说明：matlab 遗传算法工具箱详细介绍，拥有众多应用案例，适合初学者学习

说明：遗传算法求解TSP问题，测试文件为txt格式

说明：利用matlab实现多目标遗传算法，NSGA 2

说明：一共两个例子，第一个例子是利用遗传算法计算函数f（x）的最小值，选用的是二进制的编码，含有遗传代数与解的变化的图解以及最优解的进化过程，最后得到的是一个二元函数的解。第二个例子是利用遗传算法求解三元函数，并将其放入三维坐标系中展示出来，并含有最优解的进化过程。

说明：用遗传算法为 BP 神经网络优化权值，使网络具有快速学习网络权重的能力，并且能够摆脱局部极小点的困扰。遗传算法的全局搜索能力来弥补BP算法全局搜索能力不足，实例证明，这种预测模型比BP网络预测模型具有更高的精度。

说明：优化的多目标遗传算法，利用这一功能从亲本染色体产生后代。

说明：基于遗传算法的农田作业规划算法，实验数据需要自己构建

说明：一种优化一维声子晶体能带结构大小的matlab程序

说明：本书全面叙述了智能控制的基本理论、方法和应用。主要内容包含专家控制的基本原理和应用；模糊控制的基本原理和应用；神经网络控制的基本原理和应用；遗传算法及其应用和迭代学习控制方法及其应用。书中给出了一些智能算法的Matlab仿真程序，并配有一定数量的习题和上机操作题。

说明：遗传算法去优化函数的实例，有标注比较全面，修改了一些网络上的错误，可以直接使用演示

说明：遗传算法优化

说明：遗传算法的经典案例，应用了谢菲尔德大学的工具箱。里面函数丰富全面，只需小的改动。

说明：一个需要解决模拟退火算法过程中系数矩阵不协和的问题

说明：JAYA优化算法，用于多目标优化设计，较传统遗传算法等具有更大优势。

说明：遗传算法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。

说明：本书采用案例形式，以智能算法为主线，讲解了遗传算法、免疫算法、退火算法、粒子群算法、鱼群算法、蚁群算法和神经网络算法等最常用的智能算法的MATLAB实现。本书共给出30个案例，每个案例都是一个使用智能算法解决问题的具体实例*所有案例均由理论讲解、案例背景、MATLAB工程序实现和扩展阅滨四个部分组成，并配有完整的程序源码，使读者在掌握算法的同时，也可以学习到作者们多年积累的编程经验与技巧，从而快速提高使用算法求解实际问题的能力.

说明：这是几个遗传算法的程序，里面包含了几个函数文件计算适应度函数值，和遗传算法调用函数文件去实现求最优值的目的。

说明：遗传算法matlab实例，用遗传算法优化PB神经网络

说明：遗传算法一维程序matlab实例，寻找函数中的最大值

说明：计算遗传算法的变成文件，基于车辆路径优化问题。

说明：遗传算法，用于参数优化，类似粒子群算法和多作用力粒子群算法

说明：通过遗传算法求解给定节拍时间最小化工作站数的线平衡问题

说明：案例3 遗传算法优化BP神经网络-非线性函数拟合

说明：遗传算法 目标优化 选定适应度函数 可直接使用压缩包内的文件进行计算

说明：遗传算法（Genetic Algorithm，GA）最早是由美国的 John holland于20世纪70年代提出,该算法是根据大自然中生物体进化规律而设计提出的。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。该算法通过数学的方式,利用计算机仿真运算,将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。在求解较为复杂的组合优化问题时,相对一些常规的优化算法,通常能够较快地获得较好的优化结果。遗传算法已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。

说明：使用遗传算法求解最优化问题，对问题进行分解，通过交叉、变异、遗传算子等方法，获得较果

说明：使用遗传与PSO算法结合解决车间调度问题

说明：遗传算法是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体）的抽象表示（称为染色体）的种群向更好的解进化。传统上，解用二进制表示（即0和1的串），但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中，整个种群的适应度被评价，从当前种群中随机地选择多个个体（基于它们的适应度），通过自然选择和突变产生新的生命种群，该种群在算法的下一次迭代中成为当前种群。

说明：是通过结合遗传算法和模糊神经网络结合的检测