GA(genetic algorithm)遗传算法源代码
资 源 简 介
区别于传统算法，遗传算法以初始种群中每个个体为“染色体”开始搜索，这些染色体经过一系列的后期迭代不断进化，每一代都以“适应度”衡量其好坏，生成的下一代称为“后代”，后代由前代经过交叉、变异产生。染色体被选中的概率和其适应度高低相关，最后，算法收敛于最好的染色体。一般的遗传算法基本步骤如下：1.确定编码方案，随机生成初始种群；2.确定适应度函数，计算每个个体的适应度，判断是否符合相应准则，如果符合，则输出最优解，若不符合，则进入第3步；3.根据适应度选择再生个体，适应度越高，被选中的概率越高，适应度越低，被淘汰的可能性越大；4.交叉以产生新个体；5.变异以产生新个体6.根据第4步和第5步生成新种群，返回第2步，直到符合相应准则并输出最优个体与代表的最优解。
文 件 列 表
initpop.m
selection.m
mutation.m
calfitvalue.m
calobjvalue.m
crossover.m
