Dec(a,b,x(i,:),遗传算法源程序如下：function[xv,fv]=AdapGA(fitness,a,b,NP,NG,Pc1,Pc2,Pm1,Pm2,eps)%待优化目标函数：fitness%自变量下界：a%自变量下界：b%种群个体数：NP%最大进化代数：NG%杂交常数1：Pc1%杂

　　Dec(a,b,x(i,:),遗传算法源程序如下：

　　function[xv,fv]=AdapGA(fitness,a,b,NP,NG,Pc1,Pc2,Pm1,Pm2,eps)

　　%待优化目标函数：fitness

　　%自变量下界：a

　　%自变量下界：b

　　%种群个体数：NP

　　%最大进化代数：NG

　　%杂交常数1：Pc1

　　%杂交常数2：Pc2

　　%变异常数1：Pm1

　　%变异常数2：Pm2

　　%自变量离散精度：eps

　　%目标函数取最小值时的自变量值：xm

　　%目标函数的最小值：fv

　　L=ceil(log2((b-a)/eps+1));%根据离散精度,确定二进制编码所需的码长

　　x=zeros(NP,L);

　　fori=1:NP

　　x(i,:)=Initial(L);%总群初始化

　　fx(i)=fitness(Dec(a,b,x(i,:),L));%个体适应值

　　end

　　fork=1:NG

　　sumfx=sum(fx);%所有个体适应值之和

　　Px=fx/sumfx;%所有个体适应值的平均值

　　PPx=0;

　　PPx(1)=Px(1);

　　fori=2:NP%根据轮盘赌策略的概率增加

　　PPx(i)=PPx(i-1)+Px(i);

　　end

　　fori=1:NP

　　sita=rand();

　　forn=1:NP

　　ifsita=favg

　　Pc=Pc1*(fmax-Fm)/(fmax-favg);

　　else

　　Pc=Pc2;

　　end

　　r1=rand();

　　ifr1=favg

　　Pm=Pm1*(fmax-fmu)/(fmax-favg);

　　else

　　Pm=Pm2;

　　end

　　r2=rand();

　　ifr2fv

　　fv=fitx;%去个体中的最好值作为最终结果

　　xv=Dec(a,b,x(i,:),L);

　　end

　　end

　　functionresult=Initial(length)%初始化函数

　　fori=1:length

　　r=rand();

　　result(i)=round(r);

　　end

　　functiony=Dec(a,b,x,L)%二进制编码转换为十进制编码

　　base=2.^((L-1):-1:0);

　　y=dot(base,x);

　　y=a+y*(b-a)/(2^L-1);