【正文】 ：ones, zeros, sum, size, length, subs, double 等，以及 for, while 等基本程序結(jié)構(gòu)語句，讀者可參考前面專門關(guān)于Matlab的介紹，也可參考其他數(shù)學(xué)實驗章節(jié)中的“相關(guān)函數(shù)（命令）及簡介”內(nèi)容，此略．三、實驗內(nèi)容上述例1的求解過程為：群體中包含六個染色體，每個染色體用22位0—1碼，變量區(qū)間為 ，取Fmin=，遺傳代數(shù)為50代，則運用第一種終止條件（指定遺傳代數(shù)）的Matlab程序為：[Count,Result,BestMember]=Genetic1(22,6,39。x*x+2*x+39。x*x+2*x+39。global Count。Count=1。PopulationFitness=Fitness(PopulationCode,FunctionFitness,MinX,MaxX,MumberLength)。PopulationProbability=Probability(PopulationFitnessF)。EachMaxFitness(Count)=EachGenMaxFitness。while CountGen NewPopulation=Select(Population,PopulationProbability,MemberNumber)。 NewPopulation=Crossing(Population,FunctionFitness,MinX,MaxX,MumberLength)。 NewPopulation=Mutation(Population,MutationProbability)。 PopulationFitness=Fitness(Population,FunctionFitness,MinX,MaxX,MumberLength)。 PopulationProbability=Probability(PopulationFitnessF)。 [NewPopulation,CurrentBest,EachGenMaxFitness]=Elitist(Population,PopulationFitness,MumberLength)。 MaxFitness(Count)=CurrentBest(length(CurrentBest))。endDim=size(Population)。for i=1:Dim(1) Result(1,i)=Translate(Population(i,:),MinX,MaxX,MumberLength)。BestMember(1,1)=Translate(CurrentBest(1:MumberLength),MinX,MaxX,MumberLength)。close allsubplot(211)plot(EachMaxFitness)subplot(212)plot(MaxFitness)【程序說明】：(1) MumberLength： 表示一個染色體位串的二進制長度．（例1中取22）(2) MemberNumber： 表示群體中染色體的個數(shù)．（例1中取6個）(3) FunctionFitness： 表示目標函數(shù)，是個字符串，因此用表達式時，用單引號括出．（例1中是）(4) MinX： 變量區(qū)間的下限．（例1中是中的）(5) MaxX： 變量區(qū)間的上限．（例1中是中的 2）(6) Fmin： 定義適應(yīng)函數(shù)過程中給出的一個目標函數(shù)的可能的最小值，由操作者自己給出．（例1中取Fmin=）(7) MutationProbability： 表示變異的概率，一般都很小．（）(8) Gen： 表示遺傳的代數(shù)，也就是終止程序時的代數(shù)．（例1中取50）另外，： Count 表示遺傳的代數(shù)；Result 表示計算的結(jié)果，也就是最優(yōu)解；BestMember表示最優(yōu)個體及其適應(yīng)值．附錄2：子程序 function Population=PopulationInitialize(MumberLength,MemberNumber)Temporary=rand(MemberNumber,MumberLength)?！境绦蛘f明】子程序 ．這個初始群體含有MemberNumber個染色體，每個染色體有MumberLength個基因（二進制碼）．附錄3：function PopulationFitness=Fitness(PopulationCode,FunctionFitness,MinX,MaxX,MumberLength)Dim=size(PopulationCode)。for i=1:Dim(1)PopulationFitness(i)=Transfer(PopulationCode(i,:),FunctionFitness,MinX,MaxX,MumberLength)。Dim=size(PopulationCode)。endPopulationData=MinX+PopulationData*(MaxXMinX)/(2^Dim(2)1)。PopulationData=Translate(PopulationCode,MinX,MaxX,MumberLength)。x39。 【程序說明】子程序 Transfer 把群體中的染色體的目標函數(shù)值用數(shù)值表示出來，它是Fitness的重要子程序．其有5個輸入?yún)?shù)分別為PopulationCode, FunctionFitness, MinX, MaxX，MumberLength．