搜索资源列表
immune-genetic-algorithm
- 免疫遗传算法matlab 程序,该算法由抗原识别、初始抗体产生、适应度计算、向记忆细胞分化、抗体的促进和抑制、抗体产生(交叉、变异) 六个模块组成-immune genetic algorithm Matlab procedure, the algorithm by antigen identification, initial antibody, fitness, to the memory cells, antibody for t
java-ga-devel-alpha-0.1.tar
- 遗传算法源代码,实现了选择操作、交叉操作和变异操作，通过适应度函数完成种群的选择及收敛。-genetic algorithm source code and realized the choice of operation, crossover and mutation operation, through fitness function completed Stocks choice and convergence.
AI_yichuan
- 用C语言实现的遗传算法。计算交叉概率和变异概率。-C language of genetic algorithm. Calculated crossover probability and mutation probability.
iACSkroc100bingxingxiaochuangkoubianyi
- 这是在最初的蚁群算法的变异算子的基础上改进的变异算子，旅行商问题中含100个城市的程序-This is the first ant colony algorithm mutation operator on the basis of improving the mutation operator, Traveling Salesman Problem with 100 cities in the process
myGA
- 我自己的遗传算法工具箱，支持多种编码和交叉变异操作，需要的请自行下载-my own genetic algorithm toolbox, which supports multiple coding and cross- mutation, the need to please download
EGA
- 遗传算法的程序 遗传 算 法 (GeneticA lgorithm,G A)是一种大规模并行搜索优化算法，它模 拟了达尔文“适者生存”的进化规律和随机信息交换思想，仿效生物的遗传方式， 从随机生成的初始解群出发，开始搜索过程。解群中的个体称为染色体，它是一 串符号，可以是一个二进制字符串，也可以是十进制字符串或采用其他编码方式 形成的码串。对父代(当前代)群体进行交叉、变异等遗传操作后，根据个体的 适应度〔fi
AI_GA_matlab
- 遗传算法程序 主要程序 ga.m 遗传算法核心程序 BinaryExample.m 二进制编码应用程序 FloatExample.m 浮点编码的应用程序 相关算子及函数 initializega.m 种群初始化函数 simpleXover.m 用于二进制编码的简单交叉算子 arithXover.m 用于浮点编码的算术交叉算子 binaryMutation 用于二进制编码的变异算子
jiandan0101
- 这是一个非常简单的遗传算法源代码，代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码 的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂交和均匀变异。如果用 Gaussian变异替换均匀变异，可能得到更好的效果。代码没有任何图形，甚至也没有屏幕输出，主要是保证在平台之间的高可移植性。读者可以从ftp.un
chuanbingzhuanhuan
- VHDL代码，仿真通过，变异可以，下载变成文件，但需要修改，串并转换-VHDL code, through simulation, the variation can be downloaded into a document, but need to change, and change series
ycsf
- 水库调度的遗传算法，个体选择、代数、交叉、变异概率控制水库。-reservoir of genetic algorithm scheduling, individual choice, algebra, crossover and mutation probability control of the reservoir.
DMICFG
- 由于计算机用户对计算机的需求和使用模式千差万别，Microsoft 提供了不同版本的 Windows Vista 以满足这些需求。与 Windows XP 后期的各种变异版本（某些功能仅适用于某些版本的 Windows）不同，Windows Vista 的功能分布是为了提供“好的、更好的和最好的”选项来满足消费者的需求。 与现今存在的两类 Windows XP（家庭版和专业版）密切对应， Windows Vista。Windows
algorithm_GP
- 演化算法的示例代码,包括演化算法的全部实现过程,主要操作包括选择,交叉,变异-evolutionary algorithm code examples, including the evolution of the algorithm to achieve full process, including the operation of the main selection, crossover, Variation
goatttwo
- 我自己用C语言编的，用于计算二元变异遗传算法的程序。-my own use addendum to the C language used in the calculation of the genetic variation of the dual algorithm procedures.
GAprogrames
- 收集的GA的一些源程序，包括交叉选择变异之类的一些。可以在MATLAB下直接使用的。学习遗传算法的可以看看。-GA collected some of the source, including cross-choice variation of such. MATLAB under the direct use. Learning Genetic Algorithm can see.
FrameReader
- 是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型。通过全老师耐心的讲解，我已经清楚了简单遗传算法的处理过程，遗传算法的基本操作包括：编码、初始群体的生成、适应度评估检测、选择、杂交操作、变异。下面是我用Java编写的一个简单遗传算法的程序，求解的题目-simulates Darwinian genetic selection and the natural elimination process of biological ev
matlab
- 程序部分代码介绍： evalops是传递给适应度函数的参数，opts是二进制编码的精度，termops是选择maxGenTerm结束函数时传递个maxGenTerm的参数，即遗传代数。xoverops是传递给交叉函数的参数。mutops是传递给变异函数的参数，具体含义我也没弄懂，我觉得有点怪。-Procedures introduce some code: evalops is passed to the fitness funct
Matlab2
- ：Matlab遗传算法(GA)优4~-r-具箱是基于基本操作及终止条件、二进制和十进制相互转换等操作的综合 函数库。其实现步骤包括：通过输入及输出函数求出遗传算法主函数、初始种群的生成函数，采用选择、交叉、变异 操作求得基本遗传操作函数。以函数仿真为例，对该函数优化和GA改进，只需改写函数m文件形式即可。-: Matlab genetic algorithm (GA) U 4 ~-r-a box is based on the
Matlab3
- ：基于Matlab语言的遗传算法工具箱支持二进制和浮点数编码方式，并且提供了多种选择、交叉、变异的方法。 通过具体实例对Matlab的遗传算法工具箱的用法进行了说明介绍。-: Based on the Matlab language genetic algorithm toolbox and floating point support for binary encoding, and provides a wide range o
headset
- 此软件为BlueLab 3.6.2 平台所自带的蓝牙耳机源码，变异是需要BlueLab 3.6.2 中进行，暂时没有 BlueLab 3.6.2 安装软件上传-BlueLab 3.6.2 of this software platform built-in Bluetooth headset source of variation is necessary in BlueLab 3.6.2, do not install the sof
ga
- C语言实现的遗传算法，包括选择、交叉、变异操作的实现-C Language Implementation of genetic algorithm, including selection, crossover and mutation operations realize