在此，请参考博客的进度学习：
3359 blog.csdn.net/Han pu _ Liang/article/details/78172537
作为该博主解决的遗传算法入门问题的多元函数最大值求解，是遗传算法入门的练习
上一篇所述的TSP问题也同样解决。 本文完善了参考文献的步骤，并做了注释
tic； clc，clearload sj.txt %敌人100个目标的数据x=SJ (:13360233608 )； x=x(3360； y=SJ(:2:2:8； y=y(: sj=[x y]； D1=[ 70，40 ]； sj0=[d1； sj； D1 )； %%距离矩阵dsj=sj0*pi/180； d=Zeros(102； for i=1:101for j=(i 1) :102temp=cos(SJ(I，1 )SJ(j，1 ) ) * cos (SJ，2 ) * cos (SJ，2 ) ) d endendd=d d '； L=102； w=50； dai=100； 使用%%改进环算法，通过添加%d的倒排d '来减少计算时间，其中优质父代afork=1:WC=randperm(100 )； %ranperm(100 )为99 )1) 3…C1=[1，C1，102 ]； 将路径存储为%数组flag=1； While标志0标志=0； form=1: l-3 forn=m 2: l-1 ifd (C1(m )，C1(m ) ) C1 (m ) ) C1 C1(M1:N endendendj (k，c1 )=1:102； P*102，种群个体数为50.endJ=J/102； j 65:1 )=0； j 65:102 )=1； rand(state )、sum(clock )； %命令rand(state )、sum (clock ) )重新启动matlab时，执行随机数生成值会不同。 否则，随机初始值是相同的。 %%遗传算法的实现过程A=J； 产生并编码fork=1:Dai%0~1到1之间的随机数列的B=A； c=randperm(w； %%交配诱导的子代bfori=1:23360 wf=2floor (100 * rand )1)； %2-102随机一个数ftemp=b(c(I )，F:102 )； b(c ) I )、F:102 ) ) b ) c ) I1 )、F:102 )； b(c ) I1 )、F:102 )=temp； %的效果是在50个个体之间交换f(f变化)，然后交换片段，建立50个个体的新种群。 即，由50*102序列end%%变异引起子CBY=find(rand(1，w ) 0.1 )； 实现%0.1的变异概率，即rand (以0.1的方式实现if length (by )==0by=floor(w*rand )1) ) 1； end %是随机的，即0.1的概率为0，则随机选择一个。 这是为了后面代码的统一描述，是合理接受的。 c=a(by， )； 在%群体中找到变异的个体。 L3=Length(by； forj=1: l3bw=2floor (100 * rand ) 1，3 )； %随机发生的3个bw=sort(bw )； c(j， )=c ) j，[1:bw(3(1)，bw )2) 1:bw)，bw (1) :bw )，bw (3) 1:102]； %自身的内部bw1-bw2段和bw(2) 1到bw(2)段具有优先级endG=[A； B； c )； TL=size(g，1 )； %G矩阵的第一元，即103.%%优良品种------------从父代和子代中选择优良品种作为新的父代[dd，IX]=sort(g，2 )； temp(13360TL )=0； %sort(g，2 )排序每行，dd返回排序后的值，IX返回该值的原始位置，并且初始化TL(103个个体)的距离temp。 forj=1: TL fori=1:101 temp (j )=temp(j ) j ) d ) IX(j，I )、IX(j，i 1)； 利用%循环方式，将各个体101段距离之和进行endend[DZ，qxdbd]=sort(temp； 对%距离进行排序。 DZ为距离，qxdbd为有最短距离的位置，取值范围为1-103.a=g(qxdbd(13360w )、 )； %选择其中最好的50个，即顺位靠前的50个作为生存个体，进行下一次迭代。 这样，看到合计100次的end %反复100代的path=IX (qx DBD (1， ) )距离最短的long=DZ(1)1) tocxx=SJ0(path，1 ) ) ) %提取横坐标； 和plot(xx、yy、'-o ' )一样，这里的sj.txt可以复制上一篇博文中的sj.txt并放在同一个文件夹中。