BrkgaMpIpr.jl为具有隐式路径重新链接的多亲偏向随机密钥遗传算法 ( BRKGA-MP-IPR )提供了一个非常易于使用的框架。假设您有一个解码器来解决您的问题，我们可以在少于 5 个命令中设置、运行和提取最佳解决方案的值（显然，您可能需要很少的其他代码行来进行正确的测试）。 这个 Julia 版本提供了一个像 C/C++ 一样快的框架，像 Python 一样易于编码，而且它比 Matlab 便宜得多（实际上，免费）。单元和覆盖测试已完全实施，所有伪随机测试数据都经过精心设计以保证可重复性（尽管某些测试可能会因为随机数生成器的不同版本而失败）。因此，BrkgaMpIpr.jl应该适合在生产环境中使用。 如果 Julia 不适合您，我们可能会发现 C++ 版本有用。 我们还在开发 处于早期阶段的Python 版本。目前，我们没有计划以其他语言（如 Java 或 C#）实现 BRKGA-MP-IPR。但如果你想这样做，你是必须欢迎的。但是请保持 API 尽可能接近 C++ API（或 Julia API，以防您决定使用 C），并使用您选择的语言/框架的最佳编码和文档实践。

使用基本遗传算法解决 n-queen 问题

QGA_QSA 使用 Python 和 Julia 进行分布式量子模拟退火的特征子集选择的量子启发遗传算法

GA-球形-Jl 用于求解球面基准函数的遗传算法的 Julia 实现

遗传算法朱莉娅 在 Julia 中从头开始优化多个变量的实函数的简单遗传算法。 算法参数在 algo_inputs.txt 中给出： 代数 人口规模 number_genes 变量范围低 变量范围高 function_param：可用的函数是 sphere 和 schwefel。 结果示例： 左边的图表显示了人口的适应度平均值和右边的适应度最大值。

遗传算法解决目标优化问题 实例 GA 函数优化

高校排课工作作为教学管理中一个很重要的环节，影响因素较多，是一种典型的组合优化问题。群体智能算法的研究发展，为自动排课问题解决提供了可能。通过分析研究高校排课过程，选用遗传算法设计在线排课系统，并基于PHP+MYSQL平台，利用ThinkPHP框架实现高校在线排课系统。系统经过测试，取得良好效果。有效解决了排课问题。减轻了教务管理人员工作压力，提升了教学服务质量。为相关研究提供一定的借鉴。

工具箱包含使用自定义遗传算法（GA）解决旅行商问题（TSP），多旅行商问题（MTSP）和其他变化的几种功能

【TSP问题】基于遗传算法求解31城市旅行商问题Matlab源码.pdf

任务简述 在给定一个地区中候选站点的位置分布的情况下，需要根据站点间的相互位置、站点间拓扑关系限制等条件，在满足一定回传质量（根据宿主站与子站的距离是否满足某门限来判断是否满足最低回传质量要求。在实际的Relay部署时，影响回传质量的因素包括距离、地形阻挡、普通手机接入影响、ReBTS干扰、相邻基站干扰等多种复杂因素）的前提下，设计成本最优的站点部署方案，包括： （1）候选站点是安装子站还是宿主站？ （2）候选站点间的连接关系如何？