| 【中文题名】 | 基于改进遗传算法的多目标决策方法研究及应用 |
| 【英文题名】 | |
| 【学科专业】 | 计算机应用 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-29 |
| 【中关键词】 | 防乱伦遗传算法,多目标决策,ERP,生产计划,, |
| 【英关键词】 | incest prevention genetic algorithm,multi-objective decision-making,ERP,production plan, |
| 【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】 |
遗传算法作为一种非确定性的拟生态随机优化算法在过去20年中得到了广泛的应用。由于其具有不依赖于问题模型的特性、全局最优性、隐含并行性等特点，正越来越激起人们研究与应用的兴趣。
多目标决策问题是从实际应用中产生的，它不论在经济、军事还是高科技领域都有着重要的研究价值。尽管多年来多目标决策问题已有许多求解方法，然而最近十几年来遗传算法已逐渐发展成为解决多目标决策问题的理想方法。但在实际应用中，人们常常发现，遗传算法会收敛到局部最优而不再进化，或者是群体中不能再产生性能超过父代的后代，群体中的各个个体之间非常相似即出现未成熟收敛现象。
本文介绍了遗传算法和多目标决策的原理和方法，并围绕遗传算法中的早熟问题对遗传算法进行改进。基于配对策略，为了维持群体的多样性，该文设计的防乱伦遗传算法是有目的地选择配对个体，去除相似个体。然后通过三次试验对该改进算法进行验证，试验结果表明INGA能很好的摆脱早熟，并能搜索到最优值，且搜索的效率也很高。
另外，本文以贵州省某药厂ERP系统的生产计划为例，提出多目标生产计划模型，并将改进的遗传算法应用于求解此多目标决策模型，从而使药厂摆脱了以往手工制定生... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
Abstract |
6-8 |
|
第一章 序言 |
8-14 |
|
1.1 引言 |
8-9 |
|
1.2 国内外研究现状 |
9-11 |
|
1.3 研究背景 |
11-12 |
|
1.3.1 课题需求 |
11 |
|
1.3.2 课题来源 |
11-12 |
|
1.4 课题研究内容及意义 |
12 |
|
1.5 本文的组织 |
12-14 |
|
第二章 遗传算法概述 |
14-28 |
|
2.1 遗传算法的思想及特点 |
14-15 |
|
2.2 遗传算法原理 |
15-18 |
|
2.3 遗传算法的研究现状 |
18-19 |
|
2.4 基本遗传算法 |
19-22 |
|
2.4.1 基本遗传算法的数学模型 |
19-20 |
|
2.4.2 基本遗传算法的步骤 |
20-22 |
|
2.5 遗传算法与传统搜索方法的比较 |
22-24 |
|
2.6 遗传算法的应用 |
24-27 |
|
2.7 小结 |
27-28 |
|
第三章 多目标优化与决策技术 |
28-34 |
|
3.1 基本概念和模型 |
28-29 |
|
3.2 多目标优化与决策 |
29-33 |
|
3.2.1 先验优先权技术 |
29-31 |
|
3.2.2 后验优先权技术 |
31-32 |
|
3.2.3 优先权演化技术 |
32-33 |
|
3.3 小结 |
33-34 |
|
第四章 改进的遗传算法 |
34-44 |
|
4.1 遗传算法的未成熟收敛问题 |
34-36 |
|
4.2 防乱伦遗传算法 |
36-40 |
|
4.2.1 启发 |
36 |
|
4.2.2 算法改进 |
36-37 |
|
4.2.3 算法设计 |
37-40 |
|
4.3 INGA的试验结果及性能分析 |
40-43 |
|
4.4 小结 |
43-44 |
|
第五章 基于改进遗传算法的多目标决策方法在ERP生产计划中的应用 |
44-50 |
|
5.1 引言 |
44 |
|
5.2 模型的建立 |
44-46 |
|
5.3 模型的求解 |
46-49 |
|
5.4 小结 |
49-50 |
|
第六章 结论与展望 |
50-51 |
|
6.1 论文的主要工作 |
50 |
|
6.2 论文的进一步工作 |
50-51 |
|
致谢 |
51-52 |
|
参考文献 |
52-57 |
|
附录 |
57-58 |
|
| 【DOI】 | LunWen.ID:2.2008.388854 |
