| 【中文题名】 | 并行遗传算法的研究与应用 |
| 【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】 | 2001-12-7 |
| 【中关键词】 | 遗传算法,并行遗传算法,复函数方程,列车节能控制,多机调度,约束 |
| 【英关键词】 | GA,FGA,Complex functional equation,Train control for saving energy,Identical parallel machine,Constraint, |
| 【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（GA）作为一门新兴学科，从二十世纪八十代开始迅速发展。
GA存在自然并行性。并行遗传算法（RGA）作为GA的一个重要分支，也得
到越来越多专家们的重视。
在本文中我们对PGA进行了较深入的理论研究。同时我们用基于PVM
环境下的PGA解决了三个应用领域问题。
第一个是安徽省教委基金项目（项目号：99JL00006）中的研究课题：
求复函数方程根的并行遗传算法。本文提出了一种用基于模拟退火思想的主
从式控制网络PGA，实现求复函数方程根，并得到令人满意的结果。在其
中我们研究和探讨了该算法实现的数学理论、关键技术，并分析了PGA实
现的效率。本文提出的算法优于解复函数方程根常用的迭代法、下山法等方
法。
第二个是国家自然科学基金项目（项目号：69874001）的子课题：列车
节能控制问题的并行遗传算法。本文用基于模拟退火思想的主从式控制网络
PGA实现了水平轨道、带坡度轨道以及限速行驶等多种情况下的列车节能
控制问题。所得的结果也同样令人满意。在其中我们讨论了列车节能控制的
... |
| 【论文题纲】 |
|
中文摘要 |
4-5 |
|
英文摘要 |
5-7 |
|
第一章 绪论 |
7-9 |
|
1．1 遗传算法与并行遗传算法 |
7-8 |
|
1．2 本文所做的主要工作 |
8-9 |
|
第二章 遗传算法 |
9-20 |
|
2．1 GA的概述 |
9-11 |
|
2．2 GA的工作流程及基本要素 |
11-18 |
|
2．3 GA与其它搜索方法的比较 |
18-19 |
|
2．4 GA的不足 |
19-20 |
|
第三章 遗传算法的数学理论 |
20-23 |
|
3．1 GA的基本原理 |
20-22 |
|
3．2 GA的收敛性分析 |
22-23 |
|
第四章 并行遗传算法 |
23-29 |
|
4．1 引言 |
23 |
|
4．2 PGA的分类 |
23-25 |
|
4．3 分布式PGA |
25-27 |
|
4．4 Cow并行平台 |
27-29 |
|
第五章 求复函数方程根的并行遗传算法 |
29-42 |
|
5．1 引言 |
29 |
|
5．2 算法的理论思想 |
29-31 |
|
5．3 算法的设计与实现 |
31-33 |
|
5．4 算法实现中应用的技术 |
33-39 |
|
5．5 算法实例 |
39-40 |
|
5．6 算法性能结果 |
40 |
|
5．7 本章小结 |
40-42 |
|
第六章 用并行遗传算法解列车控制问题 |
42-50 |
|
6．1 引言 |
42 |
|
6．2 列车节能控制数学模型 |
42-43 |
|
6．3 PGA的设计与实现 |
43-47 |
|
6．4 算法实例 |
47-48 |
|
6．5 算法性能结果 |
48-49 |
|
6．6 本章小结 |
49-50 |
|
第七章 用并行遗传算法解决带约束并行多机调度问题 |
50-55 |
|
7．1 引言 |
50 |
|
7．2 问题的描述 |
50-51 |
|
7．3 PGA的实现 |
51-52 |
|
7．4 算法实例 |
52-54 |
|
7．5 本章小结 |
54-55 |
|
结束语 |
55-57 |
|
参考文献 |
57-60 |
|
致谢 |
60 |
|
| 【DOI】 | LunWen.ID:2.2008.386480 |
