遗传算法的研究+文献综述
时间:2018-04-06 22:03 来源:毕业论文 作者:毕业论文 点击:次
| 摘要：遗传算法（Genetic Algorithm，GA）是借鉴达尔文的生物进化论：物竞天择，适者生存的思想而演化出来的搜索算法。遗传算法主要有选择、交叉、变异和终止等步骤。遗传算法有可扩展性，随机性，而且算法的过程简单。遗传算法已被人们广泛地应用于多种领域，并取得了良好的效果，遗传算法可以解决函数的优化问题，组合的优化问题与生产调度问题等等。目前，基本遗传算法存在比其他传统的优化方法搜索效率低而且收敛速度过慢等问题。本论文提出一种基于自适应遗传算法的改进方法，其主要思想为融合自适应遗传算法与对交叉变异算子进行改进的方法以加强遗传算法的优化效率。设计实验对改进后的自适应遗传算法、基本遗传算法的性能通过函数优化进行了比较，实验结果表明改进的遗传算法在收敛速度或最优解的精度方面明显优于基本的遗传算法。20667 毕业论文关键词：遗传算法；自适应遗传算法；交叉变异算子 The Research of Genetic Algorithm Abstract: Genetic Algorithm (Genetic Algorithm, GA) is a randomized search method for a class of reference biological evolution of the algorithm. There are four steps in GA, selection, crossover, mutation and termination. Genetic algorithm is scalable, random, and has simple process. Genetic algorithm has been widely used in many fields, and has achieved good results. Genetic algorithm is able to solve optimization problems mainly a function of portfolio optimization and production scheduling problems and so on. Genetic algorithm has the problem that it has lower than other existing traditional optimization methods search efficiency and convergence issues such as excessive speed. This paper presents a method based on improved adaptive genetic algorithm: Fusion adaptive genetic algorithm crossover and mutation operators with improved methods to enhance the efficiency of genetic algorithm optimization, while performing procedures to verify the reliability of the simulation program. Keywords: genetic algorithms; adaptive genetic algorithm; crossover and mutation operator 目录 摘要 i Abstract ii 目录 iii 1 绪论 1 1.1 遗传算法的起源 1 1.2 遗传算法的基本原理与特点 2 1.2.1 遗传算法的基本原理 2 1.2.2 遗传算法的特点 3 1.3 遗传算法的发展 3 1.4 遗传算法的应用 3 2 遗传算法的基本原理 6 2.1 选择 7 2.2 交叉 9 2.3 变异 10 2.4 终止 11 3 改进的遗传算法 12 3.1 自适应遗传算法 12 3.2 交叉变异算子的改进 14 3.3 改进方案总结 15 4 遗传算法改进方案的验证 17 4.1 设计仿真实验 17 4.2 实验验证 21 4.3 实验结果分析 27 5 总结 28 致谢 29 参考文献 30 附录 31 1 绪论 遗传算法（Genetic Algorithm，GA）是借鉴达尔文的生物进化论的物竞天择、适者生存的思想演化出来的搜索算法。美国的J.Holland教授在1975年率先提出此概念。遗传算法特别在于是直接对对象的结构来实行操作，所以不存在对求导或函数的连续性限制。遗传算法具有很多优秀的特性，例如隐蔽行性，更好的选择最优能力，使用概率化去寻求最优，能自动搜取，引导优化搜索的空间，自动去适应和调节搜索方向，并不要求特定的搜索规则。正是因为遗传算法拥有这些优秀的能力，很多实际应用领域都能看到遗传算法的身影，例如信号处理领域、人工生命研究领域、组合优化领域、自适应控制领域和机器学习研究领域等等。 (责任编辑：qin) |