欢迎来到天天文库
浏览记录
ID:14335247
大小:535.50 KB
页数:43页
时间:2018-07-28
《吉首大学 毕业设计_封面_理工类专用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、JISHOU UNIVERSITY本科生毕业设计题目:几种典型的智能优化算法及其应用领域研究作者:李志强学号:20104042041所属学院:信息科学与工程学院专业年级:2010级计算机科学与技术指导教师:段明秀职称:讲师完成时间:2014年5月20日吉首大学教务处制独创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明
2、。本人完全意识到本声明的法律后果由本人承担。论文题目:作者签名:日期:年月日论文版权使用授权书本人完全了解吉首大学有关保留、使用学位论文的规定,即:学校有权保留送交论文的复印件和磁盘,允许论文被查阅和借阅,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。同意吉首大学可以用不同方式在不同媒体上发表、传播学位论文的全部或部分内容。(保密的学位论文在解密后应遵守此协议)论文题目:学生签名:日期:年月日导师签名:日期:年月日目录摘要IAbstractII第1章绪论11.1课题研究背景及目的11.2研究现
3、状11.3研究内容3第2章遗传算法42.1遗传算法介绍42.2遗传算法的基本原理4第3章遗传算法的应用63.1遗传算法典型的应用领域63.2最早应用63.3实现求解背包问题6第4章蚁群算法254.2蚁群算法的工作原理和特点25第5章蚁群算法的应用285.1蚁群算法应用285.2算法分析28结语35参考文献36致谢37几种典型的智能优化方法及其应用领域研究摘要智能优化算法一般从搜索空间的初始解出发,按照某种机制,以一定的机率在整个求解空间中探索最优解,这是它们的基本特点,即寻优性能,随着现代信息技术的快
4、速发展,智能优化方法的应用领域也越来越广泛,为社会经济的发展带了更多活力,同时给人们生活提供了极大的便捷。本文重点探讨两种比较典型的智能优化算法,遗传算法和蚁群算法,概述和分析遗传算法和蚁群算法发展背景和研究目的,以及两种智能优化算法的研究状况、进展和研究的主要内容,着重就它们方法特点和一些典型应用领域进行分析。将从达尔文提出的进化论入手,通过实际问题案例,分析说明遗传算法的核心思想、实现过程,对遗传算法的算法过程和典型应用领域进行探讨和剖析,并由此提出了遗传算法在一些不同情况下的应用价值;从蚁群的觅
5、食机制和旅行商问题(TSP,travelingsalesmanproblem)等典型应用问题开始,探讨蚁群算法的思想要素,通过具体典型应用领域的谈论对蚁群算法应用特点作进一步的分析。提供了文中两种典型智能优化算法的计算机编码,并提供了其中关键注释,取得了预期的良好效果。关键词:遗传算法;蚁群算法;寻优性能;典型应用;最优解IISeveralTypicalIntelligentOptimizationMethodandItsApplicationsAbstractIntelligentoptimizat
6、ionalgorithmsisgeneralgofromthestartingsolutionoftheinitialsearchspace,thereisachancetoexploretheoptimalsolutioninthewholepossiblespaceaccordingtothemechanism,thisistheirbasiccharacteristics,namelyoptimizingperformance,Withtherapiddevelopmentofmoderninf
7、ormationtechnology,applicationsofintelligentoptimizationmethodsareincreasinglybeingusedforsocialandeconomicdevelopmentwithmorevigor,andprovidespeople'slivesgreatconvenience.Thisarticlefocusesontwotypicalintelligentoptimizationalgorithm,geneticalgorithma
8、ndantcolonyalgorithm,anoverviewandanalysisofthegeneticalgorithmandantcolonyalgorithmdevelopmentbackgroundandresearchpurposes,andthetwointelligentoptimizationalgorithmresearchstatus,progressandthemaincontent,theanalysisfocusesonth
此文档下载收益归作者所有