研究针对遗传算法（GA）提出了一种新的变异算子，并将其应用于动态环境下移动机器人的路径规划问题。移动机器人的路径规划在障碍物环境中发现从起始节点到目标节点的可行路径。 通过利用其强大的优化能力，遗传算法已被广泛用于生成最优路径。虽然简单遗传算法或其他改进的变异算子中的常规随机变异算子会导致不可行路径，但所提出的变异算子不会并且避免早熟收敛。为了证明所提出的方法的成功，它被应用于两种不同的动态环境，并且与之前在文献中改进的GA研究进行了比较。与所提出的变异算子相比，遗传算法寻找最优路径的次数要多得多，并且比其他方法收敛得更快。

采用遗传算法，对分布式电源进行选址定容计算，考虑环境因素

多车场多车型车辆路径问题的改进遗传算法,车辆路径问题(Vehicle routing problem,VRP)由Dantzing和Ramser于1959年首次提出,它是指对一系列发货点(或收货点),组织适当的行车路线,满足客户的需求,并在一定的约束条件下,达到一定的目标(诸如路程最短、成本最小、耗费时间尽量少等), 属于NP难度问题。

改进遗传算法求解TSP问题的Matlab程序设计

基于改进遗传算法配电网络重构的研究 基于改进遗传算法配电网络重构的研究

基于改进遗传算法的FIR数字滤波器的优化设计

求解TSP问题的一种改进遗传算法，附源代码和论文，研究遗传算法特别有用，代码可直接拿来改进。改进算法有效解决了群体多样性和收敛速度的矛盾。

改进遗传算法代码，有两个变异率和交叉率，可以用于电压无功的优化，但数据输入选要求填写。

关于三维装箱算法问题, 一些算法理论, 感觉对这方面的应用有一定帮助

CSGA2算法的具体过程，详细分析，有助于对该算法的理解和应用