本书总结了遗传算法在工业工程相关领域应用的前沿进展。全书共分9章：遗传算法基础、组合优化问题、多目标优化问题、模糊优化问题、可靠性设计问题、调度问题、高级运输问题、网络设计与路径问题和制造元设计问题。内容既涵盖了遗传算法在传统优化问题中的新进展，又涉及了目前在供应链和物流研究中相当热门的话题。本书论述严谨、深入浅出，并有大量图形和表格，便于读者深入理解其内容。

电力系统无功优化智能算法研究.pdf

matlab优化算法案例分析全部代码，帮助广大学生结合教材在MATLAB上深入学习。

介绍了多目标优化问题，使用进化算法求解是较好方式。

【优化求解】基于生物地理学结合重力引力搜索优化求解算法matlab源码.md

遗传算法实现多目标优化，有约束条件的！用C语言实现的@

飞蛾扑火优化(MFO)算法是一种新颖的群智能优化算法,该算法的主要灵感来源于飞蛾在自然界中被称为横向定位的飞行方式.作为一种新提出的仿生群智能优化算法,分析了飞蛾扑火优化算法的生物学原理,对算法的实现过程建立了数学模型.通过典型的函数优化对算法进行了仿真测试,结果显示飞蛾扑火优化算法是可行性的、有效的.最后,对将来的工作做进一步的展望. 本算法使用Java语言实现的飞蛾扑火优化算法。

以下混沌图已集成到 BBO 算法中： 切比雪夫地图圆形地图高斯/鼠标图迭代映射物流地图分段图正弦图歌手地图正弦图帐篷地图 CBBO1 到 CBBO10 有混沌选择算子 CBBO11 到 CBBO20 有混乱迁移算子 CBBO21至CBB30具有混沌突变算子 CBBO31至CBBO40结合了混沌选择和迁移算子 CBBO41 到 CBBO50 结合了混沌选择、迁移和变异算子 请注意，除主文件外，其他文件最初由 Dan Simon 教授编写，但由我们修改以开发 CBBO 算法。 您可以在以下位置找到 BBO 算法的原始源代码： http : //academic.csuohio.edu/simond/bbo/ CBBO算法是以下论文的源代码： 主要论文： S. Saremi、S. Mirjalili、A. Lewis，基于生物地理学的混沌优化，神经计算和应用，印刷中，2014 年，Spr

NSGA-Ⅱ是最流行的多目标遗传算法之一，它降低了非劣排序遗传算法的复杂性，具有运行速度快，解集的收敛性好的优点，成为其他多目标优化算法性能的基准。NSGA-Ⅱ就是在第一代非支配排序遗传算法的基础上改进而来，其改进主要是针对如上所述的三个方面： ①提出了快速非支配排序算法，一方面降低了计算的复杂度，另一方面它将父代种群跟子代种群进行合并，使得下一代的种群从双倍的空间中进行选取，从而保留了最为优秀的所有个体； ②引进精英策略，保证某些优良的种群个体在进化过程中不会被丢弃，从而提高了优化结果的精度； ③采用拥挤度和拥挤度比较算子，不但克服了NSGA中需要人为指定共享参数的缺陷，而且将其作为种群中个体间的比较标准，使得准Pareto域中的个体能均匀地扩展到整个Pareto域，保证了种群的多样性。

【BP预测】基于Sine混沌映射优化麻雀算法改进BP神经网络实现数据预测.zip