matlab遗传算法工具包

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

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

遗传算法分析代码，可以进行回归分析

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。

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

有遗传算法的选择、交叉、变异函数，一些简单的MABTLAB遗传算法例子

%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

神经网络遗传算法函数极值寻优——非线性函数极值寻优

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。

基于遗传算法的径向基神经网络matlab代码实现