代码搜索：种群进化
找到约 1,664 项符合「种群进化」的源代码
代码结果 1,664
www.eeworm.com/read/312869/13602642
txt 遗传算法介绍.txt
遗传算法
目录·遗传算法定义
·遗传算法特点
·遗传算法的应用
·遗传算法的现状
·遗传算法的一般算法
·遗传算法实例
遗传算法定义
遗传算法（Genetic
Algorithm）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，是一种通过模拟自然
www.eeworm.com/read/392182/8360316
m ga.m
function [f,x]=myga(num,bounds,Myfun,N,CP,P)
%[f,x]=ga(num,bounds,fun,N,CP,P)
%该遗传算法适用于：
% 目标函数为求最大值，且解非负整数解
%bounds 边界约束
%Myfun 为目标函数
%num 初始种群数
%N 最大迭代次数
www.eeworm.com/read/291636/8406594
m ga.m
function [f,x]=myga(num,bounds,Myfun,N,CP,P)
%[f,x]=ga(num,bounds,fun,N,CP,P)
%该遗传算法适用于：
% 目标函数为求最大值，且解非负整数解
%bounds 边界约束
%Myfun 为目标函数
%num 初始种群数
%N 最大迭代次数
www.eeworm.com/read/291636/8406639
m ga.m
function [f,x]=myga(num,bounds,Myfun,N,CP,P)
%[f,x]=ga(num,bounds,fun,N,CP,P)
%该遗传算法适用于：
% 目标函数为求最大值，且解非负整数解
%bounds 边界约束
%Myfun 为目标函数
%num 初始种群数
%N 最大迭代次数
www.eeworm.com/read/187530/8634003
m ga.m
function [f,x]=myga(num,bounds,Myfun,N,CP,P)
%[f,x]=ga(num,bounds,fun,N,CP,P)
%该遗传算法适用于：
% 目标函数为求最大值，且解非负整数解
%bounds 边界约束
%Myfun 为目标函数
%num 初始种群数
%N 最大迭代次数
www.eeworm.com/read/431839/8650880
m ga.m
function [f,x]=myga(num,bounds,Myfun,N,CP,P)
%[f,x]=ga(num,bounds,fun,N,CP,P)
%该遗传算法适用于：
% 目标函数为求最大值，且解非负整数解
%bounds 边界约束
%Myfun 为目标函数
%num 初始种群数
%N 最大迭代次数
www.eeworm.com/read/384341/8879794
m ga.m
function [f,x]=myga(num,bounds,Myfun,N,CP,P)
%[f,x]=ga(num,bounds,fun,N,CP,P)
%该遗传算法适用于：
% 目标函数为求最大值，且解非负整数解
%bounds 边界约束
%Myfun 为目标函数
%num 初始种群数
%N 最大迭代次数
www.eeworm.com/read/377730/9263860
m ga.m
function [f,x]=myga(num,bounds,Myfun,N,CP,P)
%[f,x]=ga(num,bounds,fun,N,CP,P)
%该遗传算法适用于：
% 目标函数为求最大值，且解非负整数解
%bounds 边界约束
%Myfun 为目标函数
%num 初始种群数
%N 最大迭代次数
www.eeworm.com/read/374781/9385001
m sel.m
%“选择”操作
function seln=sel(s,p);
inn=size(p,1);
%从种群中选择两个个体
for i=1:2
r=rand; %产生一个随机数
prand=p-r;
j=1;
while prand(j)
www.eeworm.com/read/371044/9570416
m sel.m
%“选择”操作
function seln=sel(s,p);
inn=size(p,1);
%从种群中选择两个个体
for i=1:2
r=rand; %产生一个随机数
prand=p-r;
j=1;
while prand(j)