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(shù)量， 例100元=1000金幣 | 論文字數(shù)：13508 |  | |
| 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（GA）是人工智能中的一個重要的算法，它是以達爾文的“生物進化論”為基礎通過模仿生物的進化過程來實現(xiàn)對目標函數(shù)的優(yōu)化。小生境遺傳算法是對基本遺傳算法的一種改進算法，它的主要思想是將單一種群劃分為多個種群，多個種群在進化的過程中同時推進，并在進化進程中按照一定的策略在各個不同種群中交換染色體，以保證個體的豐富性。本文中對小生境遺傳算法的基本流程和模式進行了詳細介紹，并將小生境遺傳算法應用在N-Queen問題和TSP問題等人工智能中的經典問題中。在實驗中將傳統(tǒng)遺傳算法的結果和小生境遺傳算法的結果進行比較，多個實驗結果表明小生境遺傳算法能夠有效的解決上述問題。
關鍵詞：小生境；遺傳算法；TSP問題；N-Queen問題
目錄 摘要 Abstract 1 緒論-1 1.1 引言-1 1.2 遺傳算法的研究現(xiàn)狀-1 1.2.1 人工智能-2 1.2.2并行遺傳算法的研究-2 1.3論文研究意義-2 1.4 論文的結構安排-3 2 小生境遺傳算法-4 2.1 遺傳算法的基本概念-4 2.2 遺傳算法的原理-4 2.3 遺傳算法的操作步驟-5 2.3.1 編碼-5 2.3.2 群體的設計-6 2.3.3 遺傳算法基本操作-7 2.4 小生境策略-16 2.4.1 遷移-16 2.4.2全局模型 – work/farmer模式-19 2.4.3 擴散模型-19 3 N-Queen問題-20 3.1 小生境GA算法求解N-Queen問題詳細過程-20 3.1.1編碼-20 3.1.2 個體評價-20 3.1.3 選擇-21 3.1.4 交叉-21 3.1.5 變異-21 3.1.6 終止條件-21 3.1.7 實驗-21 4 旅行商問題（TSP）-23 4.1 基于小生境GA算法的TSP問題的詳細描述-23 4.1.1 計算路徑長度-23 4.1.2 選擇和交叉-24 4.1.3 基因突變-26 4.1.4 實驗-26 結 論-28 參 考 文 獻-29 致 謝-30 |
