matlab遗传算法无约束优化例题

Matlab中的遗传算法是一种用于解决优化问题的搜索方法，它模拟了自然选择的过程。无约束优化是指目标函数不受限制的情况，即允许函数值在整个实数范围内变化。下面是一个简单的无约束优化的MATLAB遗传算法示例：

% 导入必要库
import gptopt.*

% 定义目标函数 (这里假设我们正在寻找一个函数的最大值)
function f = rosenbrock(x)
    f = 100 * (x(2) - x(1)^2)^2 + (1 - x(1))^2;
end

% 设置遗传算法参数
options = gaoptimset('Display', 'iter', 'PopulationSize', 50, 'Generations', 100);

% 初始化种群
pop = randn(50, 2); % 生成初始随机解集

% 运行遗传算法
[x, fval] = ga(rosenbrock, pop, [], [], options);

% 最优解和函数值
fprintf('Optimal solution found: x = \n%s\nObjective value: f = %f\n', num2str(x), fval);

在这个例子中，我们选择了Rosenbrock函数作为目标函数，这是一个常见的测试函数用于评估优化算法性能。`ga`函数是MATLAB内置的遗传算法工具箱函数，它接受目标函数、初始种群、上界和下界（这里是无约束的，所以为空）、以及一些选项。