我自己的遗传算法工具箱

				SGA（Simple Genetic Algorithm）是一种强大的智能多变量优化算法，它模仿种群繁殖规律来进行
				优化。
				本SGA可以优化变量，求最小值,最大值（当把函数倒数也就求最小值啦）
				并且支持浮点编码，grey编码，二进制编码；轮赌法选择，锦标赛选择；单点交叉，均布交叉，浮点交叉；
				单点变异，浮点变异；
				调用时
				Genetic（目标函数名）
				
				
				使用环境：MATLAB6.5+ToolBox
				使用SGA时，
				首先需要一个目标函数（像AimFunc.m），该函数返回适应度
				输入变量为待优化变量x
				输出为一个适应度。
				
				
				
				然后
				修改Genetic.m中可以修改的地方
				例一
				maxgen=200;                         % 进化代数，即迭代次数
				sizepop=100;                        % 种群规模
				AimFunc=StrAimFunc;                 % 计算适应度的函数，本算法以目标函数值为适应度
				fselect='tournament';               % 染色体的选择方法，您可以选择：锦标赛法－ 'tournament';轮盘                                      % 赌法－'roulette'
				fcode='float';                      % 编码方法，您可以选择：浮点法－'float';grey法则－－'grey';二                                     % 进制法－'binary' 
				pcross=[0.6];                       % 交叉概率选择，0和1之间
				fcross='float';                     % 交叉方法选择，您可以选择： 浮点交叉－'float';单点交叉                                           % －'simple';均匀交叉－'uniform'
				pmutation=[0.2];                    % 变异概率选择，0和1之间
				fmutation='float';                  % 变异方法选择，您可以选择：浮点法－'float';单点法－'simple';
				
				lenchrom=[1 1 1 1 1];               % 每个变量的字串长度，如果是浮点变量，则长度都为1
				bound=[0 1;...                      % 每个变量的取值范围
				        0 1;...
				        0 1;...
				        0 1;...
				        0 1];                       
				
				选择了浮点编码，tournament选择，浮点交叉，浮点变异。
				注：采用浮点编码时，以后的交叉，变异只能是浮点，且lenchrom向量中都为1，向量长度为待优化变量个数。
				bound为各个变量的范围
				
				
				例二
				maxgen=200;                         % 进化代数，即迭代次数
				sizepop=100;                        % 种群规模
				AimFunc=StrAimFunc;                 % 计算适应度的函数，本算法以目标函数值为适应度
				fselect='tournament';               % 染色体的选择方法，您可以选择：锦标赛法－ 'tournament';轮盘                                      % 赌法－'roulette'
				fcode='binary';                     % 编码方法，您可以选择：浮点法－'float';grey法则－－'grey';二                                     % 进制法－'binary' 
				pcross=[0.6];                       % 交叉概率选择，0和1之间
				fcross='uniform';                   % 交叉方法选择，您可以选择： 浮点交叉－'float';单点交叉                                           % －'simple';均匀交叉－'uniform'
				pmutation=[0.2];                    % 变异概率选择，0和1之间
				fmutation='simple';                 % 变异方法选择，您可以选择：浮点法－'float';单点法－'simple';
				
				lenchrom=[10 10 10 10 10];          % 每个变量的字串长度，如果是浮点变量，则长度都为1
				bound=[0 1;...                      % 每个变量的取值范围
				        0 1;...
				        0 1;...
				        0 1;...
				        0 1];
				选择了二进制编码，tournament选择，均布交叉，单点变异。
				注：采用二进制编码和grey编码时，交叉方法只能是simple，uniform，变异方法只能是simple
				lenchrom向量中表示变量表示成二进制的位数。
				
				例三
				maxgen=200;                         % 进化代数，即迭代次数
				sizepop=100;                        % 种群规模
				AimFunc=StrAimFunc;                 % 计算适应度的函数，本算法以目标函数值为适应度
				fselect='roulette';                 % 染色体的选择方法，您可以选择：锦标赛法－ 'tournament';轮盘                                      % 赌法－'roulette'
				fcode='grey';                       % 编码方法，您可以选择：浮点法－'float';grey法则－－'grey';二                                     % 进制法－'binary' 
				pcross=[0.6];                       % 交叉概率选择，0和1之间
				fcross='uniform';                   % 交叉方法选择，您可以选择： 浮点交叉－'float';单点交叉                                           % －'simple';均匀交叉－'uniform'
				pmutation=[0.2];                    % 变异概率选择，0和1之间
				fmutation='simple';                 % 变异方法选择，您可以选择：浮点法－'float';单点法－'simple';
				
				lenchrom=[10 10 10 10 10];          % 每个变量的字串长度，如果是浮点变量，则长度都为1
				bound=[0 1;...                      % 每个变量的取值范围
				        0 1;...
				        0 1;...
				        0 1;...
				        0 1];
				选择了grey编码，roulette选择，均布交叉，单点变异。