遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向（最优解）进化，进化过程中，会自动选择优良基因，淘汰劣等基因。 遗传算法（英语：genetic algorithm (GA) ）是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择、杂交等。 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值，选出 前 parent_number 个 个体作为 待选 parent 种群（适应度函数的值越小越好） 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体，进行交叉，产生 2 个子代。（交叉概率） 对子代（parent + 生成的 child）的染色体进行变异。（变异概率） 重复3,4,5步骤，直到新种群（parent_number + child_number）的产生。 循环以上步骤直至找到满意的解。 本资源包含遗传算法+matlab+原理介绍+示例源码

基于matlab的遗传算法优化，具体模型是火力发电模型

遗传算法在MatlAB上的工具箱的使用说明，包括一些基本操作和使用规则，对遗传算法的快速开发和上手，具有指导意义

非支配排序遗传算法matlab代码PlatEMO_research 平板电脑 进化多目标优化平台 100多种开源进化算法 120多个开源多目标测试问题 强大的GUI可并行执行实验 一键式生成Excel或LaTeX表格式的结果 最先进的算法将不断被包括在内 非常感谢您使用PlatEMO。 PlatEMO的版权属于BIMK集团。 该工具主要用于研究和教育目的。 这些代码是根据我们对论文中发布的算法的理解而实现的。 您不应以网站上的材料或信息为依据来做出任何业务，法律或任何其他决定。 我们对您在工具中使用任何算法所造成的任何后果不承担任何责任。 使用该平台的所有出版物都应承认使用“ PlatEMO”并参考以下文献： 版权 PlatEMO的版权属于BIMK组。 您可以自由地进行研究。 使用该平台或平台中任何代码的所有出版物都应承认使用“ PlatEMO”，并引用“田野，程然，张兴义和金耀初，PlatEMO：用于进化多目标优化的MATLAB平台[教育论坛] ]，IEEE计算智能杂志，2017，12（4）：73-87“。 @article{PlatEMO, title={{PlatEMO}: A

遗传算法是一种应用领域很广，解决问题效果较好的一种启发式算法，在解决调度问题中有很好的作用

车间调度问题，用遗传算法实现，并给出源代码，希望对大家有用

遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。附件为GAmatlab代码

遗传算法matlab参考程序

硬时间窗 遗传算法 matlab,基于遗传算法的多种运输工具或带时间窗的路径优化问题(VRP)的求解（MATLAB）代码

这个简化的Matlab演示代码展示了如何使用Hybrid Firefly –遗传算法解决全局优化问题。 此混合算法是混合萤火虫–遗传算法的简化版本，旨在解决Zervoudakis K.，Tsafarakis S.，Paraskevi-Panagiota S.（2020）提出的一种新的混合萤火虫–遗传算法，用于解决离散产品线设计问题。最佳产品线设计问题。 在：Matsatsinis N.，Marinakis Y.，Pardalos P.（eds）学习和智能优化中。 LION2019。计算机科学讲座，第11968卷。ChamSpringer。 https://doi.org/10.1007/978-3-030-38629-0_23