MATLAB:遗传算法（GA）求解国际基准测试函数Ackely函数在不同维度搜索空间上的全局最小数值

 Q：测试算法在搜索10D，30D和50D搜索空间下，寻找Ackely函数最优值时算法的平均收敛曲线

本题是计算智能课程的一次作业，由于本人水平一般，就借助博客边写边学…其实主要是记录一下给自己回顾用的。欢迎大佬指导建议，也欢迎和me一样刚刚入门（连matlab都用不明白）的小白一起加油学习鸭~

由于是新人小白，为了让自己更好的理解每行代码，就几乎对每一行代码都加了个人理解标注，所以看起来比较繁琐，请前来一起学习的小白鸭沉下心来慢慢看~

文章最后也附有一个没有过多注解的版本，大家也可以直接拿去~

% 遗传算法参数设置

maxgen = 500; % 迭代次数

sizepop = 100; % 种群大小

pc = 0.7; % 交叉概率

pm = 0.01; % 变异概率

D = [10, 30, 50]; % 搜索空间维度

% 迭代求解Ackley函数的最小值

for k = 1:length(D)%1.2.3循环

        d = D(k);%利用索引获取维度，例如第一轮k=1，d就等于10

        % 初始化种群

        pop = -32 + 64*rand(sizepop,d);%rand用于生成100（种群大小）行，10（维度）列矩阵，该矩阵内元素均为0-1之间，再*64-32后即可得到元素均为-32~32之间的100行10列矩阵

        fit = ackley(pop);%将矩阵输入测试函数（矩阵每一行代表一个个体，每一列代表一个维度/变量）

        bestfit = min(fit);%由于求最小值，所以最小值就是最佳适应度，记录初代最佳适应度

        best = pop(find(fit==bestfit, 1 ),:);%找到最佳适应度与个体适应度相同的行，将该行赋值保留作为最佳个体

        % 初始化记录

        fit_rec = zeros(maxgen,1);%创建一个500（迭代次数）行的列向量（数组）

        fit_rec(1) = bestfit;%将初代最佳适应度储存在第一行

        best_rec = zeros(maxgen,d);%创建一个500（迭代次数）行10（维度）列的数组

        best_rec(1,:) = best;%将初代最佳个体保留在第一行

        % 迭代

        for i = 2:maxgen%开始迭代

                % 选择操作

                idx = roulette(fit, sizepop);%轮盘赌得到索引列向量，下面代码有分析

                n