需要金幣： 1000 個金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字數(shù)：11151 |  | |
| 折扣與優(yōu)惠：團購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要：遺傳算法是近年來迅速發(fā)展起來的一種全新的隨機搜索與優(yōu)化算法，是基于Darwin的進化論和Mendel的遺傳學。遺傳算法的有趣應(yīng)用很多，諸如函數(shù)最優(yōu)解問題，尋路問題，8數(shù)碼問題，囚犯困境，動作控制，找圓心問題，TSP問題，生產(chǎn)調(diào)度問題，人工生命模擬等。本文將研究其中一應(yīng)用：函數(shù)最優(yōu)解問題并且對控制參數(shù)進行了詳細說明和實驗分析。 關(guān)鍵詞：遺傳算法；函數(shù)極值；編碼;控制參數(shù)
目錄 摘要 Abstract 1緒論-1 1.1遺傳算法起源與發(fā)展過程-1 1.2遺傳算法研究現(xiàn)狀與目的-2 2遺傳算法基本原理和基本技術(shù)-3 2.1遺傳算法基本概念-3 2.2遺傳算法的原理-4 2.3遺傳算法基本操作-4 2.4遺傳算法的編碼問題-5 2.5遺傳算子-6 2.6遺傳選擇-6 2.7遺傳算法與傳統(tǒng)搜索方法的比較-7 2.8遺傳算法應(yīng)用領(lǐng)域-7 3 遺傳優(yōu)化-9 3.1全局優(yōu)化-9 3.2約束優(yōu)化-10 4遺傳算法求函數(shù)極大值應(yīng)用-10 4.1問題提出-10 4.2思路分析-11 4.3算法步驟-12 4.4具體實現(xiàn)步驟-12 4.5實驗遺傳算法-17 4.6遺傳算法參數(shù)對于算法性能影響分析-21 致謝-25 參考文獻-26 附錄A 標準測試函數(shù)集-27 附錄B 遺傳算法實現(xiàn)代碼-28 |
