遗传算法步骤流程图
怎样用matlab实现遗传算法？
怎样用matlab实现遗传算法？
finline(-(x 10*sin(5*x) 7*cos(4*x)))[x,val]ga(f,1,[],[],[],[],0,9)x,val-val%注：由于遗传法的不确定性，每次得到的解可能不同。 ————————————————————————————————ga是matlab自带的遗传工具箱中的遗传算法函数，其中已经用到了选择、交叉、变异，你如果想知道其具体是怎么实现的，可以自己打开ga的源程序去看。
遗传算法的交叉概率有计算公式吗？
固定交叉概率：0.9-0.97之间取；自适应交叉概率计算公式之一：还有其它的自适应计算公式，多看文献就知道了。
遗传算法中中约束条件怎么处理？
只要你的遗传算子选对，进化过程中上下限约束就能满足；
若是其它连续性变量的线性或非线性约束，可采用罚函数法将这些约束加入目标函数（适应度函数）中，这样就能保证最优解在约束范围内。
若是存在0-1的变量（主要是在规划中，某个东西建或不建），则进化过程就会产生较多不可行解，采用直接丢弃的方法固然可以，但是当不可行解多时，这种方法就使遗传算法失去它的优势；所以就有学者提出了不可行解的修复策略，将不可行解通过某种方法转换为可行解。那么不同的优化问题解的修复策略都可能会不同，如果你设计了一个针对你所做问题的修复策略，那也就成了你的创新点之一了。
当然也有设计进化策略的研究，但这方面比较修复策略而言有难度。
gep遗传算法？
基因表达式编程(Gene Expression Programming,GEP)是一种全新的进化算法，它是葡萄牙科学家Candida Ferreira于2000年提出来的。
随后Candida Ferreira注册了公司，专门研究有关GEP在函数发现、分类、时间序列分析等方面的工作，已经取得了一定的成果，并形成了具有自主知识产权的GEP软件GepSoft。GEP起源于生物学领域，它继承了传统的遗传算法和遗传编程的优点，在此基础上发展了属于GEP特有的遗传操作，大量的实验表明，GEP算法以及各种改进的GEP算法在发现未知先验知识的数据函数关系以及对时间序列分析都有着非常好的表现。