JAVA遗传算法解决车间调度问题 下面给出作业车间调度问题的一个实例，其中每个工序上标注有一对数值（m,p），其中，m表示当前工序必须在第m台机器上进行加工，p表示第m台机器加工当前工序所需要的加工时间。（注：机器和作业的编号从0开始）  jop0=[(0,3),(1,2),(2,2)]  jop1=[(0,2),(2,1),(1,4)]  jop2=[(1,4),(2,3)] 在这个例子中，作业jop0有3道工序：它的第1道工序上标注有(0,3)，其表示第1道工序必须在第0台机器上进行加工，且需要3个单位的加工时间；它的第2道工序上标注有(1,2)，其表示第2道工序必须在第1台机器上进行加工，且需要2个单位的加工时间；余下的同理。总的来说，这个实例中共有8道工序。 该问题的一个可行解是L=8道工序开始时间的一个排列，且满足问题的约束。

IPC-J-STD-001GA/A-610GA: J-STD-001G（电气与电子组件的焊接要求）与IPC-A-610G（电子组件的可接受性）的汽车补充标准

GA 遗传算法 最短路径 万能代码 matlab

py-ga-VRPTW-master.zip

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

GA遗传算法和ELM极限学习机相结合的Matlab仿真代码，是一个matlab工程，希望可以帮助到你，助你一臂之力

图像识别，矿井通风，脑图片分割

摘要：阀控铅酸蓄电池的老化机理复杂.劣化程度受多种因素影响.因此较难预测.在分析影响蓄电池劣化程度的多种因素的基础上，采用Elman神经网络方法对电池劣化程度预测建立模型，并通过遗传算法对预测模型中的初始权值和阈值进行优化，根据浅度放电的测量数据进行劣化程度的预测.仿真结果表明：该模型达到了对电池劣化程度准确预测的目的.通过与实测数据的对比，证明该模型具有较高的有效性. 　　蓄电池目前被广泛地应用于汽车.电动车.UPS电源以及EPS电源系统等多个领域.阀控铅酸蓄电池（Valve RegulatedLead Acid Battery,VRLAB）是目前使用最为广泛的蓄电池，尤其是在电力.通信.

ＧＡ　优化函数　或者图像　代码简洁处理速度快

.m文件可直接使用，采用传统遗传算法，三维实数编码，解决柔性作业车间调度问题，工件数量与工序数量可自行调节。