遗传算法在函数优化中研究（MATLAB测试）

　　遗传算法（GA）是基于达尔文生物进化论和孟德尔遗传变异理论的一类仿生型优化算法。遗传算法结构简单不需要过多的考虑所要处理问题的动力学信息并且兼具有全局搜索能力、信息处理的隐并行性、鲁棒性和可规模化等等的优点，非常适合处理利用传统搜索方法不能很好解决的复杂及非线性问题。因此，现在组合优化、自适应控制、组合优化和规划设计等领域遗传算法有着非常，一泛应用前景。基于此国内外现在都非常重视遗传算法理沦及相应应用方面的研究。遗传算法的处理对象是对参数进行了编码的个体而不是参数本身，因此可以对矩阵、树和图等结构形式的对象进行处理。函数优化是遗传算法的诸多应用中最显而易见也是最为经典的。函数优化的本质就是从所有解决问题的可能性中选出最合理最优的方案。而随着求解维数的增长，求解难度也大幅度的增加，因而传统的优化方案不能满足优化需要。遗传算法就作为仿生物自然进化过程被称为演化算法的随机优化技术的代表显示出了它优于传统算法的优越性能。