搜索资源列表
VC_GAD
- 简单遗传算法VC实现，包括选择，交叉，变异以及种群初始化-simple genetic algorithm VC, including the selection, crossover and mutation, and initialization Stocks
Optimizers
- 一系列好用的用户友好的启发式优化算法，包括非自适应算法，基于模拟退火算法的种群算法，基本遗传算法，差分进化算法以及粒子群优化算法。此外，也包括神圣算法，它利用了所有这些优化算子，虽然有时交换种群之间的不同算法。-A nice set of user-friendly heuristic optimizers. Included are a non-adaptive, population based Simulated Annealing algorithm, a basic Genetic A
gamain1
- 遗传算法的matlab程序，改程序可以自定义种群大小，遗传概率，交叉概率。-GA
SCE-UA
- 对于目标优化，是一种种群算法，类似于遗传算法-The objective function of optimization algorithm
Parallel-genetic-algorithm
- 经典遗传算法利用单一种群对种群个体进行交叉、变异和选择操作，在进化过程中的超级个体易产生过早收敛现象，粗粒度并行遗传算法利用多个子种群进行进化计算，各子群体分别独立进行遗传操作，相互交换最优个体后继续进化。该文证明了该算法的搜索过程是一个有限时齐遍历马尔柯夫链，给出粗粒度并行遗传算法全局最优收敛性证明。对于旅行商问题TSP利用粗粒度并行遗传算法进行了求解，以解决经典遗传算法的收敛到局部最优值问题。仿真结果表明，算法的收敛性能优于经典遗传算法。-Classic genetic algorithm
GAcallANSYS-YQC-6
- 微种群遗传算法，以合理的间隔，通过“启动-再启动”的过程，不断引入恒定数目的新个体以引入新的遗传信息，使种群有更好的收敛性。-Micro genetic algorithm, at reasonable intervals, start- start the process, the constant introduction of a constant number of new individuals to the introduction of new genetic informatio
Untitled2
- 基于量子遗传算法的多目标优化，参数为种群规模m二50，量子位数n二2，转角步长初值氏=0.01二，变异概率p二二0.1，交叉概率Pc二0.8，限定代数丈~二5-Quantum genetic algorithm-based multi-objective optimization parameters for population size m 50, the quantum number n = 2, the corner step initial value s = 0.01, mutati
GAPmatlab
- 遗传算法求解TSP问题，matlab，完美的GUI界面，可选择城市数，种群数等，-Genetic algorithm for TSP matlab the perfect GUI interface, the number of optional city, population number
My_GA
- 遗传算法解决飞f（x）=x^2,x属于0到31之间的整数，染色体长度为5，种群为4-Fly genetic algorithm to solve f (x) = x ^ 2, x is an integer between 0 and 31, chromosome length is 5, the population is 4
CODE
- 遗传算法样例，初始化，种群大小，适宜度函数，评价，选择，交叉，变异。-Sample genetic algorithm, initialization, population size, suitability function, evaluation, selection, crossover and mutation.
gatbx
- 遗传算法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、自然选择以及杂交等。遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体）的抽象表示（称为染色体）的种群向更好的解进化。传统上，解用二进制表示（即0和1的串），但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中，整个种群的适应度被评价，从当前种群中随机地选择多个个体（基于它们的适应度），通过
genetic-algorithm
- 遗传算法从代表问题可能潜在的解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成。本代码以旅行商问题为例，详细介绍遗传算法的使用方法。-A genetic algorithm the representation of the solution set of potentially the beginning, but after a certain number of the population the gene encoding the individual compo
Packing-Problem
- 用遗传算法解决装箱问题，通过种群初始化，适值函数计算，交叉计算，变异计算，选择策略来得出最好解。-Using genetic algorithms to solve the packing problem, through population initialization, fitness function calculation, cross calculation, variation calculation, strategies to obtain the best solution
yichb
- 标准遗传算法，带解释，易理解。编码长度为10位，编码精度为0.0029。种群规模设为40，遗传算子分别为比例选择，单点交叉和单点变异。交叉概率0.7，变异概率0.1。-Standard genetic algorithm with explanation and easy to understand. Code length is 10 bits, the coding accuracy 0.0029. Population size is set to 40, respectively, th
SX1603115刘阳遗传算法大作业
- 利用遗传算法的优点，通过改变种群数量，寻找规则来代替人工寻求最优解(Seek optimal solution)
demo4
- 遗传算法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、自然选择以及杂交等。遗传算法通常实现方式为一种计算机模拟。(Genetic algorithm (GA) is a search algorithm for solving optimization in computational mathematics. It is a kind of evolutionary algorithm. Evolutio
yichuansaunfa程序
- 遗传算法优化程序，计算目标函数最小值，只需修改目标函数和种群初始化参数(Genetic algorithm optimization procedures to calculate the minimum objective function)
chapter7多种群遗传算法的函数优化算法
- 多种群遗传算法代码，亲测可用，加快种群迭代速度(multi-population genetic algorithm)
cpp
- 自定义初始种群数量，每个种群编码数量，以及编码位数，解决迭代次数多了之后基因大部分相同问题。(Customize the initial population, the number of codes per population, and the number of coded bits to solve most of the same problem after the majority of iterations.)
遗传算法多目标优化模板
- 利用geatpy库是实现多目标优化， 基于改进NSGA-Ⅱ算法求解多目标优化问题的进化算法模板，传统NSGA-Ⅱ算法的帕累托最优解来只源于当代种群个体，这样难以高效地获取更多的帕累托最优解，同时难以把种群大小控制在合适的范围内，改进的NSGA2整体上沿用传统的NSGA-Ⅱ算法，不同的是，该算法通过维护一个全局帕累托最优集来实现帕累托前沿的搜索，故并不需要保证种群所有个体都是非支配的。(Using geatpy library to realize multi-objective optimiza