遗传算法解决背包问题的一个很直观化的可运行demo，使用unity独立制作，仅供学习参考

资源包含文件：设计报告word+项目源码 基于神经网络和遗传算法的unity开发框架，可以轻易的应用到各种不同类型的游戏中 详细介绍参考：https://blog.csdn.net/sheziqiong/article/details/125622382

一个简单的人工神经网络和遗传算法例子，可以起到很好的借鉴作用，可以看看。

考虑环网检测的配电网拓扑重构遗传算法

遗传算法是基于达尔文进化论和孟德尔遗传学而发展形成，它是处理非线性模型参数估计的一类通用性较强的寻优方法。遗传算法寻求最优解的基本思想是：从代表问题的可能潜在解集的一个种群出发，此种群由基因编码的一定数目的个体组成，每个个体实际上是带有特征染色体的实体。染色体作为带有遗传物质的主要载体，其内部表现（即基因型）是某种基因的组合，它决定了个体的形状的外部表现。

今天整理之前写的代码，发现在做数模期间写的用python实现的遗传算法，感觉还是挺有意思的，就拿出来分享一下。 首先遗传算法是一种优化算法，通过模拟基因的优胜劣汰，进行计算（具体的算法思路什么的就不赘述了）。大致过程分为初始化编码、个体评价、选择，交叉，变异。 遗传算法介绍 遗传算法是通过模拟大自然中生物进化的历程，来解决问题的。大自然中一个种群经历过若干代的自然选择后，剩下的种群必定是适应环境的。把一个问题所有的解看做一个种群，经历过若干次的自然选择以后，剩下的解中是有问题的最优解的。当然，只能说有最优解的概率很大。这里，我们用遗传算法求一个函数的最大值。 f(x) = 10 * si

将遗传算法应用于供水管网RPV（即减压阀）的一个实例。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab代码模型及运行结果

0积分下载，代码运行效果图见压缩包

用matlab 实现的标准遗传算法,实现选择,交叉,变异操作.