说明：用JAVA实现教科书上原始的遗传算法，方便初学者们进行学习

说明：用JAVA实现经典的遗传算法，以及实现自动组卷

说明：使用JS编写的遗传算法。包含各种概念的介绍，算法的流程图，以及数学建模

说明：php语言编写的单变量遗传算法，附带注释，供学习者学习，提供给广大学习者学习

说明：单变量遗传算法详细教程，附带详细的流程框图和注释，以及博客，供学习者学习

说明：遗传算法的一个基础例子，主要解决柔性车间调度

说明：遗传算法的一个例子，主要用于柔性车间调度

说明：遗传算法的一个例子，可以实现柔性车间的调度

说明：通过matlab软件，使用遗传算法解决车间调度问题

说明：遗传算法简单实例，简单易上手，易改，下载后可私信我取视频教程

说明：遗传算法实例，有详细文字介绍，简单易懂易上手

说明：基于GA遗传算法BP优化神经网络的权值和阈值

说明：采用遗传算法对 EKF 中的系统噪声矩阵和测量矩阵的协方差进行在线优化，以实现在模型误差最小时对 SOC 进行在线估计

说明：多目标规划的概念是 1961年由美国数学家查尔斯和库柏首先提出的。多目标最优化思想，最早是在1896年由法国经济学家V.帕雷托提出来的。他从政治经济学的角度考虑把本质上是不可比较的许多目标化成单个目标的最优化问题

说明：遗传算法（Genetic Algorithms，GA）是1962年美国人提出，模拟自然界遗传和生物进化论而成的一种并行随机搜索最优化方法。 与自然界中“优胜略汰，适者生存”的生物进化原理相似，遗传算法就是在引入优化参数形成的编码串联群体中，按照所选择的适应度函数并通过遗传中的选择、交叉和变异对个体进行筛选，使适应度值号的个体被保留，适应度差的个体被淘汰，新的群体既继承了上一代的信息，又优于上一代。这样反复循环，直至满足条件。 遗传算法基本的操作分为：选择、交叉和变异操作三个步骤。

说明：经典的非线性规划算法大多采用梯度下降的方法求解，局部搜索能力较强，但是全局搜索能力比较弱。遗传算法采用选择交叉变异进行搜索，全局搜索能力较强，但是局部搜索能力弱。本代码结合了两种算法的优点，一方面采用遗传算法进行全局搜索，一方面采用非线性规划算法进行局部搜索，已得到全局最优解。

说明：一个matlab运行的遗传算法例子。。。。

说明：利用GA遗传算法优化参数 并利用支持向量机分类或者回归计算

说明：用遗传算法求解电网规划问题，双层算法求解，上层为遗传算法，下层利用拉格朗日对偶线性化后求解

说明：MATLAB遗传算法简单案例：利用遗传算法计算函数最大值

说明：设计以遗传算法为根据的网络节点部署，从而提高传感器节点的部署覆盖范围，提高无线传感器网的网络性能。

说明：这个MATLAB代码提供了用遗传算法求解函数最大值的具体实现过程。

说明：该程序是多目标遗传算法的程序，可以进行多参数求解

说明：基于遗传算法、小波分析和神经网络的混合优化算法

说明：设计遗传算法解决哈密尔顿回路问题，并实现算法。

说明：matlab编写的基本遗传算法、顺序选择遗传算法、大变异遗传算法的源码，直接可以运行

说明：简单的遗传算法例程，结合MATLAB对遗传算法实现过程进行详细的分析，然后通过1个实际的函数优化案例对其应用进行探讨。