| 【中文题名】 | 基于最优基因的遗传算法研究 |
| 【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】 | 2007-7-31 |
| 【中关键词】 | 遗传算法,搜索,遗传算子,选择,变异, |
| 【英关键词】 | Genetic algorithm,search genetic operator,improvement,lection, |
| 【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(Genetic Algorithm——GA)，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，它是由美国Michigan大学的J.Holland教授于1975年首先提出的。J.Holland教授和它的研究小组围绕遗传算法进行研究的宗旨有两个：抽取和解释自然系统的自适应过程以及设计具有自然系统机理的人工系统。遗传算法主要的特点在于：简单、通用、鲁棒性(稳定性)强。经过二十多年的发展，遗传算法已经在旅行商问题、生产调度、函数优化、机器学习等领域得到成功的应用。
本文在第一章当中主要阐述了遗传算法的基本原理，简单叙述了遗传算法的基本原理以及本文的主要工作和研究。在第二章当中重点叙述了遗传算法的各种理论包括算法的各种算子和参数的设定和相关的理论。第三章简单遗传算法存在着收敛速度慢、易陷入局部极小等缺陷。针对这2点，对遗传算法的各个环节作了改进：对初始方案集的产生做了改进，提出了更加适合自然规律的竞争选择法，设计出与迭代次数成反比、与父串间的距离成正比的自适应变异率。第四章为解决传统遗传算法中收敛速度慢的问题，提出一种基于最优基因的遗传算法。将这一算法应用于函数最优解问题，仿真结果... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-7 |
|
第一章 遗传算法简介 |
7-18 |
|
1.1 遗传算法的生物学背景 |
9-10 |
|
1.2 遗传算法的经典研究成果 |
10-12 |
|
1.3 遗传算法当前主要的研究方向 |
12-17 |
|
1.4 本文的工作 |
17-18 |
|
第二章 遗传算法的基本理论 |
18-31 |
|
2.1 遗传算法的基本思想 |
18-19 |
|
2.2 遗传算法中常用的术语 |
19-20 |
|
2.3 遗传算法中的构成 |
20-29 |
|
2.3.1 编码机制 |
21 |
|
2.3.2 适应度函数 |
21-22 |
|
2.3.3 遗传算子 |
22-27 |
|
2.3.4 控制参数 |
27 |
|
2.3.5 精英主义 |
27 |
|
2.3.6 遗传算法基本步骤 |
27-29 |
|
2.4 遗传算法的手工模拟 |
29-31 |
|
第三章 遗传算法的应用及改进 |
31-44 |
|
3.1 遗传算法的特点 |
31-32 |
|
3.2 遗传算法在一些领域的应用 |
32-35 |
|
3.3 遗传算法存在的问题 |
35 |
|
3.4 遗传算法的发展方向 |
35-38 |
|
3.4.1 基于遗传算法的机器学习 |
36 |
|
3.4.2 遗传算法与其他计算智能方法的结合 |
36-37 |
|
3.4.3 并行处理的遗传算法 |
37 |
|
3.4.4 遗传算法与人工生命的渗透 |
37-38 |
|
3.4.5 遗传算法与进化规则及进化策略的结合 |
38 |
|
3.5 常用的遗传算法的改进方法 |
38-44 |
|
3.5.1 产生初始方案集的改进 |
38-39 |
|
3.5.2 选择方法的改进 |
39-40 |
|
3.5.3 交叉方式的改进 |
40-41 |
|
3.5.4 免疫机理引入遗传算法 |
41 |
|
3.5.5 小生境遗传算法 |
41-44 |
|
第四章 实验及结论 |
44-50 |
|
4.1 基于最优基因的遗传算法 |
44-49 |
|
4.1.1 算法描述 |
44 |
|
4.1.2 算法实现 |
44-49 |
|
4.2 结论与展望 |
49-50 |
|
参考文献 |
50-53 |
|
攻读硕士学位期间发表的论文 |
53-54 |
|
致谢 |
54 |
|
| 【DOI】 | LunWen.ID:2.2008.388758 |
