利用遗传算法求解方程的解，附详细注释，可以在基础上进行修改。

基于遗传算法的非支配排序算法（NSGA_II）是用于求解多目标规划问题的一种方法。 通过帕累托支配求解帕累托最优解可以有效得到多目标函数的求解结果。 为优化帕累托最优解，运用遗传算法对求解结果进行优化。 但同时遗传算法具有未成熟收敛、群体规模对性能影响大、结果受初始值影响较大等缺点，因此利用多种群遗传算法对求解结果进行进一步优化，运用移民算子联系各个种群，运用精华种群保存每代最优结果。 **运行程序请优先下载谢菲尔德大学的MATLAB遗传算法工具箱

一个非常好的理解遗传算法的案例，让你轻轻松松学会GA遗传算法

资源里面包含了遗传算法的三个案列分析和对应程序，方便初学者使用。

多种群遗传算法的函数优化算法,基于遗传算法的LQR控制器优化设计,有助于遗传算法和matlab语言学习，有什么问题可以私信我

引言 　　是如何把分布在不同地理位置上的计算资源、存储资源、通信资源、软件资源、信息资源和知识资源等通过Internet整合成一台巨大的超级计算机，实现各种资源的全面共享，是网格任务调度的主要工作任务。资源管理是网格技术的关键。 　　用户通过向网格系统提交计算任务，以此来共享网格资源，网格调度程序再把这些任务分配给合适的资源。高效的调度策略或算法可以充分利用网格系统的处理能力，达到提高应用程序性能的面对。在目前的网格调度算法研究中，主要目标是提高吞吐率和系统的使用率，实现经济系统和用户的约束条件，使得在整个系统中网格应用任务的完成时间达到最小化。 　　遗传算法（IGA）是建立一个调度的集合并从

Python基于遗传算法实现智能排课系统源码.zip

基于python开发的通过人脸识别遗传病的机器学习系统源码+模型文件+项目说明.zip 【项目结构】 deep_learning文件夹中包含训练端到端神经网络模型的Jupyter文件，文件夹中代码根据分类问题进行组织。 traditional_ml文件夹中包含使用基于传统机器学习的非端到端模型的jupyter文件，文件夹中代码根据分类问题进行组织。 dataset文件夹中包含训练中所使用数据，该数据由于人脸图片隐私性未上传github，可根据论文中提供的数据集获取途径以及搜索引擎获取。 normalized_dataset文件夹用于存放经过图像预处理的图像。 backend文件加中包含可视化程序后端部分代码

基于Matlab的GUI设计遗传算法优化软件.pdf

遗传算法多目标函数优化MATLAB代码遗传基因 本文的仿真源代码。 抽象的 我们解决了认知无线电网络中的功率控制问题，在该网络中，次要用户利用空间频谱机会而不会对主要用户造成不可接受的干扰。 提出了一个优化问题，旨在最大程度地提高次要用户的效用并确保主要和次要用户的QoS。 为了解决功率分配问题，提出了一种遗传算法，并提出了两种适应度函数。 第一个旨在最小化辅助网络的总发射功率消耗。 第二个是多目标函数，面向联合优化次级网络的总容量和发射功率消耗。 结果表明，基于多目标适应度函数的遗传算法辅助功率控制方案的性能接近最佳。 入门 为了运行仿真，您需要Matlab 2015a或更高版本以及与已安装的Matlab版本兼容的C编译器。 在命令行中输入： git clone https://github.com/raikel/GeneticCrn 打开Matlab并将源目录src （及其所有子文件夹）添加到Matlab搜索路径。 在Matlab工作区中，打开目录src\lib\mex并在命令窗口中键入： compile 这将编译所有源mex文件。 要使用默认参数值运行仿真，请在Matlab命令窗