多目标优化的免疫遗传算法，通常多目标问题中各个目标函数不可能找到使每个函数都同时满意的解，而只能是在各目标函数之间进行协调折衷［１］。在过去的一段时间里，国内外学者提出了许多的多目标优化算法。如文献［２］提出了ＳＰＥＡ充分利用ｐａｒｅｔｏ最优解的概念，将种群的最优个体储存在种群外，通过不断更新而获得ｐａｒｅｔｏ最优解，但该方法获得在各个子目标都同时达到最少值的ｐａｒｅｔｏ最优解所在区域内，所获ｐａｒｅｔｏ最优解较少；

基于MATLAB的遗传算法的参考代码程序

遗传算法代码，外加个人理解希望大吉你可以多多交流

遗传算法优化神经网络matlab代码，里面有详细的说明

复合材料结构优化 遗传算法 改进的遗传算法

量子遗传算法对标准函数的优化，在matlab下的源程序

基于matlab遗传算法实现，说明遗传算法在TSP问题的具体实现方式。

修改了网上不对的程序，可以用遗传算法求解。并画出甘特图

遗传算法的避障程序，在MATLAB即可打开

二维遗传算法matlab代码DART任务优化项目 上次更新时间：2020年8月6日项目背景和当前目标 NASA的双小行星重定向测试（DART）任务涉及让飞船执行动力学冲击，以改变Dimorphos围绕母体Didymos的轨道轨迹。 所使用的航天器配备了NEXT离子推进器，虽然并不需要击中目标，但可以用作技术演示。 对于本项目，我们的目标是使用推进器找到最佳轨迹，该轨迹将导致与目标的速度差异更大，从而使Dimorphos的轨道发生更有效的变化。 除了优化DART任务的有效性外，该项目还旨在优化寻找解决方案的过程。 当前，用于寻找最佳轨迹的工具是利用一种遗传算法，该遗传算法使用Nvidia的CUDA平台来优化参数，从而导致击中星号并最大化速度差。 在开发的当前阶段，重点在于改进和验证遗传算法在寻找对星号产生影响的有效参数方面的有效性。 正在优化的参数如下 变量名 单位 描述 出行时间 秒（秒） 航天器从离开地球影响圈到受到Dimorphos撞击的行程需要多长时间，撞击日期由NASA预先确定，但发射日期很灵活，因此该变量也会影响航天器的初始位置和速度当它离开地球的势力范围时 阿尔法发射角 弧