| 【中文题名】 | 遗传算法的若干改进及应用 |
| 【英文题名】 | |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2001-8-29 |
| 【中关键词】 | 遗传算法,交叉,变异,收敛,TSP, |
| 【英关键词】 | Genetic Algorithm,Crossover,Mutation,Convergency,TSP, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 遗传算法是一种概率搜索算法，其基本思想是模拟生物进化过程。由于遗传算法不
受搜索空间的限制性假设的约束，不要求解空间有连续性、可导等性质，以及其固有的
并行性，目前在许多领域得到了广泛的运用。本文介绍了其理论基础，并对诸如未成熟
收敛、遗传漂移及如何保持群体的多样性等有关问题作了探讨，设计了一种函数优化算
法，利用共享函数来量度群体的多样性，从而动态的调整交叉和变异概率。最后，针对
经典问题货郎担问题，设计了一种新的交叉算子，引进“杂交优势”思想，实现了一种
启发式搜索策略。对于解包含大量最优路径片段的实验结果，提出了“位移”变异算子，
该变异算子能有效的增加最优路径片段进行最优组合的概率。 |
| 【论文题纲】 |
|
<中文摘要> |
2 |
|
<关键词> |
2-3 |
|
<英文摘要> |
3 |
|
<英文关键词> |
3-6 |
|
第一章 绪 论 |
6-11 |
|
1.1 遗传算法的发展 |
6-7 |
|
1.2 遗传算法的应用 |
7 |
|
1.3 今后研究的主要课题 |
7 |
|
1.4 遗传算法的特点 |
7-8 |
|
1.5 基本遗传算法(SGA) |
8-9 |
|
1.6 如何评价遗传算法的性能 |
9-11 |
|
第二章 理论基础 |
11-15 |
|
2.1 模式定理 |
11-12 |
|
2.2 隐含并行性(Implicit Parallelism) |
12 |
|
2.3 积木块(Building Block)假设 |
12-13 |
|
2.4 骗问题 |
13 |
|
2.5 收敛性分析 |
13-15 |
|
第三章 GA中常用技术 |
15-20 |
|
3.1 编码 |
15 |
|
3.2 选择算子(reproduction operator) |
15-16 |
|
3.3 交叉算子(crossover operator) |
16-17 |
|
3.4 变异算子(Mutation) |
17-18 |
|
3.5 小生境技术和共享函数 |
18-20 |
|
第四章 关于多峰函数优化问题中的探讨 |
20-27 |
|
4.1 算法描述 |
20-26 |
|
4.2 算法分析 |
26 |
|
4.3 小结 |
26-27 |
|
第五章 TSP问题 |
27-41 |
|
5.1 算法描述 |
27-37 |
|
5.2 算法参数 |
37-38 |
|
5.3 算法分析 |
38-40 |
|
5.4 今后的工作 |
40-41 |
|
第六章 结论与展望 |
41-42 |
|
致谢 |
42-43 |
|
<引文> |
43-44 |
|
| 【DOI】 | LunWen.ID:2.2008.386432 |
