【正文】 大家可以直接繪出f(x)的圖形來大概看看f（x）的最值是多少，也可是使用優(yōu)化函數(shù)來驗證。 eval=eval。,[],initPop,[1e6 1 1],39。 %遺傳算法的matlab代碼 bounds=ones(2,1)*[5 5]。maxGenTerm39。pop5=bestindividual。bestfit=fitvalue(1)。newpop(i+1,:)=[pop(i+1,1:cpoint),pop(i,cpoint+1:py)]。 %單個個體被選擇的概率fitvalue=cumsum(fitvalue)。pop2=decodebinary(pop1)。 %% 將變量域 [0,10] 離散化為二值域 [0,1023], x=0+10*b/1023, 其中 b 是 [0,1023] 中的一個二值數(shù)。 %計算目標(biāo)函數(shù)值% 計算個體的適應(yīng)值%遺傳算法子程序%Name:%計算個體的適應(yīng)值function fitvalue=calfitvalue(objvalue)global Cmin。while newin=pxif(ms(newin))fitvalue(fitin)newpop(newin)=pop(fitin)。遺傳算法的變異特性可以使求解過程隨機地搜索到解可能存在的整個空間，因此可以在一定程度上求得全局最優(yōu)解。 %字符串長度（個體長度）pc=。,[0 10])hold onplot(x,y,39。],[2],39。x 10*sin(5*x) 7*cos(4*x)39。arithXover39。matlab命令行執(zhí)行命令： fplot(39。 eval=f(x)。fitness39。 eval=eval。,[],initPop,[1e6 1 1],39。n(i)=i。bestindividual=pop(1,:)。newpop(i,:)=[pop(i,1:cpoint),pop(i+1,cpoint+1:py)]。 %求適應(yīng)值之和fitvalue=fitvalue/totalfit。%遺傳算法子程序%Name: %將二進(jìn)制編碼轉(zhuǎn)換成十進(jìn)制function pop2=decodechrom(pop,spoint,length)pop1=pop(:,spoint:spoint+length1)。 %% %% 編程%% (編碼)% ，popsize表示群體的大小，chromlength表示染色體的長度(二值數(shù)的長度)，% 長度大小取決于變量的二進(jìn)制編碼的長度(在本例中取10位)。Cmin=0。newin=newin+1。%遺傳算法子程序%Name: %變異function [newpop]=mutation(pop,pm)[px,py]=size(pop)。 %交叉概率pm=。r*39。nonUnifMutation39。,[0,9]) evalops是傳遞給適應(yīng)度函數(shù)的參數(shù)，opts是二進(jìn)制編碼的精度，termops是選擇maxGenTerm結(jié)束函數(shù)時傳遞個maxGe