关于遗传算法研究的内容调研设计毕业论文

《关于遗传算法研究的内容调研设计毕业论文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、关于遗传算法研究的内容调研设计毕业论文目录摘要错误!未定义书签。Abstract错误！未定义书签。第一章遗传算法概论11.1遗传算法的产生和国内外研究现状11.2遗传算法的基本原理21.3遗传算法的特点31.4遗传算法的应用41.5课题的任务6第二章基本遗传算法72.1基本遗传算法简介72.2基本遗传算法描述72.3基本遗传算法的实现10第三章遗传算法求解TSP153.1旅行商问题概述153.2使用改进的遗传算法求解TSP16第四章求解TSP的实验结果及分析274.1实骑环境274.2算法在求解不同规模下的TSP的实验结果274.3改良

2、的遗传算法和其它智能优化算法的比较284.4使用单一变界算子和混合变界算子的实验结果对比分析29第五章总结30参考文献33附录1改良遗传算法求解TSPJava源程序34附录2英文文献翻译50致谢57第一章遗传算法概论1.1遗传算法的产生和国内外研究现状遗传算法（GeneticAlgorithm简称GA）美国的J.Holland教授于1975年在他的专著《自然界和人工系统的适应性》屮首先提出的，它是一类借鉴生物界自然选择和白然遗传机制的随机化搜索算法⑴。遗传算法模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象，在每次迭代中都保留

3、一组候选解，并按某种指标从解群中选取较优的个体（优胜劣汰），利用遗传算子（选择、交叉和变异）对这些个体进行组合，产生新一代的候选解群，重复此过程，肓到满足某种收敛指标为止。最后一代候选解群中的最优解就是所求得的最优解。1991年D.Whitey在他的论文中提岀了基于领域交叉的交叉算子（Adjacencybasedcrossover）,这个算子是特别针对用序号表示基因的个体的交叉，并将其应用到了（旅行商）TSP问题中，通过实验对其进行了验证。D.H.Ackley等提岀了随机迭代遗传爬山法（StochasticIteratedGenetic

4、Hill-climbing,SIGH）采用了一种复杂的概率选举机制，此机制屮由m个“投票者”来共同决定新个体的值（m表示群体的人小）。实验结果表明，SIGH与单点交叉、均匀交叉的神经遗传算法相比，所测试的六个函数中有四个表现出更好的性能，而11总体来讲，SIGH比现存的许多算法在求解速度方面更有竞争力叫H.Bersini和G.Seront将遗传算法与单一方法（simplexmethod）结合起来，形成了一种叫单一操作的多亲交叉算子（simplexcrossover）,该算子在根据两个母体以及一个额外的个体产生新个体，事实上他的交叉结果与

5、对三个个体用选举交叉产生的结果一致。同时，文献还将三者交叉算子与点交叉、均匀交叉做了比较，结果表明，三者交叉算子比其余两个有更好的性能。国内也有不少的专家和学者对遗传算法的交叉算子进行改进。2002年，戴晓明等应用多种群遗传并行进化的思想，对不同种群基于不同的遗传策略，如变异概率，不同的变异算子等来搜索变量空间，并利用种群间迁移算子来进行遗传信息交流，以解决经典遗传算法的收敛到局部最优值问题2004年，赵宏立等针对简单遗传算法在较大规模组合优化问题上搜索效率不高的现象，提出了一种用基因块编码的并行遗传算法(Building.blockC

6、odedParallelGA,BCPGA)。该方法以粗粒度并行遗传算法为基本框架，在染色体群体中识别出可能的基因块，然后用基因块作为新的基因单位对染色体重新编码,产生长度较短的染色体，在用重新编码的染色体群体作为下一轮以相同方式演化的初始群体。2005年，江雷等针对并行遗传算法求解TSP,探讨了使用弹性策略来维持群体的多样性，使得算法跨过局部收敛的障碍，向全局最优解方向进化。1.2遗传算法的基本原理1.2.1遗传算法的基本术语由于遗传算法的研究与应用尚在不断发展之中，有关术语的运用尚未完全取得统一。为了在下面的研究中做到准确、清晰、规范

7、的描述，对本文使用到的遗传算法术语解释如下［叭个体(individual)：遗传算法屮处理的基本对象、数据结构，对应于自然遗传学中的生物个体。种群(population)：个体的集合，对应于自然遗传学中的生物种群。种群大小(populationsize)：种群中个体数目称为种群大小。位串(bitstring)：也叫染色体(chromosome),个体特征的表现形式，对应于自然遗传学中的染色体。基因(gene)：位串中的元素，表示不同的特征，对应于生物学中的遗传物质单位，以DNA序列形式把遗传信息译成编码。基因位(locus)：某一基因在

8、位串(染色体)中的位置适应度(fitness)：某一个体对于环境的适应程度，或者在环境压力下的生存能力，取决于遗传特性。适应度函数(fitnessfunction)：为了体现染色体的适应能力，引入了对问题中