matlab遗传算法工具箱函数及实例讲解1 核心函数： 初始种群的生成函数

				
				matlab遗传算法工具箱函数及实例讲解1
				
				核心函数： 
				      (1)function 
				      [pop]=initializega(num,bounds,eevalFN,eevalOps,options)--初始种群的生成函数 
				      【输出参数】 
				       pop--生成的初始种群 
				      【输入参数】 
				       num--种群中的个体数目 
				       bounds--代表变量的上下界的矩阵 
				       eevalFN--适应度函数 
				       eevalOps--传递给适应度函数的参数 
				       options--选择编码形式(浮点编码或是二进制编码)[precision F_or_B],如 
				          precision--变量进行二进制编码时指定的精度 
				          F_or_B--为1时选择浮点编码，否则为二进制编码,由precision指定精度) 
				
				      (2)function [x,endPop,bPop,traceInfo] = 
				      ga(bounds,evalFN,evalOps,startPop,opts,... 
				               
				      termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps)--遗传算法函数 
				
				      【输出参数】 
				          x--求得的最优解 
				          endPop--最终得到的种群 
				          bPop--最优种群的一个搜索轨迹 
				      【输入参数】 
				          bounds--代表变量上下界的矩阵 
				          evalFN--适应度函数 
				          evalOps--传递给适应度函数的参数 
				          startPop-初始种群 
				          opts[epsilon prob_ops 
				      display]--opts(1:2)等同于initializega的options参数，第三个参数控制是否输出，一般为0。如[1e-6 1 0] 
				          termFN--终止函数的名称,如['maxGenTerm'] 
				          termOps--传递个终止函数的参数,如[100] 
				          selectFN--选择函数的名称,如['normGeomSelect'] 
				          selectOps--传递个选择函数的参数,如[0.08] 
				          xOverFNs--交叉函数名称表，以空格分开，如['arithXover heuristicXover simpleXover'] 
				          xOverOps--传递给交叉函数的参数表，如[2 0;2 3;2 0] 
				          mutFNs--变异函数表，如['boundaryMutation multiNonUnifMutation nonUnifMutation 
				      unifMutation'] 
				          mutOps--传递给交叉函数的参数表,如[4 0 0;6 100 3;4 100 3;4 0 0] 
				
				      注意】matlab工具箱函数必须放在工作目录下 
				      【问题】求f(x)=x+10*sin(5x)+7*cos(4x)的最大值，其中0				      【分析】选择二进制编码，种群中的个体数目为10，二进制编码长度为20，交叉概率为0.95,变异概率为0.08 
				      【程序清单】 
				         %编写目标函数 
				           function[sol,eval]=fitness(sol,options) 
				             x=sol(1); 
				             eval=x+10*sin(5*x)+7*cos(4*x); 
				         %把上述函数存储为fitness.m文件并放在工作目录下 
				          
				         initPop=initializega(10,[0 9],'fitness');%生成初始种群，大小为10 
				         [x endPop,bPop,trace]=ga([0 9],'fitness',[],initPop,[1e-6 1 
				      1],'maxGenTerm',25,'normGeomSelect',... 
				           [0.08],['arithXover'],[2],'nonUnifMutation',[2 25 3]) %25次遗传迭代 
				
				      运算借过为：x = 
				         7.8562 24.8553(当x为7.8562时，f（x）取最大值24.8553) 
				
				      注：遗传算法一般用来取得近似最优解，而不是最优解。