附錄6：function PopulationFitnessF=FitnessF(PopulationFitness,Fmin)Dim=size(PopulationFitness)。for i=1:Dim(2)if PopulationFitness(i)Fmin PopulationFitnessF(i)=PopulationFitness(i)Fmin。endend【程序說明】．其輸入?yún)?shù)如下：PopulationFitness 為群體中染色體的目標函數(shù)值，F(xiàn)min為定義適應(yīng)函數(shù)過程中給出的一個目標函數(shù)的可能的最小值．附錄7：子程序 function PopulationProbability=Probability(PopulationFitness)SumPopulationFitness=sum(PopulationFitness)?！境绦蛘f明】子程序 用于計算群體中每個染色體的入選概率，輸入?yún)?shù)為群體中染色體的適應(yīng)函數(shù)值PopulationFitness．附錄8：子程序 function NewPopulation=Select(Population,PopulationProbability,MemberNumber)CProbability(1)=PopulationProbability(1)。endfor i=1:MemberNumber r=rand(1)。 while rCProbability(Index) Index=Index+1。end【程序說明】子程序 根據(jù)入選概率（計算累計概率）在群體中按比例選擇部分染色體組成種群，該子程序的3個輸入?yún)?shù)分別為：群體Population，入選概率PopulationProbability，群體中染色體的個數(shù)MemberNumber．附錄9：子程序 function NewPopulation=Crossing(Population,FunctionFitness,MinX,MaxX,MumberLength)%%PopulationFitness=%% Fitness(Population,FunctionFitness,MinX,MaxX,MumberLength)。%%[SortResult,SortSite]=sort(PopulationProbability)。Dim=size(Population)。 Population(Dim(1),:)=Population(Dim(1)1,:)。endfor i=1:2:Dim(1)1 SiteArray=randperm(Dim(2))。 Temp=Population(i,1:Site)。 Population(i+1,1:Site)=Temp?！境绦蛘f明】子程序 用于群體中的交叉并產(chǎn)生新群體．其輸入?yún)?shù)為：Population, FunctionFitness，MinX，MaxX，MumberLength．附錄10：function NewPopulation=Mutation(Population,MutationProbability)Dim=size(Population)。 Site=randperm(Dim(2))。 end if Population(i,Site(1))==0 Population(i,Site(1))=1?！境绦蛘f明】．輸入?yún)?shù)為：群體Population和變異概率MutationProbability．附錄11：function [NewPopulationIncludeMax,CurrentBest,EachGenMaxFitness]=Elitist(Population,PopulationFitness,MumberLength)global Count CurrentBest。[MaxFitness,MaxSite]=max(PopulationFitness)。if Count==1 CurrentBest(1:MumberLength)=Population(MaxSite,:)。else if CurrentBest(MumberLength+1)PopulationFitness(MaxSite)。 CurrentBest(MumberLength+1)=PopulationFitness(MaxSite)。endNewPopulationIncludeMax=Population。對于小空間，經(jīng)典的窮舉法就足夠了；而對大空間，則需要使用特殊的人工智能技術(shù)。它從一個初始族出發(fā)，由選擇算子選出性狀好的父本，由雜交算子進行雜交運算，變異算子進行少許變異，在一定概率規(guī)則控制下隨機搜索模型空間。 遺傳算法的結(jié)構(gòu)： Procedure Genetic Algorithm begin initialize evaluate while (not terminationcondition) do beginselect from alter evaluate end end 圖1. 遺傳算法的結(jié)構(gòu) 在第次迭代，遺傳算法維持一個潛在解的群體。然后通過選擇更合適個體（次迭代）形成一個新的群體。雜交組合了兩個親體染色體（即待求參數(shù)的二進制編碼串）的特征，通過交換父代相應(yīng)的片斷形成了兩個相似的后代。雜交算子的目的是在不同潛在解之間進行信息交換。變異算子的意圖是向群體引入一些額外的變化性。(2