学位论文 > 优秀研究生学位论文题录展示
改进的遗传算法及其在多目标优化中的应用研究
作 者: 江务学
导 师: 王金海
学 校: 天津工业大学
专 业: 计算机应用技术
关键词: 遗传算法 Dijkstra算法 Pareto最优解 多目标优化
分类号: TP18
类 型: 硕士论文
年 份: 2005年
下 载: 669次
引 用: 8次
阅 读: 论文下载
内容摘要
遗传算法是模拟生物界的进化过程而产生的一种现代优化算法,作为一种有效的随机搜索方法,在优化方法中具有独特的优越性,有着非常重要的理论意义和广泛的应用领域。传统优化方法对目标函数解析性质要求较高,进化算法不需要目标函数的导数信息,具有隐式并行性,所以常用于一些复杂的、大规模的、非线性、不可微的求解优化问题。 本文介绍了遗传算法的发展概况,通过实例分析了基本遗传算法的实现步骤;对遗传算法的理论基础进行介绍分析讨论,包括模式定理,积木块假说,内在并行性,Walsh模式变换和欺骗问题等:对典型和近期发表文章所提出的一些改进策略作了总结和分析比较;提出了对遗传操作算子的改进策略,在具体问题中结合相应的特点再作相应的改进,通过线性规划问题、网络路径优化问题和典型的NP难—TSP问题等算例的验证,结果表明,算法是有效的,能得到较好的结果,同时也提高了算法的效率。 多目标优化问题一直是科学和工程研究领域的一个难点和热点问题,在遗传算法应用到这一领域以前,已经产生了许多经典的方法,但在处理一些大型、复杂问题上存在着不足,遗传算法正好能弥补这个不足。在具体问题上,遗传算法与多目标优化问题的结合中最关键的问题是如何在种群中通过多个目标来评价个体的好坏。本文引入了堆排序机制,并应用到问题的求解过程中,通过两个算例的模拟,结果表明,该算法能求出比较合理的Pareto最优解集,表明了其有效性。
|
全文目录
第一章 引言 9-11 1.1 论文课题研究的目的和意义 9-10 1.2 本文所做的工作 10-11 第二章 遗传算法理论概述 11-16 2.1 生物进化与遗传 11-12 2.1.1 生物进化 11-12 2.1.2 生物进化与遗传算法及基本概念 12 2.2 遗传算法的基本思想 12-13 2.3 遗传算法基本要素 13-14 2.4 遗传算法的研究概况 14-16 2.4.1 遗传算法研究概述 14 2.4.2 遗传算法研究的新动向 14-16 第三章 基本遗传算法 16-30 3.1 简单函数优化实例 16-19 3.1.1 编码 16-17 3.1.2 产生初始种群 17 3.1.3 计算适应度 17-18 3.1.4 遗传操作 18-19 3.1.5 模拟结果 19 3.2 编码 19-20 3.3 适应度函数及其尺度变换 20-22 3.3.1 几种常见的适应度函数 20-21 3.3.2 适应度函数的作用 21 3.3.3 适应度函数的设计 21-22 3.3.4 适应度函数的尺度变换 22 3.4 遗传操作 22-28 3.4.1 选择算子 23-25 3.4.2 交叉算子 25-27 3.4.3 变异算子 27-28 3.5 基本遗传算法的研究概况 28-30 3.5.1 参数的选择 28-29 3.5.2 基因操作 29-30 第四章 遗传算法的基本理论 30-38 4.1 模式定理 30-32 4.1.1 模式的定义 30-31 4.1.2 模式定理 31-32 4.2 积木块假说 32-33 4.3 内在并行性 33 4.4 WALSH模式变换 33-36 4.4.1 Walsh函数 34-35 4.4.2 用Walsh函数表示模式平均适应度 35-36 4.5 欺骗问题 36-37 4.6 遗传算法的理论研究概况 37-38 第五章 改进的遗传算法及其应用研究 38-56 5.1 改进的遗传算法 38-41 5.1.1 选择算子的改进 38-39 5.1.2 交叉算子的改进 39-40 5.1.3 变异算子的改进 40-41 5.2 组合优化问题的遗传算法 41-45 5.2.1 线性规划问题求解模型 41 5.2.2 染色体的编码方式 41-42 5.2.3 适应值的定义及比例变换 42-43 5.2.4 遗传操作 43 5.2.5 算例实验 43-45 5.3 最短路径的改进遗传算法 45-49 5.3.1 编码 45 5.3.2 初始群体的生成 45-46 5.3.3 适应度函数值 46 5.3.4 选择、交叉和变异 46 5.3.5 算法及软件实现 46-48 5.3.6 算法求解示例: 48-49 5.4 TSP问题的改进遗传算法 49-53 5.4.1 TSP问题 49 5.4.2 算法设计 49-53 5.4.3 应用举例:50个城市的TSP问题 53 5.5 改进遗传算法研究概述 53-56 5.5.1 分层遗传算法 54 5.5.2 CHC算法 54 5.5.3 Messy GA 54 5.5.4 自适应遗传算法 54-55 5.5.5 混合遗传算法 55 5.5.6 并行遗传算法 55-56 第六章 多目标优化问题的应用研究 56-65 6.1 多目标优化问题概述 56-58 6.1.1 多目标优化问题的产生、发展和应用 56-57 6.1.2 多目标规划的基本概念和模型 57-58 6.2 多目标优化和遗传算法的融合、发展状况及分类 58-61 6.2.1 权系数变化法 59-60 6.2.2 并列选择法 60 6.2.3 排序选择法 60 6.2.4 共享函数法 60-61 6.3 多目标优化算法及应用算例 61-65 6.3.1 算法设计 61-63 6.3.2 试验与结果 63-65 第七章 总结与展望 65-69 7.1 遗传算法操作描述及其相关改进的总结 65-66 7.2 遗传算法研究方向和趋势的展望 66-68 7.2.1 优化搜索方法的研究 66 7.2.2 学习系统的遗传算法研究 66-67 7.2.3 生物进化与遗传算法的研究 67 7.2.4 遗传算法的并行分布处理 67 7.2.5 人工生命与遗传算法的研究 67 7.2.6 遗传编程 67-68 7.2.7 遗传神经网络 68 7.3 本文所做工作的展望 68 7.4 结束语 68-69 参考文献 69-72 谢辞 72-73 作者攻读硕士学位期间发表论文和科研情况说明 73-74
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 基于蚁群算法的电梯群优化控制研究,TU857
- 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
- 部队人员网上训练与考核系统的开发,TP311.52
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于遗传算法的中短波磁天线的设计及实现,TN820
- 基于遗传算法的柑橘图像分割,TP391.41
- 基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
- 基于遗传—牛顿算法的公交优化调度,TP18
- 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
- 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
- 基于遗传算法和粗糙集的聚类算法研究,TP18
- 海底管道修复连接器的研究,TE973
- 基于遗传算法的淠史杭灌区渠系配水优化编组模型的研究,S274
- 遗传算法在物流仓储优化中的应用研究,F259.2
- 基于遗传算法的矿山资源优化调度模型的研究,O224
- 基于粒子群算法的区域水资源优化配置研究,TV213.4
- 磁流变阻尼器的力学特性及其在火炮反后坐中的应用研究,TB535.1
- 模糊预测函数控制改进算法的研究及应用,TP273
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|