搜索资源列表
GA
- 用python写的遗传算法，增加倒序功能-Genetic algorithm written in Python and add reverse function
GA
- 简单的遗传算法，python实现 以函数优化问题作为背景，对GA的实现过程进行探讨。大部分函数优化问题都可以写成求最大值或者最小值的形式，为了不是一般性，我们可以将所有求最优值的情况都转换成求最大值的形式，例如，求函数f(x)的最大值，-GA pytho
Gray Img Cluster
- Python通过遗传算法计算阈值，将彩色图片以灰度图的形式导出(Python calculates thresholds through genetic algorithms.)
yichuan
- 遗传算法 变异 交叉 迭代 最大值 寻找最优解(genetic algorithm)
GA
- 遗传算法，实现物竞天择，是进化理论的一方面。遗传算法是解决搜索问题的一种通用算法，对于各种通用问题都可以使用。搜索算法的共同特征为： ① 首先组成一组候选解 ② 依据某些适应性条件测算这些候选解的适应度 ③ 根据适应度保留某些候选解，放弃其他候选解 ④ 对保留的候选解进行某些操作，生成新的候选解。(Genetic algorithm, to realize natural selection, is one aspect of evolutionary theory.)
NSGA-II-master
- 在Python中利用遗传算法进行目标优化的程序代码(Using Genetic Algorithms for Target Optimization in Python)
VRPTW-ga-master
- python源码，利用遗传算法解决VRPTW问题，包含所有过程步骤(solve the VRPTW by GA(Python cord))
遗传算法多目标优化模板
- 利用geatpy库是实现多目标优化， 基于改进NSGA-Ⅱ算法求解多目标优化问题的进化算法模板，传统NSGA-Ⅱ算法的帕累托最优解来只源于当代种群个体，这样难以高效地获取更多的帕累托最优解，同时难以把种群大小控制在合适的范围内，改进的NSGA2整体上沿用传统的NSGA-Ⅱ算法，不同的是，该算法通过维护一个全局帕累托最优集来实现帕累托前沿的搜索，故并不需要保证种群所有个体都是非支配的。(Using geatpy library to realize multi-objective optimiza
遗传算法微电网优化调度(python)
- 利用python语言，通过遗传算法对微电网进行优化调度(Genetic algorithm is used to optimize the dispatching of microgrid)