遗传算法的改进及其应用

发布时间：2017-08-13 12:15

  本文关键词：遗传算法的改进及其应用

  更多相关文章： 遗传算法 曲线拟合 旅行商问题 单亲遗传算法

【摘要】： 遗传算法是一种模拟自然界生物进化的概率搜索算法,由于它不受搜索空间的限制性假设的约束,尤其是不需要专门的领域知识而仅用适应度函数作评价来指导搜索过程,从而使它的应用范围极为广泛,并且已在众多领域得到了实际应用,取得了令人瞩目的成果,引起了广大学者和工程人员的关注。 遗传算法早在六十年代由J.H.Holland等人提出,并在八十年代得以完善,发展成为标准式的遗传算法,从九十年代中期得到广泛研究与应用。遗传算法具有全局优化性和易操作性。最初应用于非数值计算方面,直到近几年才转向全局优化问题,并取得了显著的成果。 遗传算法是一种新兴的技术,正处于发展期。虽然在应用领域获得了丰收,但其理论基础还较薄弱,有许多地方需要研究和发展充实。论文的主要工作分如下三部分: (1)对标准遗传算法的发展概况、基本概念、基本原理、理论基础、收敛性、特点及其应用等方面作了简明扼要的介绍,并对遗传算法的实现技术作了较详细的总结。介绍了曲线拟合问题及其求解的基本方法,旅行商问题的数学模型及其求解的传统方法和智能优化方法,单亲遗传算法基本理论,以及基于单亲遗传算法求解旅行商问题。 (2)针对简单遗传算法在拟合曲线中存在的易产生早熟收敛、得到的结果可能为非全局最优收敛解以及在进化后期搜索效率降低的缺陷,引入动态自适应策略调整交叉概率和变异概率,对简单遗传算法进行了改进,提高了收敛速度,又减小了拟合曲线的均方误差。 (3)针对旅行商问题的数学模型及其基于单亲遗传算法的求解方法,提出了一种改进的单亲遗传算法。该算法引入“周期”的概念,在原有算法上加入了“解开算子”,模拟自然界存在的生物周期进化,进化退化并存的现象,每进化若干代才进行一次个体的选择淘汰并重组群体,以保证群体的稳定进化。计算实例证明,改进的单亲遗传算法具有较高的求解质量和求解效率。
【关键词】：遗传算法 曲线拟合 旅行商问题 单亲遗传算法
【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TP18
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-11
• 1.1 课题的背景及意义9-10
• 1.2 本文的主要工作及章节安排10-11
• 第2章 遗传算法11-29
• 2.1 遗传算法发展简史11-13
• 2.2 遗传算法的基本概念13-14
• 2.3 遗传算法的理论基础14-18
• 2.3.1 模式定理14-17
• 2.3.2 积木块假设17-18
• 2.3.3 隐含并行性18
• 2.4 遗传算法的基本流程18-20
• 2.5 应用遗传算法的关键技术20-27
• 2.5.1 遗传编码20-21
• 2.5.2 适应度函数和尺度变换21-22
• 2.5.3 遗传操作22-26
• 2.5.4 算法参数26
• 2.5.5 遗传算法的终止条件26-27
• 2.6 遗传算法的收敛性27
• 2.6.1 早熟收敛27
• 2.6.2 标准遗传算法的收敛性27
• 2.7 遗传算法的特点及应用27-28
• 2.7.1 遗传算法的特点27-28
• 2.7.2 遗传算法的应用28
• 2.8 本章小结28-29
• 第3章 曲线拟合及改进遗传算法拟合曲线29-42
• 3.1 曲线拟合问题描述29
• 3.2 曲线拟合基本方法简介29-35
• 3.2.1 拉格朗日(Lagrange)插值法29-30
• 3.2.2 分段插值法30-31
• 3.2.3 最小二乘法31-32
• 3.2.4 样条拟合法32-35
• 3.2.5 小结35
• 3.3 改进的遗传算法拟合曲线35-41
• 3.3.1 改进的遗传算法原理35-36
• 3.3.2 改进遗传算法的元素设计36-38
• 3.3.3 改进算法框架38
• 3.3.4 数值实验38-41
• 3.3.5 结论41
• 3.4 本章小结41-42
• 第4章 改进的单亲遗传算法求解TSP问题42-64
• 4.1 旅行商问题概述42-44
• 4.1.1 旅行商问题的定义和数学模型42-43
• 4.1.2 研究旅行商问题的意义43-44
• 4.2 解TSP问题的算法综述44-51
• 4.2.1 精确算法44-46
• 4.2.2 近似算法与启发式算法46-51
• 4.3 单亲遗传算法51-55
• 4.3.1 单亲遗传算法的基本思想52-53
• 4.3.2 单亲遗传算法的遗传算子53-54
• 4.3.3 单亲遗传算法的性能和收敛性54-55
• 4.4 改进的单亲遗传算法求解TSP问题55-63
• 4.4.1 PGA算法的设计思想55-56
• 4.4.2 改进遗传算法的元素设计56-59
• 4.4.3 PGA算法描述59-60
• 4.4.4 数值实验60-63
• 4.5 本章小结63-64
• 第5章 结论64-65
• 5.1 本文工作总结64
• 5.2 展望64-65
• 参考文献65-68
• 作者在攻读硕士学位期间发表的学术论文68-69
• 致谢69

【引证文献】

中国期刊全文数据库 前1条

1 李龙澍;李森;廖敏;汪小珍;;基于多种群遗传算法测试用例优先级技术研究[J];计算机技术与发展;2011年04期

中国硕士学位论文全文数据库 前10条

1 马俊;长距离输水管网优化设计与研究[D];郑州大学;2010年

2 曹巍巍;基于智能优化算法的OFDMA系统自适应资源分配问题研究[D];哈尔滨工程大学;2010年

3 王宇飞;MIMO-OFDM系统天线和子载波联合分配问题研究[D];哈尔滨工程大学;2010年

4 马牧;基于蜂群算法的遗传算法研究及其在地形匹配中的应用[D];西安电子科技大学;2010年

5 周畅;基于混合遗传算法的正交多相码波形优化设计[D];西安电子科技大学;2011年

6 王萍萍;基于捕食搜索策略的遗传算法的研究及应用[D];江南大学;2011年

7 何迪;基于选择性变异技术的频率分配方法[D];新疆大学;2011年

8 王晓林;基于栅格法的仿生机器鱼路径规划研究[D];天津大学;2010年

9 黄苏红;CT图像环形伪影校正方法研究[D];重庆大学;2011年

10 王义新;基于拥挤差分进化算法的多模态优化及其应用研究[D];哈尔滨工程大学;2011年

，

本文编号：667227