合理的轧制规程是使轧制过程达到最佳状态的重要保证。轧制规程涉及的有关数学模型和需要考虑的约束条件较多，因此其优化设计也较为复杂。应用遗传算法进行轧制规程优化设计，即以负荷均衡和板形良好为目标，在一定的约束条件下，对压下率分配比进行编码。通过遗传算子操作并保留每代优势个体，从而得到冷连轧轧制规程。对某1370冷连轧机进行设计比较，表明该方法优化速度快，适合在实际中应用。

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。

matlab代码粒子群算法基于运动的校准 Matlab方法结合运动结构和Levinson方法校准Velodyne相机系统 除了我们自己的方法外，这些脚本还使用以下代码： ICP- 另一个粒子群工具箱- Kabsch算法的实现-

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Matlab的GUI设计遗传算法优化软件.pdf