matlab GA算法代码

MATLAB（矩阵实验室）中的遗传算法（Genetic Algorithm，简称GA）是一种模拟自然选择过程的优化算法，常用于解决复杂问题的全局搜索。以下是一个简单的MATLAB GA算法的代码示例：

% 初始化参数
popSize = 50; % 种群大小
fitnessFcn = @(x) myFitnessFunction(x); % 自定义适应度函数
numGenerations = 100; % 迭代次数
mutationRate = 0.01; % 变异率

% 初始化种群
solution = rand(popSize, numDimensions); % 生成随机解
[~, fitness] = arrayfun(fitnessFcn, solution); % 计算初始适应度

% 主循环 - 遗传算法
for generation = 1:numGenerations
    % 选择操作
    parents = selection(fitness, popSize); % 通过轮盘赌选择法选出父母
    
    % 交叉操作
    children = crossover(parents, popSize, numDimensions);
    
    % 变异操作
    mutatedChildren = mutation(children, mutationRate, numDimensions);
    
    % 合并新一代
    nextSolution = [parents; mutatedChildren];
    
    % 更新适应度值
    newFitness = arrayfun(fitnessFcn, nextSolution);
    
    % 保存当前最佳解
    if max(newFitness) > bestFitness
        bestSolution = nextSolution(max(newFitness), :);
        bestFitness = max(newFitness);
    end
    
    % 更新种群
    solution = nextSolution;
    fitness = newFitness;
end

bestSolution % 输出最终找到的最优解

% 定义辅助函数
function parents = selection(fitness, popSize)
    % 使用roulette wheel selection实现选择
    cumProb = cumsum(fitness / sum(fitness));
    parents = zeros(1, popSize);
    for i = 1:popSize
        r = rand();
        index = find(cumProb >= r, 1, 'first');
        parents(i) = solution(index, :);
    end
end

% 其他操作，如单点交叉、均匀变异等，可根据需要自定义