| 【中文题名】 | 遗传规划的基因内区改进及其在单机调度中的应用 |
| 【英文题名】 | Genetic Programming Intron's Improvement and Its Application for One-Machine Scheduling Problems |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2003-9-16 |
| 【中关键词】 | 遗传规划,基因内区,进化计算,单机调度,生产调度, |
| 【英关键词】 | genetic programming,intron,evolutionary computation,one-machine scheduling problem,production scheduling, |
| 【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】 |
遗传规划(Genetic programming,GP)是一种新型的搜索寻优技术，它仿效生物界的遗传和进化，根据优胜劣汰的原则，借助复制、交换、突变等操作，逐步逼近最优解。
本文首先介绍了遗传规划的基本算法和理论，系统总结了国内外的研究现状，并指出了遗传规划的发展动向。结合符号回归和公式发现对遗传规划的收敛性和基因内区等进行了研究，分析了伪收敛现象产生的原因，并提出了一些抑制方法。论述了基因内区对遗传规划收敛性和收敛速度的影响，通过实例测试论述了复制和交换等遗传操作对基因内区的作用，提出了改进的交换方法—单亲交换方法，并设计了具体实现方法。
生产调度正成为进化计算方法的一个主要应用领域。本文研究了采用遗传规划求解单机拖期调度问题的方法，目前有两种研究方法：一是通过遗传规划理论组合调度规则作为表示排列问题的间接方法。二是采用传统的遗传规划理论作为求解单机拖期调度问题的规则。遗传规划求解生产调度问题虽然还很初步，有待深入研究，但这方面的研究扩大了遗传规划的应用范围。 |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
ABSTRACT |
5-9 |
|
第一章 绪论 |
9-19 |
|
1.1 引言 |
9-10 |
|
1.2 进化计算的主要分支 |
10-12 |
|
1.2.1 遗传算法 |
10-11 |
|
1.2.2 进化策略 |
11-12 |
|
1.2.3 进化规划 |
12 |
|
1.2.4 遗传规划 |
12 |
|
1.3 进化计算的主要特点 |
12-14 |
|
1.3.1 智能性 |
13 |
|
1.3.2 本质并行性 |
13-14 |
|
1.4 调度问题的背景 |
14-15 |
|
1.5 经典调度的基本方法 |
15-18 |
|
1.6 本文各章的安排 |
18-19 |
|
第二章 遗传规划的基本理论 |
19-30 |
|
2.1 概述 |
19-20 |
|
2.1.1 遗传算法的局限性 |
19-20 |
|
2.2 遗传规划基本知识 |
20-22 |
|
2.3 初始群体的生成 |
22-23 |
|
2.3.1 初始个体生成原理 |
22 |
|
2.3.2 初始个体生成的几种方法 |
22-23 |
|
2.4 适应性度量 |
23-25 |
|
2.4.1 原始适应度 |
23 |
|
2.4.2 标准适应度 |
23-24 |
|
2.4.3 调整适应度 |
24 |
|
2.4.4 归一化适应度 |
24-25 |
|
2.5 基本算子 |
25-28 |
|
2.5.1 复制 |
25-26 |
|
2.5.2 交换 |
26-27 |
|
2.5.3 突变 |
27-28 |
|
2.6 终止准则 |
28 |
|
2.7 结果标定 |
28-30 |
|
第三章 遗传规划理论的新进展及典型应用 |
30-44 |
|
3.1 概述 |
30 |
|
3.2 程序结构的形成 |
30-33 |
|
3.2.1 不同数据结构类型的结构 |
30-31 |
|
3.2.2 模块化结构 |
31-33 |
|
3.3 遗传操作 |
33-35 |
|
3.4 个体表示方法 |
35-36 |
|
3.5 适应度的评价 |
36-38 |
|
3.6 GP理论 |
38-39 |
|
3.7 遗传规划和其它智能方法的结合 |
39-40 |
|
3.7.1 遗传规划和其它计算智能方法的结合 |
39 |
|
3.7.2 并行执行的遗传规划 |
39-40 |
|
3.7.3 基于遗传规划的机器学习 |
40 |
|
3.8 遗传规划的主要应用领域 |
40-42 |
|
3.8.1 机器人路径规划 |
40-41 |
|
3.8.2 响应AGENT |
41 |
|
3.8.3 预测与分类 |
41 |
|
3.8.4 图像和信号处理 |
41 |
|
3.8.5 数据挖掘 |
41 |
|
3.8.6 信息检索 |
41-42 |
|
3.8.7 进化硬件 |
42 |
|
3.8.8 电子电路设计 |
42 |
|
3.9 典型的遗传规划实现系统 |
42-44 |
|
第四章 遗传规划收敛性研究及对基因内区的改进 |
44-63 |
|
4.1 引言 |
44 |
|
4.2 应用遗传规划实现公式发现和符号回归 |
44-45 |
|
4.3 收敛性 |
45-49 |
|
4.4 基因内区 |
49-53 |
|
4.5 复制方法对基因内区的影响 |
53-56 |
|
4.6 复制概率对基因内区的影响 |
56-58 |
|
4.7 交换概率对基因内区的影响 |
58-61 |
|
4.8 对交换操作的改进 |
61-63 |
|
第五章 基于遗传规划的单机拖期调度问题 |
63-79 |
|
5.1 引言 |
63 |
|
5.2 单机提前／拖期调度问题的描述引言 |
63-64 |
|
5.3 基于遗传规划的单机调度问题的启发式法 |
64-70 |
|
5.3.1 问题表示 |
64-65 |
|
5.3.2 函数集和终止符集 |
65 |
|
5.3.3 遗传规划算法的调整 |
65-66 |
|
5.3.4 遗传算子 |
66-67 |
|
5.3.5 实验结果 |
67-70 |
|
5.4 基于遗传规划的单机调度问题的又一实现 |
70-77 |
|
5.4.1 算法设计 |
70-74 |
|
5.4.2 实验结果 |
74-77 |
|
5.5 总结 |
77-79 |
|
第六章 总结与展望 |
79-80 |
|
参考文献 |
80-89 |
|
致谢 |
89-90 |
|
作者在攻读硕士学位期间参加的科研工作与发表的论文 |
90 |
|
| 【DOI】 | LunWen.ID:2.2008.386834 |
