遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应搜索算法。由于其具有健壮性，特别适合于于传统搜索算法解决不了的复杂的和非线性问题。

双种群遗传算法求解生产线平衡问题； 在激烈的市场竞争中，制造型企业需要最大化提高生产效率，而生产线平衡问题就是其中重要一步。运用遗传算法解决生产线平衡问题，对生产工序进行重新排列分配，从而得到一个较优解。

炉温分布可以表示为沿着炉长方向的二次函数T(S)=d0+d1*s+d2*s^2，假设预热段出口温度是765摄氏度，预热段炉长8.69米，构造函数：f(d0,d1,d2) = (8.69^2*d0 + 8.69*d1+d2-765)^2。采用C++编程遗传算法计算出一组d0、d1、d2参数使其 f(d0,d1,d2) 最小。

基于混合粒子群的TSP搜索算法：粒子群优化算法结合遗传算法的交叉变异算子应用于TSP问题中，能够取得不错的效果。

修正后的遗传算法工具箱，可直接在MATLAB上安装使用，并附有安装教程，节省安装时间。

GA_for_Feature_Selection 使用遗传算法结合决策树做特征选择 Using genetic algorithm for feature selection with decision tree 原始遗传算法参考 import numpy as np import pandas as pd import random data_train = pd.read_csv('\data_train.csv') data_test = pd.read_csv('\data_test.csv') #合并训练集测试集 data = data_train.append(data_test).drop(['id'], axis=1) feature_names = data.columns pop_size = 20 # 种群数量 max_value = 10 #

无刷直流电机是一种多变量和非线性的控制系统,传统的控制方法很难满足对它的精确控制。近代模糊控制理论在无刷直流电机的控制中得到了广泛的应用,提高了控制系统的性能。但是,在模糊控制器控制规则优化和参数在线调整方面还存在着许多不足。针对这些问题,本文提出了一种使用遗传算法优化的模糊控制器,并且应用到无刷直流电机的控制中。系统采用双闭环控制,内环采用电流负反馈对电机转矩进行调节;外环应用模糊控制器进行速度控制,通过遗传算法离线优化模糊控制规则和在线调节模糊控制器的参数以提高系统的动态性能。同时本文使用Matlba和电机仿真软件矶Ssim对无刷直流电机的速度控制进行了软件仿真。

变异概率对收敛性的影响 变异操作是对种群模式的扰动，有利于增加种群的多样性 。但是，变异概率太小则很难产生新模式，变异概率太大则会使遗传算法成为随机搜索算法。

遗传算法求解vrp问题(为选择操作从新设计后程序) D是距离矩阵，n为种群个数 C为停止代数，遗传到第 C代时程序停止,C的具体取值视问题的规模和耗费的时间而定 m为适配值淘汰加速指数,最好取为1,2,3,4,不宜太大 交叉概率Pc，变异概率Pm R为最短路径,Rlength为路径长度

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：协同进化遗传算法_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员