一、遗传算法GA
遗传算法（Genetic Algorithm，GA）起源于对生物系统所进行的计算机模拟研究，是一种随机全局搜索优化方法，它模拟了自然选择和遗传中发生的复制、交叉(crossover)和变异(mutation)等现象，从任一初始种群（Population）出发，通过随机选择、交叉和变异操作，产生一群更适合环境的个体，使群体进化到搜索空间中越来越好的区域，这样一代一代不断繁衍进化，最后收敛到一群最适应环境的个体（Individual），从而求得问题的优质解。
二、cec2013简介
在CEC 2013 Special Session on Real-Parameter Optimization中共有28个测试函数，其维度可选择为10/30/50/100。每个测试函数的详细信息如下表所示：
参考文献：
[1] Liang J J , Qu B Y , Suganthan P N ,et al.Problem Definitions and Evaluation Criteria for the CEC 2013 Special Session on Real-Parameter Optimization[J]. 2013.
三、GA求解CEC2013
代码中测试不同的函数修改Function_name的值即可，每个函数的维度dim可选择为10/30/50/100，种群大小SearchAgents_no和最大迭代次数Max_iteration均可根据需要修改。
（1）部分代码
%%
close all
clear
clc
Function_name=1; %测试函数可以选择 1-28
dim=10;%维度可以选择 10/30/50/100
SearchAgents_no=100; % 种群大小（可以自己修改）
Max_iteration=1000; % 最大迭代次数（可以自己修改）
[Fun_Name,lb,ub,opt_f,err] = get_fun_info_CEC2013(Function_name,dim);
fob=str2func('cec13_0');
fobj=@(x)Fun(x,fob,Function_name,opt_f);
[fMin,bestX,curve]=GA(SearchAgents_no,Max_iteration,lb,ub,dim,fobj);
figure
plot(curve,'Color','r','linewidth',2.5)
title(Fun_Name)
xlabel('Iteration');
ylabel('Best score obtained so far');
grid on
legend('GA')
display(['The best solution obtained by GA is : ', num2str(bestX)]);
display(['The best optimal value of the objective funciton found by GA is : ', num2str(fMin)]);
（2）部分结果（以F1，F5和F10为例）
