ga算法是模拟生物进化过程中，适者生存，优胜劣汰规则的一种算法，ga算子有选择，交叉，变异，个体对环境的适应度用适应度函数来衡量，每个个体对应一个适应度值，选择算子淘汰劣质个体，交叉和变异产生新个体，个体组成的种群不断进化，直到产生最优个体。

与普通智能算法不同的是ga算法从多个解开始搜索，对多个值同时进行评估，很少会陷入局部最优解，普通智能算法的缺点就是容易陷入局部最优解，例如粒子群算法，每次都只迭代更新一个个体，一旦陷入局部最小值，很难跳出

下面是matlab实现的ga算法

function testga()size=20;chromelen=8;lr=0.8;mr=0.1;pop=init(size,chromelen);pop2=binary2int(pop);gim=ones(500,8);for i=1:50    fitvalue=calfitvalue(pop);    newpop=selection(pop,fitvalue);    renewpop=crossover(newpop,lr);    uppop=mutation(renewpop,mr);    [bestindividual,bestfit]=best(uppop,fitvalue);    gim(i,:)=bestindividual;    y(i)=bestfit;    pop=uppop;endymax=find(y==max(y));ymax=max(ymax);tt=gim(ymax,:);xmax=binary2int(tt)*2*pi/1023;plot(xmax,ymax,'r*');hold on;fplot('11*sin(6*x)+7*cos(5*x)',[-pi,pi]);endfunction pop=init(size,chromelen)pop=round(rand(size,chromelen));endfunction pop2=binary2int(pop)[px,py]=size(pop);for i=1:py    pop1(:,i)=2.^(py-i).*pop(:,i);endpop2=sum(pop1,2);endfunction fitvalue=calfitvalue(pop)temp=binary2int(pop);x=temp*2*pi/1023;fitvalue=11*sin(6*x)+7*cos(5*x);endfunction newpop=selection(pop,fitvalue)sumfit=sum(fitvalue);profit=fitvalue/sumfit;cumpro=cumsum(profit);[px,py]=size(pop);randval=sort(rand(px,1));newin=1;fitin=1;while newin<=px    if randval(newin)