为了改善粒子群算法的优化性能，解决阵列天线波束赋形关于离散的优化问题处理不佳、容易陷入局部最优的问.题，提出了一种新型的粒子群算法。该算法基于基本粒子群算法，引入控制因子和遗传算法的交叉变异机制，并 应 用 于 八.单元偶极子圆环阵列天线。仿真结果表明，新型粒子群算法收敛速度快、精度高。

遗传算法在很多领域都十分有用，作为电力系统的学生，常常需要用遗传算法进行无功优化求解，因此基础遗传算法的掌握是必不可少的

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。

针对旅行商问题(TSP)优化中,遗传算法(GA)容易陷入局部最优、模拟退火算法(SA)收敛速度慢的问题,提出一种基于改进遗传模拟退火算法(IGSAA)的TSP优化算法.首先根据优化目标建立数学模型;然后对遗传算法部分中的适应度函数、交叉变异算子进行改进,使算法能够更加有效地避免陷入局部最优;最后根据旧种群和新种群每个对应个体的进化程度提出一种改进自适应的Metropolis准则,使模拟退火算法部分的染色体跳变更具有自适应性,利于算法寻优.对不同TSP实例的实验结果表明,与其他路径优化算法优化结果相比,所提出的IGSAA算法能够对不同TSP实例优化得到更优的旅行路径.

此提交包括遗传算法 (GA) 的主要组成部分，包括选择 + 交叉 + 突变 + 精英主义。 每个都有相应的功能，并且 GA 也已开发为一个功能。 当然，它是 GA 算法的离散（二进制）版本，因为所有基因都可以分配 0 或 1。 更多信息请访问 www.alimirjalili.com 我有很多这方面的相关课程。 您可以通过以下链接注册，享受 95% 的折扣： ****************************************************** ****************************************************** ******************************************** 一门关于“优化问题和算法：如何理解、制定和解决优化问题”的课程： https://www.udemy.com/optimisa

标准遗传算法与多种群遗传算法Matlab代码，求解函数最值，GA包含交叉变异。多种群遗传算法MPGA包含移民操作。

一个遗传算法C++类库 在很多方面用得着 里面有很多例子

这里是最短路径规划的代码，主要应用了自适应，汉明距离，交叉变异和邻域搜索。其中，汉明距离，交叉变异，邻域搜索的代码都以.m类的形式单独提取，方便大家的引用。最后，代码完整可以运行。

遗传算法MATLB程序，里面有遗传算法的选择、交叉、变异函数，一些简单的MABTLAB遗传算法例子

使用matlab编程实现了单目标求最值问题，层次非常分明，适合初学者使用。