说明：将约束离散优化（CDO）转化为非线性约束非负整数规划（CNIP），该算法采用了种群混沌初始化、双方案变异、离散差分进化等多种改进措施，可求解非线性约束非负整数规划（CNIP），以及具有随机扰动的积分算子。针对非线性约束，给出了连续映射基惩罚的计算方法和基函数的公式，并在此基础上提出了处理约束的自适应...
约束离散优化 CDO 非线性约束非负整数规划 CNIP
说明：该案例的功能是使用遗传算法优化BP神经网络，分为BP神经网络结构确定、遗传算法优化和BP神经网络预测三个部分。遗传算法优化使用遗传算法优化BP神经网络的权值和阈值，种群中的每个个体都包含了一个网络所有权值和阈值，种群中的每个个体都包含了一个网络所有权值和阈值，个体通过适应度函数计算个体适应度值，遗传...
BP神经网络 遗传算法优化 BP神经网络预测 GA
说明：基于蚁群算法的 TSP 求解，分别采用蚁群算法和蚁群算法-粒子群混合算法进行优化求解，使用不同的交叉和变异适应度函数更新粒子，从而实现 TSP问题的优化求解，更加逼近实际问题。
蚁群算法 TSP 粒子群混合算法
说明：基于遗传算法的移动传感器的部署优化，实现三维空间下对多个传感器相对探测物体位置的移动路径的规划，种群大小为49，迭代次数为1000，交叉概率为0.8，变异概率0.1，采用精英选择。
遗传算法 移动传感器 部署优化
说明：遗传算法解决背包问题，其中包括算法编码初始化，交叉，变异和惩罚策略，很好的解决了背包问题
遗传算法-惩罚 SS算法 遗传算法-背包 遗传-背包 knapsack-matlab
说明：综合粒子群和蚁群算法，再利用免疫算法中交叉变异算子；形成ACO-AIA-PSO混合算法，求解TSP问题。
ACO AIA PSO TSP 综合粒子群 蚁群算法
说明：对遗传算法思想的理解和认识，对一个函数求其最小值，采用遗传算法的交叉，变异等特征进行优化求解
遗传算法-函数 函数最小值 最小值 遗传---特征
说明：遗传算法整套源程序，包括初始种群，计算适应度值，选择，交叉变异等
GA交叉 适应度 genetic 遗传算法 GA_main
说明：ADPTIVE GA是改进遗传算法程序，提供了各种交叉算子，变异算子，具有强大的计算功能
改进的GA matlab-ga 改进ga 遗传算法-改进 遗传算法交叉
说明：人工免疫算法，采用信息熵计算抗体多样性，亲和力成熟通过克隆选择、细胞超变异来实现
artificial-immune 人工免疫算法 clonal-selection 免疫 immune
