3 %定义遗传算法参数 4 NIND=40; %个体数目(Number of individuals) 5 MAXGEN=25; %最大遗传代数(Maximum number of generations) 6 PRECI=20; %变量的二进制位数(Precision of variables) 7 GGAP=0.9; %代沟(Generation gap) 8 trace=zeros(2, MAXGEN); %寻优结果的初始值 9 FieldD=[20;-1;2;1;0;1;1]; %区域描述器(Build field descriptor) 10 Chrom=crtbp(NIND, PRECI); %初始种群 11 gen=0; %代计数器 12 variable=bs2rv(Chrom, FieldD); %计算初始种群的十进制转换 13 ObjV=variable.*sin(10*pi*variable)+2.0; %计算目标函数值 14 while gen<MAXGEN 15 FitnV=ranking(-ObjV); %分配适应度值(Assign fitness values) 16 SelCh=select(\'sus\', Chrom, FitnV, GGAP); %选择 17 SelCh=recombin(\'xovsp\', SelCh, 0.7); %重组 18 SelCh=mut(SelCh); %变异 19 variable=bs2rv(SelCh, FieldD); %子代个体的十进制转换 20 ObjVSel=variable.*sin(10*pi*variable)+2.0; %计算子代的目标函数值 21 [Chrom ObjV]=reins(Chrom, SelCh, 1, 1, ObjV, ObjVSel); %重插入子代的新种群 22 variable=bs2rv(Chrom, FieldD); 23 gen=gen+1; %代计数器增加 24 %输出最优解及其序号，并在目标函数图像中标出，Y为最优解,I为种群的序号 25 [Y, I]=max(ObjV);hold on; 26 plot(variable(I), Y, \'bo\'); 27 trace(1, gen)=max(ObjV); %遗传算法性能跟踪 28 trace(2, gen)=sum(ObjV)/length(ObjV); 29 end 30 variable=bs2rv(Chrom, FieldD); %最优个体的十进制转换 31 hold on, grid; 32 plot(variable,ObjV,\'b*\'); 33 figure(2); 34 plot(trace(1,:)); 35 hold on; 36 plot(trace(2,:),\'-.\');grid 37 legend(\'解的变化\',\'种群均值的变化\')