遗传算法的matlab代码实现是什么？

遗传算法我懂，我的论文就是用着这个算法，具体到你要遗传算法是做什么？优化什么的。。。我给你一个标准遗传算法程序供你参考：

该程序是遗传算法优化BP神经网络函数极值寻优：

%% 该代码为基于神经网络遗传算法的系统极值寻优

%% 清空环境变量

clc

clear

%% 初始化遗传算法参数

%初始化参数

maxgen=100%进化代数，即迭代次数

sizepop=20 %种群规模

pcross=[0.4] %交叉概率选择，0和1之间

pmutation=[0.2] %变异概率选择，0和1之间

lenchrom=[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=[-5 5-5 5] %数据范围

individuals=struct('fitness',zeros(1,sizepop), 'chrom',[]) %将种群信息定义为一个结构体

avgfitness=[] %每一代种群的平均适应度

bestfitness=[]%每一代种群的最佳适应度

bestchrom=[] %适应度最好的染色体

%% 初始化种群计算适应度值

% 初始化种群

for i=1:sizepop

%随机产生一个种群

individuals.chrom(i,:)=Code(lenchrom,bound)

x=individuals.chrom(i,:)

%计算适应度

individuals.fitness(i)=fun(x) %染色体的适应度

end

%找最好的染色体

[bestfitness bestindex]=min(individuals.fitness)

bestchrom=individuals.chrom(bestindex,:) %最好的染色体

avgfitness=sum(individuals.fitness)/sizepop%染色体的平均适应度

% 记录每一代进化中最好的适应度和平均适应度

trace=[avgfitness bestfitness]

%% 迭代寻优

% 进化开始

for i=1:maxgen

i

% 选择

individuals=Select(individuals,sizepop)

avgfitness=sum(individuals.fitness)/sizepop

%交叉

individuals.chrom=Cross(pcross,lenchrom,individuals.chrom,sizepop,bound)

% 变异

individuals.chrom=Mutation(pmutation,lenchrom,individuals.chrom,sizepop,[i maxgen],bound)

% 计算适应度

for j=1:sizepop

x=individuals.chrom(j,:)%解码

individuals.fitness(j)=fun(x)

end

%找到最小和最大适应度的染色体及它们在种群中的位置

[newbestfitness,newbestindex]=min(individuals.fitness)

[worestfitness,worestindex]=max(individuals.fitness)

% 代替上一次进化中最好的染色体

if bestfitness>newbestfitness

bestfitness=newbestfitness

bestchrom=individuals.chrom(newbestindex,:)

end

individuals.chrom(worestindex,:)=bestchrom

individuals.fitness(worestindex)=bestfitness

avgfitness=sum(individuals.fitness)/sizepop

trace=[traceavgfitness bestfitness]%记录每一代进化中最好的适应度和平均适应度

end

%进化结束

%% 结果分析

[r c]=size(trace)

plot([1:r]',trace(:,2),'r-')

title('适应度曲线','fontsize',12)

xlabel('进化代数','fontsize',12)ylabel('适应度','fontsize',12)

axis([0,100,0,1])

disp('适应度 变量')

x=bestchrom

% 窗口显示

disp([bestfitness x])

x=220

for(i=0i<12i++)

{

y=202+i*16

for(j=bits [ i][0]j<=bits [ i][1]j++)

if(g[j]==0)

g_text(x+(j-bits [ i][0])*16,y,4,"0")

else

g_text(x+(j-bits [ i][0])*16,y,4,"1")

}

}

}

void g_disp_char(x,y,x1,y1,x2,y2,v)

int x,y,x1,y1,x2,y2

unsigned char v

{

char c[10]

if(x>=x1&&x<=x2-8 &&y>=y1 &&y<=y2-10)

{

switch(v)

{

case 0: strcpy(c,"0")break

case 1: strcpy(c,"+")break

case 2: strcpy(c,"-")break

case 3: strcpy(c,"x")

}

g_text(x,y,15,c)

}

}

void remove_life(n) /* 消除第n个个体 */

int n

{

iflg[n]=0

world[iatr[n][0]][iatr[n][1]]=0

g_disp_unit(iatr[n][0],iatr[n][1],0)

if(food_size+1<=MAX_FOOD)

