写出matlab的遗传算法实现

以下是一个简单的 MATLAB 遗传算法实现的示例：

% 定义遗传算法的参数
popSize = 50; % 种群大小
chromLen = 20; % 染色体长度
maxGen = 100; % 最大迭代次数
pc = 0.8; % 交叉概率
pm = 0.01; % 变异概率

% 初始化种群
pop = randi([0, 1], popSize, chromLen);

% 迭代
for i = 1:maxGen
    % 计算适应度
    fitness = sum(pop, 2);
    
    % 选择
    prob = fitness / sum(fitness);
    cumProb = cumsum(prob);
    matingPool = zeros(popSize, chromLen);
    for j = 1:popSize
        r = rand();
        idx = find(cumProb >= r, 1);
        matingPool(j, :) = pop(idx, :);
    end
    
    % 交叉
    for j = 1:popSize/2
        if rand() < pc
            k = randi([1, chromLen-1]);
            temp = matingPool(2*j-1, k+1:end);
            matingPool(2*j-1, k+1:end) = matingPool(2*j, k+1:end);
            matingPool(2*j, k+1:end) = temp;
        end
    end
    
    % 变异
    for j = 1:popSize
        for k = 1:chromLen
            if rand() < pm
                matingPool(j, k) = ~matingPool(j, k);
            end
        end
    end
    
    % 更新种群
    pop = matingPool;
end

% 找到最优解
fitness = sum(pop, 2);
[~, idx] = max(fitness);
bestSolution = pop(idx, :);

这个例子中，我们使用二进制编码来表示染色体，其中 0 表示基因没有被选中，1 表示基因被选中。在初始化种群之后，我们计算每个个体的适应度，选择操作使用轮盘赌算法（也称为比例选择），交叉操作使用单点交叉，变异操作使用随机单点变异。最终，我们找到最优解，该解是具有最高适应度的个体。