SpeedyGA是Matlab编程语言中遗传算法的向量化实现。没有花哨的东西，它忠实地实现了M. Mitchell的GA书中第10页和第11页给出的简单GA规范。详细信息请参见代码中的注释。

这个脚本在对遗传算法(包括具有统一交叉的算法)的适应能力的新的统一解释的发展中发挥了至关重要的作用，称为生成固定假设。看到http://cs.brandeis.edu/~kekib/dissertation.html

Matlab是为执行数组操作而优化的。循环，尤其是嵌套循环，在Matlab中往往运行缓慢。通过将循环转换为数组操作，可以显著提高Matlab程序的性能。这个过程叫做向量化。Matlab提供了一组丰富的函数和许多有表现力的索引方案，使向量化代码成为可能。这样的代码不仅运行得更快，而且更短，更易于理解和更改(当然，前提是您对Matlab有一定的了解)。

用C/ c++或Java实现的遗传算法通常有多个嵌套循环。因此，将这种实现直接移植到Matlab将运行得非常慢。在典型的GA实现中发现的许多嵌套循环已经从SpeedyGA中消除了。生成的代码简短、快速且简单。编程语言的结构与编程任务匹配得如此之好，以至于可以如此简洁地编写程序，这确实是一个令人愉快的巧合。

SpeedyGA证明了Matlab是一种快速原型遗传算法的有用语言。这一点，再加上Matlab广泛的数据可视化能力，使Matlab成为GAs实验分析的一个非常有用的平台。

SpeedyGA已在Matlab 7 (R14)下创建并测试。它根据最大适应度函数来进化种群。皇家道路健身功能也包括在内，但目前还没有被调用。如果你发现SpeedyGA有用或发现任何bug，请告诉我。

享受吧!

附注:对于可能显著提高解决方案返回质量的实验遗传算法，请参阅TurboGA (万博 尤文图斯//www.tianjin-qmedu.com/matlabcentral/fileexchange/24053）