针对目标函数系数和约束条件系数均在椭球扰动集下的不确定多目标线性规划, 提出了椭球扰动集下的鲁棒多目标线性规划问题。基于每个目标均需获得鲁棒解的假设下给出了定理及证明, 以此把原问题转换为具有二阶锥约束的确定性多目标优化问题。设计了一种混合策略求解算法, 整体流程采用多目标遗传算法, 局部采用SOCP优化软件Sedumi进行计算, 从而获得不确定多目标线性规划的鲁棒解集, 并通过数值算例验证了该算法的有效性。

遗传算法matlab参考程序

出了一个全新的混合算法并命名为微粒群差分算法，该算法在标准微粒群算法的基础上结合了差分进化算法用于求解约束的数值和工程优化问题。传统的标准微粒群算法由于其种群单一性容易陷入局部最优值，针对这一缺点利用差分进化算法中的变异、交叉、选择3个算子来更新每次迭代每个粒子新生产的位置以使粒子跳出局部优值。融合了标准微粒群算法和差分进化算法优点的混合算法加速了粒子的收敛速度。为了避免惩罚因子的选择对实验结果的影响，采取了可行规则法来处理约束优化问题。最后将微粒群差分算法用于5个基准函数和两个工程问题，并与其他算法作了比较，试验结果表明，微粒群差分算法算法具有很好的精准性、鲁棒性和有效性。

基于粒子群算法的移动机器人路径规划，可直接运行，障碍物比较简单，可以自己做调整，程序还不错

硬时间窗 遗传算法 matlab,基于遗传算法的多种运输工具或带时间窗的路径优化问题(VRP)的求解（MATLAB）代码

针对心肌梗死（myocardial infarction，MI）12导联高频心电信号（high frequency electrocardiogram，HF-ECG）全局特征聚类问题，提出了一种计算机自动聚类算法。收集MIT-BIH标准心电数据库中的健康心电信号、早期心肌梗死心电信号、急性期心肌梗死心电信号、近期心肌梗死心电信号进行处理。应用二维主分量判别法（two dimensional principal component analysis，2D-PCA）对12导联HF-ECG进行融合特征提取，并应用基于均方差属性加权的遗传模拟退火K-means改进聚类算法。与常规K-means聚类算法相比，特征值更加简单直观，所提算法平均分类精度有较大提高，能对12导联HF-ECG进行更有效的聚类。

这个简化的Matlab演示代码展示了如何使用Hybrid Firefly –遗传算法解决全局优化问题。 此混合算法是混合萤火虫–遗传算法的简化版本，旨在解决Zervoudakis K.，Tsafarakis S.，Paraskevi-Panagiota S.（2020）提出的一种新的混合萤火虫–遗传算法，用于解决离散产品线设计问题。最佳产品线设计问题。 在：Matsatsinis N.，Marinakis Y.，Pardalos P.（eds）学习和智能优化中。 LION2019。计算机科学讲座，第11968卷。ChamSpringer。 https://doi.org/10.1007/978-3-030-38629-0_23

信用评估是商业银行等机构防范风险的重要途径，为了提高信用评估的准确率，使用随机森林（RF）来建立风险评估模型。针对随机森林模型的性能与参数的选择和数据集不平衡比例密切相关，提出了一种基于随机森林的组合分类算法（KM-GA-RF）。以UCI数据库中的German数据集进行研究，通过K-means算法对标签进行类分解。而对于哪个类分成的簇数（ki）以及随机森林算法自身的参数：树数（n_estimators）、特征数（max_features），使用改进的遗传算法对其进行优化选取。实验结果表明，基于随机森林的组合优化模型与传统RF以及其他算法进行比较，RF的预测精度高于支持向量机等算法，达到0.765，而提出的组合优化模型的预测精度为0.815，提高了5%。

关于遗传算法的MATLAB程序，是M文件的，里头一共有好几个文件来着，要需要的话就下吧

粒子群算法解决TSP问题的关键在于全局最优值的定义和本次种群最优值的定义，本算例通过对点的位置进行最优值的定义，每次迭代各个点以概率的形式朝着全局最优和本次最优靠近。程序可直接运行，有部分程序说明。