对于背包问题，如果使用传统的遗传算法求解会发现最优解很容易得出局部最优解，此时若在遗传算法中加入贪婪算子会使得算法每次都能得到全局最优解，该代码实现了贪婪遗传算法。

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。