qq_23473369的博客

基于模型设计的外部模式(external mode)操作配置，使用外部模式会极大地方便开发，实现simulink代码在硬件中的实时试验验证

matlab2017与dsp配置，基于模型开发必备，经验证之后发布，绝对绝对好使，资源共享。

DSP自动代码生成时的配置，基于模型。采用Matlab2016A与CCS6.0进行环境配置（适用于Matlab2012A之后和CCS4.0之后）

基于模型设计，经过热心群友及刘杰老师的参考，几经周折终于成功完成了配置及代码生成，下载，经过验证自动下载后的代码可实现flash烧写。

本例程以CCS 6.0 下新建TMS320F28335 工程为例。用CCS 5，或者新建TI 的其它处理 器工程的区别也不大，参考本例即可。 所建工程能够实现完全的可移植，即任意拷贝到其他位置或其他电脑都能够直接编译 运行，非常方便。

遗传算法，旅行商，最短距离， 遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度（fitness）大小选择（selection）个体，并借助于自然遗传学的遗传算子（genetic operators）进行组合交叉（crossover）和变异（mutation），产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码（decoding），可以作为问题近似最优解。