智能算法MATLAB30程序及分析【参考】.docxVIP

智能算法MATLAB 30程序及分析 第 1 章 1、案例背景 遗传算法（Genetic Algorithm，GA）是一种进化算法，其基本原理是仿效生物界中的“物竞天择、适者生存”的演化法则。遗传算法的做法是把问题参数编码为染色体，再利用迭代的方式进行选择、交叉以及变异等运算来交换种群中染色体的信息，最终生成符合优化目标的染色体。 在遗传算法中，染色体对应的是数据或数组，通常是由一维的串结构数据来表示，串上各个位置对应基因的取值。基因组成的串就是染色体，或者叫基因型个体( Individuals)?。一定数量的个体组成了群体（Population)。群体中个体的数目称为群体大小（Population Size），也叫群体规模。而各个个体对环境的适应程度叫做适应度( Fitness)?。 2、案例目录： 1.1?理论基础 1.1.1?遗传算法概述 1.?编码 2.?初始群体的生成 3.?适应度评估 4.?选择 5.?交叉 6.?变异 1.1.2?设菲尔德遗传算法工具箱 1.?工具箱简介 2.?工具箱添加 1.2?案例背景 1.2.1?问题描述 1.?简单一元函数优化 2.?多元函数优化 1.2.2?解决思路及步骤 1.3 MATLAB程序实现 1.3.1?工具箱结构 1.3.2?遗传算法中常用函数 1.?创建种群函数—crtbp 2.?适应度计算函数—ranking 3.?选择函