遗传算法优化神经网络程序

%初始化参数 %注：popsize=200,MaxGeneration=100,约跑2分钟。若不要求太精确，可减少循环次数。pointnumber=11;                            %节点个数Popsize=200;                               %种群规模，只能取偶数（因67行的循环）MaxGeneration=100;                         %最大代数Pc=0.8;Pm=0.3;                             %交叉概率和变异概率A=[0 2 8 1 50 50 50 50 50 50 50    2 0 6 50 1 50 50 50 50 50 50    8 6 0 7 50 1 50 50 50 50 50    1 50 7 0 50 50 9 50 50 50 50    50 1 50 50 0 3 50 2 50 50 50    50 50 1 50 3 0 4 50 6 50 50    50 50 50 9 50 4 0 50 50 1 50    50 50 50 50 2 50 50 0 7 50 9    50 50 50 50 50 6 50 7 0 1

mtspf_ga.m是主函数，floyed  是计算任意两点最短路径的算法，myLength 是计算距离的函数，lujing是本例子中所需的数据，只需运行ceshide 即可完美解决“最佳灾情巡视路线问题”。

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

一个配送中心，需要向多个需求点提供服务，怎样使得在所行驶的路程最短的情况下走完所有的节点。代码清晰易读易懂，经过多次测试，绝对可以运行。

求解方法简单明了，注释详细，易于理解

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。

RLS和遗传算法的PID在线整定，优化效果较好，在线整定控制PID参数

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

基于遗传算法的机器人路径规划的实现，已通过测试验证，是可以运行的C++程序。