毕业论文

打赏
当前位置: 毕业论文 > 电子通信 >

MATLAB遗传算法及改进算法的性能仿真研究+代码(2)

时间:2019-03-08 21:49来源:毕业论文
致谢 34 参考 文献 35 附录 36 I基本遗传算法源程序 36 II顺序选择遗传算法源代码 38 III适值函数标定的遗传算法源代码 40 IV大变异遗传算法源代码 42 V自适应


致谢    34
参考文献    35
附录    36
I基本遗传算法源程序    36
II顺序选择遗传算法源代码    38
III适值函数标定的遗传算法源代码    40
IV大变异遗传算法源代码    42
V自适应遗传算法源代码    45
VI双切点交叉遗传算法源代码    47
VII多变异位自适应遗传算法源代码    50
1 绪论
1.1 概述
    自然计算是一种受自然界启发的计算。
    自然计算具有模仿自然界的特点,通常是一类具有自适应、自组织、自学习能力的模型与算法,能够解决传统计算方法难以解决的各种复杂问题。自然计算的应用领域包括复杂优化问题求解、智能控制、模式识别、网络安全、硬件设计、社会经济、生态环境等方面的应用。自然计算的内容一般包括:人工神经网络、遗传算法、免疫算法、人工内分沁系统、蚁群算法、粒子群算法等等。本文将要研究的就是自然计算中遗传算法。
    生物学家对自然生物的进化激励进行了系统的研究,在几亿年间,生物界由最简单的单细胞生物,发展到现在的纷繁复杂、种群繁多的高级生物,充分证明了自然界的“自然选择,适者生存”的思想的实际意义,与之有关的关于生物进化的研究结论,已得到广泛的接受和应用。那么生物界的生存法则能不能运用到计算机界呢?事实证明在这个信息技术飞速发展的时代,人们非常轻易的就能将生物进化的过程用计算机语言实现。遗传算法、进化规划以及进化策略等进化计算理论日益结合。一般认为进化计算包含三个组成部分:遗传算法、进化规划、进化策略。他们用不同的进化控制模式模拟了生物进化过程,从而形成了三种具有普遍影响的优化计算方法。在下文中会详细介绍遗传算法与进化算法之间的关系。
    遗传算法在自然与社会现象模拟、工程计算等方面得到了广泛应用。在各个不同的应用领域,为了取得更好的结果,人们对遗传算法进行了大量的改进,这也是本文研究的另一内容:改进遗传算法。并且本文主要讨论遗传算法及其改进算法在函数优化方面的应用。
1.2遗传算法的发展历史与研究现状
1.2.1 遗传算法的产生与发展
   早在20世纪50年代和60年代,就有少数几个计算机科学家独立地进行了所谓的“人工进化系统”研究,其出发点是进化的思想可以发展成为许多工程问题的优化工具。早期的研究形成了遗传算法的雏形,如大多数系统都遵行“适者生存”的仿自然法则,有些系统采用了基于种群的设计方案,并且加入了自然选择和变异操作,还有一些系统对生物染色体编码进行了抽象处理,应用二进制编码。60年代初期,柏林工业大学的I.Rechenberg和H.P.Schwefel等在进行风洞实验时,由于设计中描述物体形状的参数难以用传统方法进行优化,因而利用生物变异的思想来随机改变参数值,并获得了较好的结果。随后,他们对这种方法进行了深入的研究,形成了进化计算的另一个分支——进化策略,如今进化策略和遗传算法已呈融合之势。也是在20世纪60年代,L.J.Fogel等人在设计有限态自动机(Finite State Machine,FSM)时提出了进化规划,他们借用进化的思想对一组FSM进行进化,以获得较好的FSM。他们将此方法应用到数据诊断、模式识别和分类及控制系统的设计等问题中,取得了较好的结果。后来又借助进化策略方法发展了进化规划,并用于数值优化及神经网络的训练等问题中。 MATLAB遗传算法及改进算法的性能仿真研究+代码(2):http://www.youerw.com/tongxin/lunwen_30912.html
------分隔线----------------------------
推荐内容