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。

文中通过对城市地下管线综合管理系统的研究,建立了基于GIS与遗传算法的城市地下管线合成模型,同时结合影响城市地下管线的众多因素,对遗传算法进行了改进,设计了城市地下管线最优路线的选取模型。并利用该模型对金昌市新建地下管线最优路线进行了选取,结果与实际非常吻合,这充分说明基于GIS与遗传算法的模型能够很好的利用于城市新建地下管线最优路线的选取。

【车间调度】基于遗传算法求解车间调度模型含GUI.zip

该脚本利用MATLAB-HFSS-API，在MATLAB中编写M×N阵列可重构天线的建模仿真脚本。为了快速地得到具有指定频率的开关组合状态，将遗传算法应用于该M×N阵列可重构天线。(The modeling simulation and script of M × N reconfigurable antenna array is written in MATLAB by using MATLAB-HFSS-API. In order to quickly get a switch array with target frequency, genetic algorithm is applied to M × N reconfigurable antenna array.)

在采用精英保留策略改进遗传算法的基础上,创新性地提出一种自适应双边界约束策略来改进遗传算法,使改进后的算法在提升搜索效率上效果显著,收敛性增强。实验数据表明,自适应双边界约束遗传算法应用于仓储管理的储位分配算法的寻优平均效率提升77.8%,寻优平均速度提升62.5%。

运用粒子群算法实现对几种测试函数最优解的搜寻，可对算法进行改进，提升算法的寻优性能。 粒子群算法几种改进方法： 1.权重改进：非线性权重、自适应权重等。 2.学习因子：学子因子动态调整 3.速度更新改进 4.加入新算子等等。

遗传算法基本，是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。遗传算法的手工模拟计算示例为更好地理解遗传算法的运算过程,下面用手工计算来简单地模拟遗传算法的各 个主要执行步骤。

【TSP问题】基于混沌粒子群算法求解旅行商问题matlab源码.pdf

二维遗传算法matlab代码微笑 Smile（统计机器智能和学习引擎）是一个快速而全面的机器学习系统。 凭借先进的数据结构和算法，Smile可提供最先进的性能。 Smile涵盖了机器学习的方方面面，包括分类，回归，聚类，关联规则挖掘，特征选择，流形学习，多维缩放，遗传算法，缺失值插补，有效的最近邻搜索等。 核心算法是用Java实现的并且自成体系。 核心核心机器学习库。 Scala Scala中的高级操作员。 数学线性代数，统计分布，假设检验，随机数生成器，排序，特殊函数，各种核，距离和rbf函数。 数据解析器，用于arff，libsvm，定界文本，稀疏矩阵，微阵列基因表达数据。 图在邻接表和矩阵上的图算法。 插值一维和二维插值。 NLP自然语言处理。 基于Plot Swing的数据可视化库。 Smile有充分的文献记录，请查阅的编程指南和更多信息。 通过将以下内容添加到项目pom.xml文件中，可以通过Maven中央存储库使用这些库。 com.github.haifengl smile-core</