说明：python源码，利用遗传算法解决带时间窗的车辆调度问题。

说明：preparation of multi-menu have references. [GameBoy_in_protues] Proteus structures under MCU51+ ROM+ LCD Simulation in Proteus a Tetris game. [240128-STAND] LCD screen so friends must use the test procedure, brought to share with friends. [16X16LEDgame] 16X16 dot matrix done shooting game, similar to the lattice Tetris game, with Proteus schematic simulation. KeilC51 compiler [wolf] Arcade games a binary file, you can disassemble them. Similar to slot machines, the algorithm is not difficult to [p0104] proteus+ keil 8051+ max517 concrete rectangular waves, triangular waves, sine wa

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：这是一个基于python的gasvm程序，编写很规范，容易理解，适合初学者学习

说明：基于python的gasvm程序，容易理解，适合初学者学习

说明：基于python的Gasvm程序，编写规范，容易理解，非常好用

说明：DFIG-based wind farm equivalent model for power system short circuit current calculation Cui Yang ; Yan Gan-gui ; Jiang Da-wei ; Mu Gang ; Zhou Zhi-qiang ; Wang Xiao-bo ; Li Qiang 2009 International Conference on Sustainable Power Generation and Supply Year: 2009

说明：ga-pid的基础程序，比较适合新手，慢慢去理解

说明：遗传算法解决VRP问题,采用matlab编码

说明：改进的遗传算法有约束优化，非线性约束也可解决

说明：选区一下所示的目标函数（最小值）5X1+4X2+6X3

说明：“旅行商问题”(Traveling Salesman Problem,TSP)可简单描述为：一位销售商从n个城市中的某一城市出发，不重复地走完其余n-1个城市并回到原出发点，在所有可能路径中求出路径长度最短的一条。 旅行商的路线可以看作是对n城市所设计的一个环形，或者是对一列n个城市的排列。由于对n个城市所有可能的遍历数目可达(n-1)!个，因此解决这个问题需要O(n!)的计算时间。而由美国密执根大学的Holland教授发展起来的遗传算法，是一种求解问题的高效并行全局搜索方法，能够解决复杂的全局优化问题，解决TSP问题也成为遗传算法界的一个目标。

说明：用遗传算法解决旅行商问题，通过改变初始种群和迭代次数可以得到较好的结果

说明：利用遗传算法解决vrp问题，其中车辆承载能力固定，车场只有一个。

说明：Using GA to solve a function question.

说明：Using GA algorithms to solve a simple TSP question.

说明：包括几种不同的贪婪算法，匹配追踪算法MP，正交匹配追踪算法OMP，弱MP 算法等

说明：遗传算法求解TSP问题，输入城市坐标，城市数为种群的染色体数，自定义交叉概率和变异概率，最后可以求得全局最优解。

说明：遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机优化搜索方法

说明：使用遗传算法求解实际中的TSP问题，考虑一系列载重约束。

说明：遗传算法的pdf版本，这个压缩包包括算法的代码，讲解和一些文档资料，有助于算法的理解。

说明：Number of missing values in the dataset.

说明：遗传算法，包含了选择，交叉，变异操作，是一种经典的优化算法

说明：在遗传算法可以用到的适应度函数m文件 可以直接下载应用

说明：谢菲尔德大学的遗传算法包 可以进行遗传算法的优化

说明：利用遗传算法解决多目标优化问题，低维高维均可完美解决，matlab编程实现

说明：GA for KnapSack problem

说明：本框架提供了有关粒子群算法(PSO)和遗传算法(GA)的完整实现，以及一套关于改进、应用、测试、结果输出的完整框架。 本框架对粒子群算法与遗传算法进行逻辑解耦，对其中的改进点予以封装，进行模块化，使用者可以采取自己对该模块的改进替换默认实现组成新的改进算法与已有算法进行对比试验。试验结果基于Excel文件输出，并可通过设定不同的迭代结束方式选择试验数据的输出方式.