matlab遗传算法仓库拣货距离最短代码。纯自己手打还有其他算法优化的matlab程序代码。也可根据具体要求定制。

标准遗传算法与多种群遗传算法Matlab代码，求解函数最值，GA包含交叉变异。多种群遗传算法MPGA包含移民操作。

自适应遗传算法的代码！对于初学者帮助很大！欢迎大家下载学习！

遗传算法，matlab编程实现。 1、直接运行main函数，得到结果 2、可以根据自己的需要设置目标函数targetfun.m的内容，设置好之后直接运行main.m； 3、可以在main.m中根据需要设置迭代次数、交叉概率，变异概率等。 PS: 文件包含以下内容 main.m %主函数 crossover.m %交叉操作 fitnessfun.m %计算适应度函数 IfCrolfMut.m %判断遗传运算是否需要进行交叉或变异 mutation.m %变异 selection.m %选择 targetfun.m %目标函数 transform2to10.m %若为2进制数据，调用函数转换为10进制

moead遗传算法matlab代码，包括很多目标测试函数。多目标

这是一个用matlab实现的完整的遗传算法的代码，目标函数为二元函数，目标是求最小值。用户只需稍微调整参数即可使用。

自适应遗传算法matlab代码，很实用啊，快下吧

简单的遗传算法，计算函数最值. function ga_main() % 遗传算法程序 % n-- 种群规模% ger-- 迭代次数% pc--- 交叉概率% pm-- 变异概率 % v-- 初始种群（规模为n）% f-- 目标函数值% fit-- 适应度向量 % vx-- 最优适应度值向量% vmfit-- 平均适应度值向量 clear all; close all; clc;%清屏 tic;%计时器开始计时 n=20;ger=100;pc=0.65;pm=0.05;%初始化参数 %以上为经验值，可以更改。 % 生成初始种群 v=init_population(n,22); %得到初始种群，22串长，生成20*22的0-1矩阵 [N,L]=size(v); %得到初始规模行，列 disp(sprintf('Number of generations:%d',ger)); disp(sprintf('Population size:%d',N)); disp(sprintf('Crossover probability:%.3f',pc)); disp(sprintf('Mutation probability:%.3f',pm)); %sprintf可以控制输出格式 % 待优化问题 xmin=0;xmax=9; %变量X范围 f='x+10*sin(x.*5)+7*cos(x.*4)'; % 计算适应度，并画出初始种群图形 x=decode(v(:,1:22),xmin,xmax);"位二进制换成十进制，%冒号表示对所有行进行操作。 fit=eval(f);%eval转化成数值型的 %计算适应度 figure(1);%打开第一个窗口 fplot(f,[xmin,xmax]);%隐函数画图 grid on;hold on; plot(x,fit,'k*');%作图,画初始种群的适应度图像 title('(a)染色体的初始位置');%标题 xlabel('x');ylabel('f(x)');%标记轴 % 迭代前的初始化 vmfit=[];%平均适应度 vx=[]; %最优适应度 it=1; % 迭代计数器 % 开始进化 while it<=ger %迭代次数 0代 %Reproduction(Bi-classist Selection) vtemp=roulette(v,fit);%复制算子 %Crossover v=crossover(vtemp,pc);%交叉算子 %Mutation变异算子 M=rand(N,L)<=pm;%这里的作用找到比0.05小的分量 %M(1,:)=zeros(1,L); v=v-2.*(v.*M)+M;%两个0-1矩阵相乘后M是1的地方V就不变，再乘以2. NICE!!确实好！！！把M中为1的位置上的地方的值变反 %这里是点乘 %变异 %Results x=decode(v(:,1:22),xmin,xmax);%解码，求目标函数值 fit=eval(f); %计算数值 [sol,indb]=max(fit);% 每次迭代中最优目标函数值，包括位置 v(1,:)=v(indb,:); %用最大值代替 fit_mean=mean(fit); % 每次迭代中目标函数值的平均值。mean求均值 vx=[vx sol]; %最优适应度值 vmfit=[vmfit fit_mean];%适应度均值 it=it+1; %迭代次数计数器增加 end

自适应遗传算法matlab代码。针对函数求解的最优化问题，采用交叉概率和变异概率随适应度自适应变化的遗传算法进行优化。

非常实用的自适应遗传算法matlab代码.........对正在从事系统辨识的人很有帮助的........