摘要：遗传算法（Genetic Algorithm）为非数值计算优化方法，是基于群体遗传学以及自然选择。遗传算法这一优化技术实用性好、鲁棒性强、效率高，在图像处理、机器学习、人工智能、函数优化、自动控制等领域应用广泛。

本文遗传算法M文件的编写采取的是MATLAB软件，多峰函数是比较有代表性的，通过遗传算法成功的对一维变量进行求解。在实验过程中，其中改变1个测试函数的变异概率、交叉概率以及种群大小，分析实验数据，找出满足条件的变异概率、交叉概率以及种群大小。其次，对3个测试函数进行测试及实验分析，实验结果都能找到最优解，计算效率高，结果直观。最后，对研究工作进行总结，指出二进制编码算法的优点与不足。

关键词：遗传算法 函数优化 MATLAB

目录

摘要

ABSTRACT

1 绪论-1

1.1 遗传算法概述-1

1.2 遗传算法的发展历史与研究现状-1

1.3 本章小结-2

2 遗传算法的基本理论-2

2.1 遗传算法的描述-2

2.1.1 基本遗传算法的数学模型-2

2.1.2 遗传算法的运算流程-3

2.2 遗传算法的编码方式-3

2.3 遗传算子-4

2.3.1 交叉算子-4

2.3.2 选择算子-5

2.3.3 变异算子-5

2.4.1 遗传算法的欺骗问题-7

2.4.2 遗传算法的未成熟收敛问题-7

2.5 本章小结-8

3 遗传算法求解函数优化问题-8

3.1 函数优化问题的描述-8

3.2 求解函数优化的MATLAB实现-8

3.2.1 基于MATLAB的函数优化问题的实现-9

3.2.2 测试函数-9

3.2.3 遗传算法运行参数的分析-10

3.3 实验结果与分析-13

3.4 本章小结-13

4 结论-14

参考文献