matlab 写能运行的代码 遗传算法做一个逃出盒子的路径，要有一个20*10的网格，带图像显示，有起点终点。

好的，以下是一个简单的 MATLAB 代码示例，使用遗传算法来生成逃出盒子的路径。代码中使用了 MATLAB 自带的 `imagesc` 函数来显示地图。

clc;
clear;

% 网格大小
width = 20;
height = 10;

% 地图数据，0 表示空地，1 表示障碍物
map = zeros(height, width);
map(3:7, 8:12) = 1;
map(13:14, 2:17) = 1;

% 起点和终点位置
start_pos = [1, 1];
end_pos = [height, width];

% 遗传算法参数
pop_size = 50; % 种群大小
max_gen = 100; % 最大迭代次数
elite_rate = 0.1; % 精英保留率
mutate_rate = 0.1; % 变异率

% 生成初始种群
pop = randi([1, 4], pop_size, height * width);

% 遗传算法迭代
for gen = 1:max_gen
    % 计算适应度
    fit = zeros(pop_size, 1);
    for i = 1:pop_size
        fit(i) = fitness(pop(i, :), start_pos, end_pos, map, width);
    end
    
    % 选择精英
    [~, elite_idx] = sort(fit, 'descend');
    elite_num = round(pop_size * elite_rate);
    elite = pop(elite_idx(1:elite_num), :);
    
    % 轮盘赌选择
    roulette = cumsum(fit ./ sum(fit));
    roulette(end) = 1;
    new_pop = zeros(pop_size, height * width);
    for i = 1:pop_size
        idx1 = find(roulette > rand(), 1);
        idx2 = find(roulette > rand(), 1);
        new_pop(i, :) = crossover(pop(idx1, :), pop(idx2, :));
    end
    
    % 变异
    for i = 1:pop_size
        if rand() < mutate_rate
            new_pop(i, :) = mutate(new_pop(i, :));
        end
    end
    
    % 合并种群
    pop = [elite; new_pop(elite_num+1:end, :)];
end

% 找到最优解
best_fit = -Inf;
best_path = [];
for i = 1:pop_size
    path = decode(pop(i, :), start_pos, end_pos, map, width);
    fit = fitness(pop(i, :), start_pos, end_pos, map, width);
    if fit > best_fit
        best_fit = fit;
        best_path = path;
    end
end

% 显示地图和路径
imagesc(map);
colormap(gray);
hold on;
plot(best_path(:, 2), best_path(:, 1), 'r', 'LineWidth', 2);
plot(start_pos(2), start_pos(1), 'go', 'MarkerSize', 10, 'LineWidth', 2);
plot(end_pos(2), end_pos(1), 'gx', 'MarkerSize', 10, 'LineWidth', 2);
axis equal;
axis off;

% 适应度函数
function f = fitness(chromosome, start_pos, end_pos, map, width)
    path = decode(chromosome, start_pos, end_pos, map, width);
    if isempty(path)
        f = -Inf;
    else
        f = 1 / size(path, 1);
    end
end

% 解码函数
function path = decode(chromosome, start_pos, end_pos, map, width)
    path = zeros(0, 2);
    pos = start_pos;
    for i = 1:length(chromosome)
        dir = mod(chromosome(i) - 1, 4) + 1;
        switch dir
            case 1 % 上
                new_pos = pos + [-1, 0];
            case 2 % 右
                new_pos = pos + [0, 1];
            case 3 % 下
                new_pos = pos + [1, 0];
            case 4 % 左
                new_pos = pos + [0, -1];
        end
        if all(new_pos >= 1) && all(new_pos <= [size(map, 1), width]) && ~map(new_pos(1), new_pos(2))
            path = [path; new_pos];
            pos = new_pos;
            if all(pos == end_pos)
                break;
            end
        end
    end
    if any(path(end, :) ~= end_pos)
        path = [];
    end
end

% 交叉函数
function child = crossover(parent1, parent2)
    point = randi(length(parent1));
    child = [parent1(1:point), parent2(point+1:end)];
end

% 变异函数
function child = mutate(parent)
    point = randi(length(parent));
    child = parent;
    child(point) = randi([1, 4]);
end

在代码中，我们使用一个二进制字符串来表示路径，每个字符表示走的方向（1 表示上，2 表示右，3 表示下，4 表示左）。初始种群随机生成，经过迭代进化，最终找到适应度最高的路径。解码函数将二进制字符串转换为坐标序列，适应度函数计算路径长度的倒数作为适应度。交叉函数和变异函数用于遗传算法的进化操作。在代码最后，我们使用 `imagesc` 函数显示地图和路径。