需要金幣： 1000 個金幣 |
資料包括：完整論文 |  |
 |
| 轉換比率：金額 X 10=金幣數量， 例100元=1000金幣 | 論文字數：12716 |  | |
| 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:遺傳算法是計算機科學中的一個廣泛使用的算法，它是以達爾文的生物進化論為基礎通過模仿染色體的進化過程來實現對目標函數的優(yōu)化。混合遺傳算法是對標準遺傳算法的一種改進算法，它的主要思想是把其他具有較強局部搜索能力的算法與遺傳算法有效地結合起來，從而形成一個新的混合算法。本文對混合遺傳算法的基本流程進行了詳細介紹，并將混合遺傳算法應用在Group Travel問題和Flow Shop問題這兩個計算機科學的經典問題中。實驗結果表明混合遺傳算法能很有效的解決上述問題。
關鍵詞：混合遺傳算法；爬山法； Group Travel問題；Flow Shop問題
目錄 摘要 Abstract 1 緒論-1 2 混合遺傳算法-2 2.1 遺傳算法-2 2.1.1 遺傳算法的概要-2 2.1.2 染色體和基因-3 2.1.3 初始種群的生成-3 2.1.4 遺傳算法的操作-3 2.1.5 適應度計算-6 2.1.6 退出條件-6 2.2 爬山法-6 2.3 模擬退火算法-7 2.4 混合遺傳算法-8 2.4.1 混合遺傳算法的概念-8 2.4.2 混合遺傳算法的流程-9 3 Group Travel問題-10 3.1 定義問題-10 3.2 具體案例-10 3.2.1 編碼-10 3.2.2 解碼-11 3.3 爬山法-11 3.4 模擬退火法-12 3.5 混合遺傳算法-14 3.5.1 適應度計算-14 3.5.2 初始種群的生成-14 3.5.3 選擇-15 3.5.4 交叉-16 3.5.5 變異-16 3.5.6 終止條件-16 3.5.7 結果-16 4 Flow Shop問題-18 4.1 定義問題-18 4.2 具體案例-18 4.2.1 編碼-19 4.2.2 解碼-19 4.3 適應度計算-20 4.4 初始種群的生成-21 4.5 選擇-21 4.6 交叉-21 4.6.1 單點交叉-21 4.6.2 兩點交叉-22 4.6.3 均勻交叉-23 4.7 變異-24 4.7.1 基本變異-24 4.7.2 均勻變異-24 4.7.3 自適應變異算子-25 4.8 退出條件-25 4.9 結果-25 結 論-27 參 考 文 獻-28 致 謝-29 |
