本科毕业设计论文--基于matlab的遗传算法研究及仿真.doc

《本科毕业设计论文--基于matlab的遗传算法研究及仿真.doc》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、基于Matlab的遗传算法研究及仿真姓名：学号：学院：机电学院指导教师：日期：2016-7-20摘　　　　要本文首先介绍了遗传算法的基本思想、遗传算法的构成要素、遗传算法的特点、遗传算法的基本模型、遗传算法的应用情况及今后的研究方向等等的内容。之后是基于Matlab7.0下的遗传算法求解函数最值问题。本人选择了函数优化这个应用领域，按照遗传算法的步骤，即编码、解码、计算适应度（函数值）、选择复制运算、交叉运算和变异运算，对函数进行求解最值。第三部分：对遗传算法求函数最值问题的改进。这部分主要针对本文第二部分

2、进行改进，通过改变基本遗传算法运行参数值，如改变交叉概率Pc值和变异概率Pm值，从而使最优值更加接近相对标准下函数的最值。关键词：遗传算法适应度交叉概率变异概率StudyandApplicationofGeneticAlgorithmAbstract：Firstly，theoutlineoftheGeneticArithmetic，mainlyintroducedtheGeneticArithmetic’smentality、elements、specialty、fundamentalmodel、appli

3、edsituationanddirectionofthefollowingresearchandsoon.Secondly，theproblemofsolvingfunctions’maximalandminimumvalueoftheGeneticArithmeticonthebasicofMatlab7.0.Asanewoptimizedmethod，usedwidelyinsomeaspects，suchascomputingandscience、modelidentity、intelligenceo

4、bstaclesdiagnoses，itisfittosolvetheproblemsofcomplicatednonlinearandmultidimensionedspacetofindouttheoptimalvalue，whichappliedwidelyinrecentyears.Ichoosefunctionsperfectingandaccordingtoitssteps:coding，decoding，workingtheadaptivedegree(functionvalue)，selec

5、tivereproductiveoperation，acrossoperation，differentiationoperationandworkingoutthemaximalandminimumvalue.Thirdly，bettermentofusingtheGeneticArithmetictogetfunctions’maximalandminimumvalue.ThispartmakeuseofmethodthatchangingthebasalGeneticArithmetictomakema

6、ximalandminimumvalueapproachingtheonethatfromoppositestandard，suchasachangeofprobabilityofacrossvaluePcanddifferentiationvaluePm.Keywords:GeneticAlgorithm;Theadaptivedegree;ProbabilityofCrossover;ProbabilityofMutation1前言生命科学与工程科学的相互交叉、相互渗透和相互促进是近代科学技术发展的一个

7、显著特点，而遗传算法的蓬勃发展正体现了科学发展的这一特征和趋势。遗传算法（GeneticAlgorithm---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教授和他的研究小组围绕遗传算法进行研究的宗旨有两个：一是抽取和解释自然系统的自适应过程，二是设计具有自然系统机理的人工系统。毫无疑问，J.Holland教授的研究无论对自然系统还是对人工系统都是十分有意义的。众所周知，在人工智能领域中，有

8、不少问题需要在复杂而庞大的搜索空间中寻找最优解或准最优解。因此，研究能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程，从而得到最优解或准最优解的通用搜索算法一直是令人瞩目的课题。遗传算法就是这种特别有效的算法。它的主要特点是简单、通用、鲁棒性强，适用于并行分布处理，应用范围广。尽管遗传算法本身在理论和应用方法上仍有许多待进一步研究的问题，但它在组合优化问题求解、自适应控制、规划设计、机器学习