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。

包括PDF版遗传算法书籍，遗传算法PPT，还有遗传算法MATLAB实现用来解决函数最值的问题。

吃豆子遗传算法引擎 遗传算法的实现来玩改良的吃豆子游戏。 该项目基于 Atif M. Alhejali 和 Simon M. Lucas 的论文 Evolving Diverse Ms. Pac-Man Playing Agents Using Genetic Programming ( ) git repo 根目录下的 pacman_results.pdf 文件中提供了示例数据，并显示了大约 230 代的 1000 pacmen 运行。

matlab终止以下代码分布式遗传算法（DGA） 内容 概述 分布式遗传算法（DGA）是MATLAB脚本，其中包含搜索最佳/次优单极性二进制代码序列（以下称为遗传优化代码（GO-code））所需的所有功能，旨在提供最大可能的编码增益。 在此脚本中，一组输入参数是可调的，其中能量增强因子F_E可以根据给定系统进行修改。 与搜索过程相关的其他参数是固定的（请参阅“输入参数”一节），这归功于DGA的鲁棒性，它们在不同的搜索目标中保持高效。 另外，在演示中，我们提供了一种衰减趋势，以考虑到EDFA增益饱和，从而对代码序列包络进行衰减。 在实际系统中，这种衰减趋势由EDFA的规格确定，可以通过测量编码序列来估计。 系统要求 硬体需求 DGA只需要一台具有足够内存以支持内存中操作的标准计算机。 为了获得最佳性能，我们建议您使用以下规格的计算机： 内存：16+ GB CPU：4+核心，2.5+ GHz /核心 以下运行时来自具有推荐规格的计算机（16 GB，4核@ 2.5 GHz）。 软件需求 DGA通过仅需要工作版本的MATLAB的MATLAB脚本来实现。 我们建议使用高于MATLAB R2015

007_基于遗传算法优化BP神经网络(GA-BP)的数据回归预测 Matlab代码实现过程

设计一个多目标遗传算法来解决两个目标函数