遗传算法程序均匀交叉,变异操作

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”。

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

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。

是数据挖掘实验课上的一个作业，垃圾邮箱分类，给了57个属性1个分类目标，0是垃圾邮箱1不是，给了训练集和测试集，用的C++写的神经网络，并用遗传算法优化了，正确率96.5%，但是时间较长

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

一个基于遗传算法求解旅行商问题的MATLAB程序，里面注释很清楚，可以运行，而且能够有实时更新显示。

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

遗传算法的有趣应用很多，诸如寻路问题，8数码问题，囚犯困境，动作控制，找圆心问题（这是一个国外网友的建议：在一个不规则的多边形 中，寻找一个包含在该多边形内的最大圆圈的圆心。），TSP问题（在以后的章节里面将做详细介绍。），生产调度问题，人工生命模拟等。直到最后看到一个非 常有趣的比喻，觉得由此引出的袋鼠跳问题（暂且这么叫它吧），既有趣直观又直达遗传算法的本质，确实非常适合作为初学者入门的例子。

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。

很详细的遗传算法使用和例子。 包括VS下单独的遗传算法库和vs下遗传算法库的使用demo。