第九章 最优化问题和遗传算法

1．搜索函数
遗传优化算法工具箱中搜索函数ga的调用格式是：
[xf,endPop,bPop,trace]=ga(bounds,evalFN,evalOps,startPop, opts,
termFN,termOps,selectFN,selectOps,xOverFNs, xOverops,mutFNs,mutOps)
其中，输出参数：
xf是优化解；
endPop是最终种群；
bPop是最终种群的一个轨迹；
trace是每一代种群中的最好个体和平均结果矩阵。
输入参数：
bounds是变量上下限矩阵；
evalFN是适应度函数；
evalOps是适应度函数的输入选项，默认为[]；
startPop是初始种群；
opts是向量[epsilon prob_ops display]，其中epsilon表示两代之间的差距；prob_ops取0时为二进制编码，取1时为浮点编码（计算精度较高）；display表示运行时是否显示当前个体和最好结果。默认值[1e?6 1 0]；
termFN是终止函数，默认值[‘maxGenterm’]；
termOps是向终止函数输入的参数，默认值[100]；
selectFN是选择函数；
selectOps是选择参数；
xOverFNs是一个包含空格字符串的xOver.m文件；
xOverops是xOver.m文件的输入参数矩阵；
mutFNs是一个包含空格字符串的mutation.m文件；
mutOps是mutation.m文件的输入参数矩阵。
应当指出，遗传算法搜索函数ga求的是函数的极大值，因此在求函数的极小值问题时需要将极大值问题转换为极小值问题。

2．编码和种群生成函数
遗传优化算法工具箱中编码和种群生成函数initializega的调用格式是
Function [Pop]= initializega(num,bounds,eevalFN,eevalOps,options)
其中，输出参数：
Pop是生成的初始种群；
输入参数：
num是种群中的个体数目；
bounds是变量上下限矩阵；
eevalFN是适应度函数；
eevalOps是传递给适应度函数的参数，默认值[ ]；
options是选择编码形式的参数：浮点编码（默认值[ ]）或是二进制编码。