{

food_size++

fatr[food_size-1][0]=iatr[n][0]

fatr[food_size-1][1]=iatr[n][1]

fatr[food_size-1][2]=1

fatr[food_size-1][3]=0

fflg[food_size-1]=1

world[iatr[n][0]][iatr[n][1]]=5

g_disp_unit(iatr[n][0],iatr[n][1],5)

}

}

void remove_food(n) /* 消除第n个食物 */

int n

{

fflg[n]=0

world[fatr[n][0]][fatr[n][1]]=0

g_disp_unit(fatr[n][0],fatr[n][1],0)

}

void make_lives_and_foods() /* 设置虚拟环境中生物与食物 */

{

int x,y,i,j

pop_size=0

food_size=0

for(y=0y<wyy++)

for(x=0x<wxx++)

{

if(world[x][y]==1||world[x][y]==2)

{

if(pop_size+1<=MAX_POP)

{

pop_size++

/* 生成遗传因子 */

gene[pop_size-1][0]=world[x][y]-1

for(i=1i<G_LENGTHi++)

gene[pop_size-1] [ i]=random(2)

/* 设定属性 */

iatr[pop_size-1][0]=x

iatr[pop_size-1][1]=y

iatr[pop_size-1][2]=70+random(30)

iatr[pop_size-1][3]=random(SL_MIN)

}

}

if(world[x][y]==3||world[x][y]==5)

{

if(food_size+1<=MAX_FOOD)

{

food_size++

/* 设定属性 */

fatr[food_size-1][0]=x

fatr[food_size-1][1]=y

if(world[x][y]==3)

fatr[food_size-1][2]=0

else

fatr[food_size-1][2]=1

fatr[food_size-1][3]=random(TL1-1)+1

}

}

}

}

void find_empty(x,y) /* 寻找虚拟环境中的空处，返回坐标 */

int *x,*y

{

int ok

ok=0

while(ok==0)

{

*x=random(wx)*y=random(wy)

if(world[*x][*y]==0) ok=1

}

}

void make_world() /* 随机设定人工环境 */

{

int i,j,k,num,x,y

int ok,overlap

char choice[3]

double size

wx=0

while(wx<10||wx>MAX_WX)

{

setcolor(15)

disp_hz16("虚拟环境长度(10-60)",10,210,20)

gscanf(300,210,4,0,3,"%s",choice)

wx=atoi(choice)

}

wy=0

while(wy<10||wy>MAX_WY)

{

setcolor(15)

disp_hz16("虚拟环境宽度(10-32)",10,240,20)

gscanf(300,240,4,0,3,"%s",choice)

wy=atoi(choice)

}

for(i=0i<wyi++)

for(j=0j<wxj++)

if(i==0||i==wy-1||j==0||j==wx-1)

world[j] [ i]=4

else world[j] [ i]=0

/* 设定障碍物 */

size=(double)(wx*wy)

num=(int)(size/40.0)

if(num>MAX_POP) num=MAX_POP

for(i=0i<numi++)

{

find_empty(&x,&y)

world[x][y]=4

}

num=(int)(size/5.0)

if(num>MAX_FOOD) num=MAX_FOOD

for(i=0i<numi++)

{

ok=0

while(ok==0)

{

x=random(wx)y=random(wy)

if((world[x][y]!=4) &&

(world[x][y-1]==4 || world[x][y+1]==4 ||

world[x-1][y]==4 || world[x+1][y]==4))

{ world[x][y]=4

ok=1

}

}

}

for(y=0y<wyy++)

for(x=0x<wxx++)

if(world[x][y]==0)

{

num=0

for(i=-1i<=1i++)

for(j=-1j<=1j++)

if(get_world(x+j,y+i)==4)

num++

if(num>=6) world[x][y]=4

}

/* 设定生物 */

num=(int)(size*R_LIFE)

for(i=0i<numi++)

{ find_empty(&x,&y)

world[x][y]=random(2)+1

}

/* 设定食物 */

num=(int)(size*R_FOOD)

for(i=0i<numi++)

{

find_empty(&x,&y)

world[x][y]=3

}

}

void load_world_file() /* 读取虚拟环境数据文件设定 */

{

FILE *fopen(),*fpt

char st[100],c

int i,j

if((fpt=fopen("\ga\world","r"))==NULL) exit(-1)

else

{

fscanf(fpt,"%d",&wx)

fscanf(fpt,"%d",&wy)

for(i=0i<wyi++)

for(j=0j<wxj++)

fscanf(fpt,"%d",&world[j] [ i])

fclose(fpt)

---