matlab遗传算法代码

以下是一个简单的 MATLAB 遗传算法代码示例：

% 遗传算法参数设置
pop_size = 50; % 种群大小
chrom_length = 20; % 染色体长度
pc = 0.8; % 交叉概率
pm = 0.01; % 变异概率
max_gen = 100; % 最大遗传代数

% 初始化种群
pop = round(rand(pop_size, chrom_length));

% 迭代遗传
for i = 1:max_gen
    % 计算适应度
    fitness = sum(pop, 2);
    % 选择
    [fitness_sorted, idx] = sort(fitness, 'descend');
    pop = pop(idx,:);
    pop_new = pop(1:pop_size/2,:);
    % 交叉
    for j = 1:pop_size/4
        if rand < pc
            k = randi([1, chrom_length-1], 1);
            temp = pop_new(j*2-1,k+1:end);
            pop_new(j*2-1,k+1:end) = pop_new(j*2,k+1:end);
            pop_new(j*2,k+1:end) = temp;
        end
    end
    % 变异
    for j = 1:pop_size/2
        for k = 1:chrom_length
            if rand < pm
                pop_new(j,k) = 1 - pop_new(j,k);
            end
        end
    end
    pop = pop_new;
end

% 输出最优解
fitness = sum(pop, 2);
[fitness_sorted, idx] = sort(fitness, 'descend');
best_chrom = pop(idx(1),:);
disp(['最优解：', num2str(best_chrom)]);

该示例通过遗传算法求解二进制串中 1 的个数最大的问题。其中，pop_size 表示种群大小，chrom_length 表示染色体长度，pc 表示交叉概率，pm 表示变异概率，max_gen 表示最大遗传代数。

该示例的遗传算法过程分为初始化种群、计算适应度、选择、交叉、变异等步骤。其中，计算适应度采用简单的加权方法，选择采用轮盘赌算法，交叉采用单点交叉，变异采用随机单点翻转。最后输出种群中适应度最高的染色体作为最优解。