TSP (traveling salesman problem，旅行商问题)是典型的NP完全问题，即其最坏情况下的时间复杂度随着问题规模的增大按指数方式增长，到目前为止还未找到一个多项式时间的有效算法。本资源给出了“基于遗传算法的一个TSP问题求解”的matlab完整源代码。

目前，传统自调整PID控制器回路中存在目的误差、平均误差和透过误差较多的现象，容易造成工艺数据控制不精确。为此，提出一种基于免疫遗传算法优化的自调整PID控制器研究方案。首先确定PID控制器系统硬件结构，采用免疫遗传算法对自调整PID控制器回路中的积分单元以及微积分计算进行优化，有效避免了目的误差的产生，使用交叉与变异算子调整比例单元以及比例微分单元，借鉴数据交叉适应度值有效控制系统出现稳定性差变、降低平均误差以及透过误差出现的概率，保证工艺数据控制精度，有效解决了上述问题。仿真实验证明，基于免疫遗传算法优化的自调整PID控制器能够对工艺数据进行高精度控制，具有实践意义，能为自调整PID控制器研究发展提供帮助。

图8.8 绘图对话框 当点击Start按钮时，遗传算法工具显示每一代适应度函数的最佳值和平均值的绘制图 形。当算法停止时，所出现的图形如图8.9所示。 图8.9 各代适应度函数的最佳值和平均值 在每一代中，图的底部的点表示最佳适应度值，而其上的点表示平均适应度值。图的顶 部还显示出当前一代的最佳值 0.0067796 和平均值 0.014788。 为了得到最佳适应度值减少到多少为更好的直观图形，我们可以将图中 y 轴的刻度改 最佳值 0.0067796 平均值 0.014788

系统的介绍了遗传算法理论，通俗易懂，对于GA初学者很有价值

用matlab编写的自适应遗传算法, 分别实现了选择,交叉,变异等步骤,简单明了,很好用.

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仿真代码

由 Denis Cormier(North Carolina State University)开发的，Sita Raghavan(University of North Carolina at Charlotte)修正的遗传算法C代码。

遗传算法排课matlab代码ScheduleOptimizationGA 使用遗传算法优化大学系课程表 笔记 存储库包含： C ++源代码（ src/ ）， 样本输入和输出数据（ *.data ）， MATLAB代码以可视化输出数据（ *.m ）， 样本可视化（ *.eps ）。

本书较全面系统地介绍了应用人工神经网络和遗传算法解决水科学问题的最新研究成果。在理论方面：将人上神经网络技术应用于解决复杂、模糊高度非线性洪水、水沙的预测预报问题，提出了基丁人工神经网络的峰值识别理论，采用遗传算法优化神经同络的初始权重，实现了人工神经网络与遗传算法的有机结合。

遗传算法原理