| 【中文题名】 | 混合分布式并行遗传算法的研究与应用 |
| 【英文题名】 | |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-11-28 |
| 【中关键词】 | 并行遗传算法,混合遗传算法,基于网络的分布式遗传算法,,, |
| 【英关键词】 | hybrid genetic algorithm,parallel genetic algorithm,Network-based Distributed Genetic Algorithm, |
| 【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,从二十世纪八十年代开始迅速发展。遗传算法是一种用于解决优化问题的并行寻优算法,已被广泛用于解决各类NP问题。
但标准遗传算法仍然存在一些缺陷。为了克服这些缺陷,本文设计了一个全新的混合遗传算法SEGA,这一算法在进化方式上与传统的混合遗传算法明显不同,然后,用马尔可夫链的有关知识对SEGA算法进行数学分析。它综合了遗传算法和邻域搜索算法各自优势的全局搜索算法。它即有遗传算法的全局搜索能力,又有高效的局部搜索能力。该算法较好的解决了两种不同算法结合所产生的矛盾。通过实验表明,该算法具有良好的全局寻优性能。
随着问题规模的不断扩大,面对复杂度越来越高的搜索空间,遗传算法在优化效率和求解质量上都显得“力不从心”。为解决大规模复杂优化问题,本文就并行遗传算法的并行化原理和应用平台进行分析,并结合SEGA算法和分布式遗传算法两种思想提出了一种基于网络环境的分布式遗传算法(Extended Network-based Distributed Genetic Algorithm,简称ENDGA)。并着重讨论了ENDGA实现中的关键问题,用马尔可夫链的有关知识对ENDGA算法... |
| 【论文题纲】 |
|
第一章 引言 |
8-12 |
|
1.1 遗传算法概述 |
8 |
|
1.2 遗传算法的特点 |
8-9 |
|
1.3 遗传算法的应用 |
9 |
|
1.4 遗传算法的研究现状 |
9-11 |
|
1.5 论文的结构 |
11-12 |
|
第二章 标准遗传算法 |
12-21 |
|
2.1 标准遗传算法的运算过程 |
12-13 |
|
2.2 标准遗传算法的基本实现技术 |
13-17 |
|
2.3 标准遗传算法的马氏链模型 |
17-19 |
|
2.4 标准遗传算法的局限 |
19 |
|
2.5 标准遗传算法的改进和发展趋势 |
19-21 |
|
第三章 混合遗传算法 |
21-25 |
|
3.1 混合遗传算法的基本思想 |
21 |
|
3.2 混合遗传算法的基本构成原则 |
21-22 |
|
3.3 两种典型的混合遗传算法 |
22-25 |
|
第四章 并行遗传算法 |
25-34 |
|
4.1 引言 |
25 |
|
4.2 遗传算法的并行化分析及其并行化的困难 |
25-26 |
|
4.3 并行遗传算法的实现方案 |
26-31 |
|
4.4 迁移策略 |
31-32 |
|
4.5 并行遗传算法的性能与参数选择 |
32-34 |
|
第五章 一种新的混合分布式并行遗传算法 |
34-66 |
|
5.1 一种新的混合遗传算法SEGA |
34-44 |
|
5.2 粗粒度并行遗传算法的分布式实现 |
44-49 |
|
5.3 ENDGA 算法的设计与分析 |
49-56 |
|
5.4 ENDGA 算法平台的建立 |
56-60 |
|
5.5 用ENDGA 算法解决实际问题 |
60-66 |
|
第六章 结论 |
66-67 |
|
致谢 |
67-68 |
|
参考文献 |
68-69 |
|
攻硕期间取得的研究成果 |
69 |
|
| 【DOI】 | LunWen.ID:2.2008.388053 |
