基于CEC2014函数集，GA遗传算法的性能得到了tube测试的评估。

简介：
matlab减影代码GA-CEC2014-Test任务安排：请仔细阅读pdf书籍的第26页至第33页，并结合其中提供的例题，深入理解二进制编码遗传算法的工作原理；随后，需要对二进制编码的遗传算法进行实际的实现；同时，也需要对以下问题进行思考并给出解答：（1）遗传算法究竟是什么？其最初的起源又是什么？（2）遗传算法是如何运作的？（3）最早提出遗传算法的科学家是谁？遗传算法的发展脉络又是怎样的？（4）在发展过程中，有哪些具有代表性的人物和著作值得我们了解和掌握？此外，还需要进一步学习和掌握实数编码的遗传算法，并思考实数编码与二进制编码之间的差异以及各自的优势；接下来，需要实现实数编码的遗传算法。基于已实现的实数编码GA算法，在CEC2014benchmark数据集上评估GA算法的表现。主要针对单峰优化问题F1、F3；多峰优化问题F8、F12；混合优化问题F18、F20以及复合优化问题F25、F30这8个函数进行性能测试。请务必参考所提供的英文文档，以获取所有测试函数的公式和详细定义。最后，基于以上8个函数，系统地分析不同参数对算法性能的影响：例如，GA中的population size、变异概率以及交叉概率等参数如何影响最终结果。由于不同类型的优化问题可能对参数的影响有所不同，因此需要进行分类分析。具体而言，交叉概率从0.9开始，以0.1为步长递减至0.1。