基于遗传算法的BP神经网络优化算法。可根据自己需要训练数据。

为提升新能源汽车的整车动力性、经济性以及安全性，更精确估算车用锂电池的荷电状态值(SOC)，以纯电动汽车动力锂电池为研究对象，采用遗传算法(GA)优化BP神经网络,解决了误差逆传播存在的收敛速度慢、全局范围搜索能力弱、容易陷入局部极小值等缺陷，同时建立了基于GA-BP算法的SOC值预测神经网络模型，通过仿真实验与传统BP算法进行对比，验证该算法兼顾神经网络学习速度、误差小、全局搜索能力并满足动力电池SOC值估算要求。

MATLAB中的遗传算法优化的BP神经网络算法代码并附有实例

自用程序，稳定可靠，含数据。运行Genetic.m

结合深海集矿机的实际作业环境，建立集矿机的实时避障神经网络模型。该模型采用多传感器融合技术，将声纳传感器采集到的环境信息进行处理后作为BP神经网络的输入；设定车体的注视向量、转向角和速度为网络输出；根据集矿机实际行进情况，并综合人的行走经验，设置能够实现实时避障的网络导师训练信号。引入遗传算法对已建立BP避障模型进行改进，以克服局部极小值问题。仿真研究表明：遗传算法优化后的BP神经网络，能够有效训练达到预期目标，并能在很大程度上克服BP网络的局部极小值问题。在Matlab中给出障碍物环境中的避障仿真结果，

基于GABP神经网络的摄像机标定算法，matlab编程实现

针对如何从海量的气象数据中挖掘出有用的知识，并提高气象预报的准确度，提出了在Hadoop平台上构建基于遗传神经网络算法的天气预报方法.该方法采用遗传算法与神经网络算法相结合，避免了传统算法容易陷入局部最优的问题，并以天津市13个台站1951–2006年的地面气候资料日值数据为基础，建立了遗传神经网络预测模型，最后以降雨量等级为决策属性进行了实验.结果表明，该方法对所有降水等级的预测准确率都要优于传统的神经网络算法，对于降水等级R0的预测精度最高，达到了87%，不仅可以有效的处理海量气象数据，同时具有较高的预测精准度和良好的扩展性，为天气预报提拱了一种全新的思路和方法.

遗传算法优化BP神经网络的预测模型，代码已经调试好，附带汽油辛烷值数据，运行main103可直接使用

基于GA-BP神经网络的接触式人机协作意图理解方法研究.pdf

基于GA-BP神经网络的“雾霾”天气预测研究.pdf