本书全面系统地介绍了遗传算法的基本原理,数学基础,各种主要实现技术,并给出了一些应用示例,同时还简要地介绍了进化计算的基本内容.本书具有系统性强,可读性强,可操作性强的特点.本书可供智能计算,自动控制,系统工程,优化计算,经济管理,运筹学,计算机专业的研究人员,研究生及高年级大学生参考.

遗传算法——理论、应用与软件实现 学习遗传算法的必备书籍，还有一本就是《MATLAB遗传算法工具箱及应用》，一样上传大家共同分享。

遗传算法课件很容易上手！包括GA的基本思想，流程图.......

基于遗传算法的电力光传输网光缆规划，曹勰宇，邱雪松，为建设坚强可靠的电力光传输网络，提出了一种光缆规划方法，综合考虑了网络一次建设成本、运营成本、链路可靠性以及站点成环率因

无人机任务分配传统算法（遗传算法、粒子群算法、蚁群算法）

> 本文主要研究【单线路，固定容量，确定OD和下车比率】，以优化乘客等待数为目标，建立的单目标优化模型，通过优化列车时刻表，结合客流控制手段，城市轨道交通拥挤，减少站台拥堵。 > 算法选用的遗传算法 > 编码为实数+结构体编码 > 根据模型需求，设计了针对性的交叉和变异手段 > 本模型使用了常规的遗传算法（GA），当然您如果想要用其他算法也是可以的，我已经根据模型，写好了**初始化算子，交叉算子，变异算子，修复算子和计算目标函数的算子**。你把算法框架替换，这些算子可以继续沿用，基本上可以改成任意的算法。 > 同样的，本文代码的数据接口和参数设置也是支持修改的，**只要按照指定的格式将客流量数据和下车比例数据写到excel中**，即可实现算例的更改。 > 总而言之，本文代码适合①想要学习遗传算法的朋友，结合案例，深入理解遗传算法的思想精髓，同时学会如何结合实际问题修改算子。②交通专业的朋友，做相关项目的时候，可以直接借鉴源码，也可以按照我上面所说，对算法框架，算子和数据进行任意修改和拓展，从而达到实现自己模型需求的目的。

【优化调度】基于遗传算法实现车辆发车间隔优化问题matlab源码.zip

综合考虑公交车辆运营调度方案的实时性和有效性要求，引入了云模型理论与遗传算法（GA）相结合的云遗传算法。该混合遗传算法充分利用了云模型云滴的随机性和稳定倾向性特点，在遗传算法的优化操作中，由正态云模型的y条件云发生器实现交叉操作，由基本云发生器实现变异操作，不仅克服了传统遗传算法搜索速度慢、易陷入局部最优解的缺陷，而且提高了算法的收敛性、优化质量厦其鲁棒性。实验表明，将该混合遗传算法引人公交车辆运营调度管理中，可大大提高会交车辆调度的实时性与有效性，而且运行服务质量评测分析验证了该优化调度方法的有效性，具

遗传算法排课matlab代码遗传算法 基于MATLAB的船舶路径问题的遗传算法。 打开GA_1.m文件 如果出现用于路径重定向的弹出消息，请选择工作目录的路径。 执行脚本GA_1.m 该代码基于论文： 带有时间窗的船舶路线和调度问题的遗传算法，2012年Khaled Al-Hamad，Mohamed Al-Ibrahim，Eiman Al-Enezy 论文链接： 麻省理工学院执照 版权所有（c）2018 Loukas Kotas 特此免费授予获得此软件和相关文档文件（“软件”）副本的任何人无限制地处理软件的权利，包括但不限于使用，复制，修改，合并的权利，发布，分发，再许可和/或出售本软件的副本，并允许具备软件的人员这样做，但须满足以下条件： 以上版权声明和此许可声明应包含在本软件的所有副本或大部分内容中。 本软件按“原样”提供，不提供任何形式的明示或暗示担保，包括但不限于对适销性，特定目的的适用性和非侵权性的担保。 无论是由于软件，使用或其他方式产生的，与之有关或与之有关的合同，侵权或其他形式的任何索赔，损害或其他责任，作者或版权所有者概不负责。软件。

nsga ii算法代码MATLAB 版权 您可以随意使用此算法（）进行研究。 所有使用此代码的出版物都应感谢作者。 路易斯·费利佩·阿里扎·韦斯加（Luis Felipe） 一种快速的非支配排序遗传算法扩展，可以解决多目标问题。 2019年3月。电子邮件：，。 @online{NonofficialNSGAIII, title={A Fast Nondominated Sorting Genetic Algorithm Extension to Solve Many-Objective Problems}, author={Luis Felipe Ariza Vesga}, url = {https://github.com/lfarizav/NSGA-III} month = March, year={2019}, lastaccessed = "March 17, 2019", } NSGA-III：一种快速的非支配排序遗传算法扩展，用于解决多目标问题（非官方） 这项工作在C语言中提供了第三种快速进化的非支配排序遗传算法（NSGA-III）实现，扩展了存储在坎普尔遗传算法实验室（K