An Introduction to Genetic Algorithms Mitchell Melanie A Bradford Book The MIT Press Cambridge, Massachusetts • London, England Fifth printing, 1999

Jupyter / Binder生物程序的示例：纳米簇的遗传算法 作者：Geoffrey R. Weal和Anna L. Garden博士（奥塔哥大学，但尼丁，新西兰） 小组页面： : 佩奇援引以下工作的话：开发一种结构比较方法，以促进对纳米团簇的整体优化中对势能面的探索； Geoffrey R. Weal，Samantha M. McIntyre和Anna L. Garden； JCIM； 在提交阶段。 该存储库旨在提供有关如何使用“有机体”程序的示例。 Organisms程序旨在执行针对纳米团簇的遗传算法全局优化。 它的设计灵感来自伯明翰群集遗传算法和Roy Johnston集团的伯明翰并行遗传算法。 可以在线查看有关有机体计划的文档。 请参阅有关如何安装有机体的文档，包括如何通过PIP进行安装。 可在找到有关Organisms程序的github页面。 要通过Bind

遗传和蚁群优化算法(C++) Genetic_and_Ant_Algorithms_src,遗传和蚁群优化算法(C++) Genetic_and_Ant_Algorithms_src,遗传和蚁群优化算法(C++) Genetic_and_Ant_Algorithms_src

C ++遗传算法 这是使用C ++实现的遗传算法，遗传算法针对不同的问题实现起来细节可能不一样，这里罗列一下当前的实现方式具有的特性： 通过锦标赛算法选择个体 通过从上一代中剔除低适应度个体的方式消除劣质解 个体由一条染色体组成，所以程序不区分个体和染色体两个概念 通过实数编码组成染色体，重新获得De jong函数f2在-2.048到2.048范围内的对应 通过两个染色体相同位置基因求和再平均进行染色体交叉 通过高斯分布的随机数对基因进行变异操作 适应度取1 /（0.01 + f2） 算法的参数可以通过修改main.cpp中run方法的输入参数来改变 另外，程序通过针对对象方式实现和类名称和文件名存在严格的对应关系，命名都采用驼峰命名法，以及虽然不多但是每个方法和成员属性都有中文注释。 环境需求 Cmake推荐使用版本3.10以上的，否则参考CMakeLists.txt中的注释修改版本。

Corporate_Credit_Rating_using_Deep_Learning_with_Genetic_Algorithms Birk Carlenius

遗传算法 一个使用遗传算法执行参数优化的python库

遗传算法Python程序 Hands-On-Genetic-Algorithms-with-Python-master.zip

采用基于工序编码的交叉算子，对传统车间调度问题使用遗传算法求解。并采用基准的实例进行验证，例如FT6 或者MT6等。注释比较全面，代码可读性好。

此工具箱是英国设菲尔德（Sheffield）大学编写的MATLAB遗传算法工具箱，是使用的最广泛的遗传工具箱之一。在《MATLAB 遗传算法工具箱及应用》作　者：雷英杰 出版社：西安电子科技大学出版社 这本书中重点介绍了此工具箱。

有关遗传编程的程序代码。程序结构采用树编码。