资源描述：
《智能优化方法的改进 王颖 (1)》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、河南财经政法大学成功学院本科生毕业论文(设计)智能优化方法的改进院系名称信息工程系姓 名王颖学 号2010341108专 业计算机科学与技术指导教师李喜艳讲师2014年4月2024摘 要遗传算法GAs(GeneticAlgorithms)是一种模拟自然界生物进化的智能优化算法,产生于一些生物学家用计算机模拟生物进化过程的仿真实验。1960年，美国的J．H．Holland把它创造性地应用于人工系统，并成功地利用它解决了一些实际问题，例如“旅行商问题，加上该算法简单易行、鲁棒性强，特别是他不需要专门的领域知识而仅用适
2、应度函数作评价来指导搜索过程。从此，它的实用价值逐渐被人们所认识。特别是近十年，由于计算机性能的提高，以及并行分布式计算的推广，GAs由于自身独特的优势而越来越受到人们的重视[1,2]。遗传算法目前已经在优化控制、机器学习、模式识别、神经网络和并行处理等领域得到了越来越广泛的应用[3-6]。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，但其理论基础还比较薄弱，有许多地方需要研究和发展充实。例如简单遗传算法SGAs(SimpleGeneticAlgorithms)由于自身固有的缺陷，通常优化过程的收敛
3、速度较慢，而且算法稳定性较差。论文的主要工作是遗传算法的基本概念、构成要素、基本流程、收敛性、特点并举例验证了两种简单遗传算法。并针对遗传算法的一些问题做了一些简单的验证，通过对两种简单遗传代码的分析，举例说明，实践结果验证等，更加深入地研究和讨论遗传算法。并对这两种结果进行比较，得出两种算法的优劣，比以后的研究做准备。关键词：遗传算法；收敛性[7]；简单遗传算法；Error!Referencesourcenotfound.Error!Referencesourcenotfound.24AbstractGenetica
4、lgorithm(ga)GAsakindofintelligentoptimizationalgorithmofmimicnaturalbiologicalevolution,producedinsomebiologicalhomecomputeranalogsimulationexperimentofbiologicalevolution.In1960,theUnitedStatesJ.H.Hollandmakeitcreativelyappliedtotheartificialsystems,anduseitsuc
5、cessfullysolvessomeactualproblems,suchasthetravelingsalesmanproblem,andthisalgorithmissimple,strongrobustness,especiallyhedoesn'tneedspecialdomainknowledgeandinevaluationoffitnessfunctiontoguidethesearchprocess.Sincethen,itspracticalvalueisgraduallyknownbypeople
6、.Especiallythepast10years,duetotheimprovementoftheperformanceofthecomputer,andtheexpansionofparallelanddistributedcomputation,GAsduetoitsuniqueadvantagesandmoreandmoreimportancebypeople.Geneticalgorithm(ga)isnowintheoptimizationcontrol,machinelearning,patternrec
7、ognition,neuralnetworksandparallelprocessing,andotherfieldshasbeenmoreandmorewidelyused.Geneticalgorithm(ga)isanemergingtechnologyandindevelopment.Althoughhadagoodharvestinthefieldofapplication,butitstheoreticalbasisisrelativelyweak,therearesomanyplacesneedtoenr
8、ichtheresearchanddevelopment.suchastheSimpleGeneticalgorithm(SimplebasedAlgorithms)duetoitsinherentdefect,usuallyslowerconvergencespeedofoptimizationprocess,andpoorst
