经典leach算法，和PSO算法，有想法的同学可以融合在一起，便于对比仿真。亲测有效

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

matlab代码粒子群算法哈里斯鹰队优化（HHO） 该存储库包含用于优化基准功能的Harris Hawks优化代码（matlab M文件）： . ├── img | ├── convergence-2d.png | ├── convergence-50d.png | ├── logo.jpg | ├── schwefel_222.gif | └── trajectory.png ├── _config.yml ├── hho.m —— [function of harris hawks optimization] ├── LICENSE ├── README.md └── test.m —— [a test for 'hho.m'] 用法 [fbst, xbst, performance] = hho ( objective, d, lmt, n, T, S ) 在哪里 objective是目标功能的功能句柄 d是设计变量的尺寸 lmt是设计变量的限制； 是具有d行和2列的矩阵，第一列包含所有维度的下限，而第二列包含所有维度的下限。 n是粒子群的总体大小 T是最大迭代时间。 fbst是

设计一个多目标遗传算法来解决两个目标函数

基于一维算法的一维下料问题模型计算，仅供参考。不谢

擅长智能优化算法、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仿真。

根据粒子群相关改进论文编辑，内部包含粒子群算法源码、改进后粒子群算法代码、测试函数集合文件改进文献来源，两种算法均已编辑为函数模式方便进行对比，亲测可用，可用作论文写作中算法对比。