我们先来看看这个结构中的这些函数是做什么的，prob，probaby。[1:keep]，这里我们应该可以大致看到keep是一个整数，1:1:keep相当于1:keep，例如1:10，就是1，2，3，4，5，6，7，8，9，10。步长为1，从1到保持。
右上角这个表示换位的符号，比如1:10，是一个1行10列的矩阵，通过换位变换成10行1列。
其中，sum([1: kep])表示这个矩阵的和(从1到keep)，但这个语句prob=flipud([1: kep]'/sum([1: kep])；
总觉得少了一个。prob=flipud([1:keep]'。/sum([1: keep])；看来这应该能跑了。我没试过。直接在命令窗口中执行是可以的，但是如果在脚本文件中执行，可能会出现错误。和这个矩阵运算有关系，暂时放在这里。
然后到外面，这样我们62616964757 a 686964616 Fe 78988 e 69d 83313333263332就知道，在flipud()函数体的第一行，我们实际上是把每个从1到keep的数字除以1到keep的和，得到一个长度为keep的矩阵。值得注意的是，这个矩阵的和是1，将在下面使用。
然后flipud()函数将矩阵反相，比如[1，3，4，5]，使用flipud()后变成[5，4，3，1]。请注意，此操作不同于sort()函数。此操作只反转先前的顺序，不排序。
从这里可以看出，这个keep的值实际上等于染色体的数量。这样，不同染色体的配对概率是不同的。从这里可以看出，染色体配对的概率应该是第一个中最高的，然后依次递减。
然后计算概率，cumsum()，再相加求和。例如，在matlab给出的例子中，我们也可以用[1，2，3]写1:3。一般来说，cumsum后的结果是[1，3，6]，也就是从第一项加到这一项的和。这和高斯函数积分的感觉很像。用于计算概率累积分布。
然后奇数变量在总和结果前面加0。例如，刚才的例子[0 cumsum ([1，2，3]]变成了[0，1，3，6]。
请注意，他再次转置了这个位置，因为在计算第一行的prob时，他将一个行向量转换为一个列向量，现在他想在头部添加0，所以他在cumsun()操作期间将一个列向量的结果转换为一个行向量。
单从这两行代码，你大概只能看到这个意思。
但是简单来说，我们现在看不到这个遗传算法的核心是什么。一般只有连锁交换定律在神经网络中的应用，一般没有基因分离现象的应用。看这个，这是分离然后自由配对的做法。应该是更高端的东西。