怎么用遗传算法求一函数的极小值，编写matlab程序。 需要很多的子函数子程序：新物种交叉操作，函数名称存储为crossover.mfunction scro=crossover(population，seln，pc)；BitLength=size(population，2)；pcc=IfCroIfMut(pc)；根据交叉概率决定是否进行交叉操作，1则是，0则否if pcc=1chb=round(rand*(BitLength-2))+1；在[1，BitLength-1]范围内随机产生一个交叉位scro(1，：)=[population(seln(1)，1：chb)population(seln(2)，chb+1：BitLength)]scro(2，：)=[population(seln(2)，1：chb)population(seln(1)，chb+1：BitLength)]elsescro(1，：)=population(seln(1)，：)；scro(2，：)=population(seln(2)，：)；end子程序：计算适应度函数，函数名称存储为fitnessfun.mfunction[Fitvalue，cumsump]=fitnessfun(population)；global BitLengthglobal boundsbeginglobal boundsendpopsize=size(population，1)；有popsize个个体for i=1：popsizex=transform2to10(population(i，：))；将二进制转换为十进制转化为[-2，2]区间的实数xx=boundsbegin+x*(boundsend-boundsbegin)/(power(2，BitLength)-1)；Fitvalue(i)=targetfun(xx)；计算函数值，即适应度end给适应度函数加上一个大小合理的数以便保证种群适应度值为正数Fitvalue=。
用MATLAB的遗传算法求极小值已知r，a两个未知量，经过中间复杂的过程得到目标y，y不连续、非线性，r=1：0.1：3，a=0：0.1：1.5，a
遗传算法陷入极小值问题
用MATLAB的遗传算法求极小值 你想自己编代码还是用Matlab的遗传算法工具箱？自己编代码的话，这样的问题应该可以通过二进制编码解决。
谁会用MATLAB遗传算法求函数y=(x2+1)/x1+x3^2*x2+x3^2+x3*x2的极小值 下载个GAOToolbox工具箱，很简单就实现了
遗传算法解决多元函数的问题，目标函数：一个含有30个变量的函数求极小值问题约束条件：每个变量均为0~100之间的自然数编码方式：我采用的是二进制编码，8位表示一个变量，那么每个可行解（染色体）即为240位的二进制数.遗传代数：200种群大小：100交叉概率：0.6变异概率：0.4运行结果很不理想，本人GA初学者，怎么样改进？编码设计是否合理？参数应该选择多少？或者提供一种您认为针对该问题适用的编码
matlab遗传算法求函数极小值！！！急！！ 如果没有其他约束条件，直接用ga求解：fi=inline('-2.113-0.1326*x(1)+10.49*x(2)+0.1505*x(1)^2-2.924*x(1)*x(2)+10.11*x(2)^2'，'x')；ga(fi，2，[]，[]，[]，[]，[0 18]，[0.1 36])Optimization terminated：average change in the fitness value less than options.TolFun.ans=0.1000 18.0000即最小值在x=0.1、y=18处。直接画出函数的图像来，可以验证结论的正确性：ezmesh('-2.113-0.1326*x+10.49*y+0.1505*x^2-2.924*x*y+10.11*y^2'，[0 0.1]，[18 36])另外，从图中注意到，x 对f(x，y)的影响不大，但如果我们取y=18，画出f(x，18)的函数图像来：syms x yf=-2.113-0.1326*x+10.49*y+0.1505*x^2-2.924*x*y+10.11*y^2；y=18；ezplot(subs(f)，[0 0.1])可见，尽管x对f的影响比较小，但函数值还是随着x增大而减小的。综上分析，ga的计算结果是正确的。至于你之前说到的约束条件y=31.1688*exp(-0.755*x)如果画去曲线来：ezplot('31.1688*exp(-0.755*x)'，[0 0.1])可以看到，y在18-36的范围内，倒是和你给的范围不矛盾（但应该更小一些才对）。
遗传算法解决多元函数的问题， 如果变量取值为自然数，即不是连续取值，8位二进制够了，其实7位就行了.如果变量不是取自然数，而是连续取值，8位二进制就少了，量化误差太大.还有，变异概率貌似太大了点.
