nfwxl

　在对遗传算法交叉、变异后结果的处理方法进行改进并在将进化过程分段的基础上,提出1种新的混沌遗传算法。该算法利用混沌运动的遍历性择优产生初始群体,对每一轮遗传操作所得到的部分当前最优个体进行变尺度混沌搜索。仿真结果表明,该算法具有较高的优化效率,并能求得全局最优解。

混沌与遗传算法相结合，体现了其优越性能，通过对由差分方程生成的混沌序列的分析，利用混沌序列内在的伪随机性，将混沌引入到遗传算法的初始种群的生成、交叉算子、变异算子中，由此得到了混沌遗传优化算法

本文介绍了遗传算法的流程及几个算子,给出了在matlab语言环境下实现编码、译码、选择、重组和变异各算子的编程方法,最后用一个实例来说明遗传算法在寻找全局最优解中的应用。

本文利用混沌运动的遍历性,提出了一种求解优化问题的混沌遗传算法(ChaosGeneticAlgorithm,简称CGA),该算法的基本思想是把混沌变量加载于遗传算法的变量群体中,利用混沌变量对子代群体进行微小扰动并随着搜索过程的进行逐渐调整扰动幅度。研究结果表明,该方法效果显著,明显提高了优化计算效

里面有遗传算法的代码，结合实例，适合初学者