本段落介绍了一套用于MATLAB环境下的遗传算法实现代码。这套代码旨在为初学者提供一个易于理解和操作的基础框架，同时也包含了进阶功能以满足研究需求。
简单的遗传算法用于计算函数最值。
```matlab
function ga_main()
% 遗传算法程序
n = 20; % 种群规模
ger = 100; % 迭代次数
pc = 0.65; % 交叉概率
pm = 0.05; % 变异概率
clear all;
close all;
clc;
tic;
% 初始化参数，以上为经验值，可以更改。
v = init_population(n,22); % 得到初始种群，串长为22的二进制序列组成的矩阵
[N,L] = size(v);
disp(sprintf(Number of generations:%d,ger));
disp(sprintf(Population size:%d,N));
disp(sprintf(Crossover probability:%.3f,pc));
disp(sprintf(Mutation probability:%.3f,pm));
% 待优化问题定义：
xmin=0;
xmax=9; % 变量X范围
f=x+10*sin(x.*5)+7*cos(x.*4);
% 计算适应度，并画出初始种群图形
x = decode(v(:,1:22), xmin, xmax);
fit = eval(f);
figure(1);
fplot(f,[xmin,xmax]);
grid on;
hold on; plot(x, fit,k*);
title(染色体的初始位置); % 标题
xlabel(x); ylabel(f(x));
% 迭代前初始化：
vmfit=[];% 平均适应度值向量
vx=[]; % 最优适应度值向量
it = 1;
while it <= ger
vtemp=roulette(v, fit); % 复制算子
v=crossover(vtemp, pc); % 交叉算子
M=rand(N,L)<=pm;
% 变异操作：
v=v-2.*(v.*M)+M;
x = decode(v(:,1:22), xmin, xmax);
fit=eval(f);
[sol,indb]=max(fit);
v(1,:)=v(indb,:);
fit_mean=mean(fit); % 计算平均适应度值
vx=[vx sol]; vmfit=[vmfit fit_mean];
it = it+1;
end
```
5星
