008_基于遗传算法优化BP神经网络(GA-BP)的数据分类预测 Matlab代码实现过程

本资源采用了改进的遗传算法，进行，具体改进如下： 与传统的交叉和变异的遗传方式不同，这里提出一种改进遗传操作。具体步骤是设定一个变异概率p ，如图1所示，先在染色体中随机选择一个点G1，如G1=34。产生一个随机小数，若小于p，则第二个点G2来自同一个个体的另外一个任意点，如G2=52，然后点G1和G2之间的部分被倒置；若随机小数大于p，则从种群中任意再选择一个个体，找出G1=34在该个体中，上一个位置的点，如下一个点G3=3，则回到原来的个体，点34到3之间被倒置。这种遗传的思路在于，它能尽量利用种群中获得的信息，来指引个体的变异或者导致操作，最后使得遗传算子比较高效。

经典遗传算法经典遗传算法经典遗传算法经典遗传算法经典遗传算法经典遗传算法经典遗传算法经典遗传算法经典遗传算法

多目标遗传算法优化PID参数,是M文件。内容很详细，有需要的可以下载

用matlab语言实现的算法，用于解决背包问题，带完整的中文注释

朱元国教授的“智能优化算法”课件,包括模拟退火算法、人工神经网络、遗传算法、蚁群等。模式识别、机器学习等都是用的上的。

C# .net 图像处理、神经网络、遗传算法 在网上找的资源 不过初始无法运行，已修改代码，可以运行。 支持资源共享

该压缩包中给出了典型的多背包问题，作者使用简明易懂的matlab语言对遗传算法进行编程，并对该问题进行了求解，该程序还可以求其他的背包问题以及组合优化问题。

遗传算法(genetic algorithm,GA)是一种进化算法，其基本原理是仿效生物界中的“物竞天择、适者生存”的演化法则。遗传算法是把问题参数编码为染色体,再利用选代的方式进行选择、交叉以及变异等运算来交换种群中染色体的信息,最终生成符合优化目标的染色体。 谢菲尔德(Sheffield)遗传算法工具箱是英国谢菲尔德大学开发的遗传算法工具箱。该工具箱是用MATLAB高级语言编写的，对问题使用M文件编写，可以看见算法的源代码，与此匹配的是先进的MATLAB数据分析、可视化工具、特殊目的应用领域工具箱和展现给使用者具有研究遗传算法可能性的一致环境。该工具箱为遗传算法研究者和初次实验遗传算法的用户提供了广泛多样的实用函数。 遗传算法工具箱提供了一种求解非线性、多模型、多目标等复杂系统优化问题的通用框架，它不依赖问题的具体领域，对问题的种类具有很强的鲁棒性，所以它广泛应用于各个科学领域。遗传算法在函数优化、组合优化、生产调度、自动控制、机器人学、图像处理、人工生命、遗传编码和机器学习等方面得到了广泛运用。

实现了工程测量中各种常见的沉降预测算法，包括直线拟合法、二次多项式拟合法、 三次多项式拟合法、双曲线法、对数曲线法、抛物线法、指数曲线法、泊松曲线法、星野法、Asaoka法、灰度模型GM(1,1)法、灰度模型Verhulst法、BP神经网络法、遗传算法。 各种算法的具体实现可以参考 https://blog.csdn.net/yh523/article/details/122944048。 在Visual Studio 2015中采用C#编程语言实现，使用.Net Framework 4.0。 附件资源包含可以编译运行的源代码，以及可以直接运行的exe示例程序。