遗传算法_理论、应用与软件实现_王小平_源代码

毕业设计的代码，是使用java语言来实现的，死用遗传算法来求解迷宫问题，其中代码有详细的注释

(Genetic Algorithm Based K-means algorithm, related program and algorithm description.)

神经网络遗传算法函数极值寻优——非线性函数极值寻优

神经网络的训练过程中，使用遗传算法来优化神经网络的权重，用于寻找全局最优权重

遗传算法优化 BP 神经网络是用遗传算法来优化 BP 神经网络的初始权值和阈值,使优化后的 BP 神经网络能够更好地预测函数输出。遗传算法优化 BP 神经网络的要素包括种群初始化、适应度函数、选择操作、交叉操作和变异操作。

用matlab编写的遗传算法路径规划用matlab编写的遗传算法路径规划源码源码

以某地区一部分土地利用现状为基本数据，通过设置目标函数和约束条件，使用遗传算法进行土地利用优化，实验表明优化效果优良。

用遗传算法实现TSP最短路寻优问题，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。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度（fitness）大小选择个体

采用二进制Gray编码,采用基于轮盘赌法的非线性排名选择, 均匀交叉,变异操作,而且还引入了倒位操作!

基于遗传算法的径向基神经网络matlab代码实现