从网上下载的遗传算法优化bp网络代码使用不是很方便： 1）直接运行没有仿真结果，必须在命令窗口仿真才能得到结果； 2）使用者必须修改里面的隐层及输出层节点数，而隐层节点数有三个文件必须修改。 3）必须主程序里面修改训练样本 4）没有进行仿真的反归一化参数。 所以修改后是：训练样本与测试样本放在一个矩阵中进行归一化，根据使用者需求，修改主函数部带星号标示的行即可[只需修改一处（一般情况下即可满足要求）]，运行主函数： [tsp net]=GABPNET(XX,YY,YJ,SCC) %XX输入的训练样本与测试样本 %YY训练样本输出值 %YJ隐层节点数 %SCC输出层节点数 %tsp训练样本及测试样本输出值，列对应列 %net训练好的神经网络

基于遗传算法对模糊控制器参数进行寻优，首先采用模糊规则，通过模糊推理的方法对二阶系统进行仿真实验，仿真结果表明系统动态响应超调小、调节时间短，具有良好的性能；然后采用遗传算法，按照ITAE准则对控制器的参数进行优化，仿真结果表明动态性能比模糊控制显著改善，显示出遗传算法对模糊控制器参数寻优的有效性和优越性。

在结构控制中模糊控制是被采用的方法之一，基于遗传算法的模糊系统的优化设计，把模糊控制和遗传算法结合起来，利用遗传算法的优点，克服了一般模糊控制设计中模糊变量的隶属度和控制规则的选取通常靠经验来获取的不足，使得系统的模糊控制设计更灵活方便，能取得更好的控制效果。采用实数和整数混合编码技术来设计遗传算法的染色体和相应算法，为了避免早熟和加快收敛速度，采用了多种群的遗传算法。为了验证优化的效果，对一个三层框架进行了仿真分析，结果显示，采用遗传算法优化后的模糊逻辑控制优于常规模糊逻辑控制。

锥齿轮减速器的遗传算法优化设计.pdf

遗传算法优化的神经网络在温控系统中的应用.pdf

用遗传算法优化bp神经网络，Matlab代码版本，内含4个m程序

【预测模型】基于遗传算法优化BP神经网络房价预测matlab源码.zip

多目标遗传算法优化多目标遗传算法优化多目标遗传算法优化

基于遗传算法优化和模糊控制动态优化的自动变速器换挡规律设计.pdf

此代码允许您使用 PARSEC 方法参数化翼型形状，然后该代码使用遗传算法作为优化器，您可以查看： 1- 参数化之前的翼型2- 升力变化系数--------------------------------- 遗传算法在不使用嵌入式 MATLAB 优化器的情况下进行编码，以实现更快的计算和更简单的计算。 如果您需要通用格式的 GA 以供任何应用程序使用，请发表评论，我将上传。