需要金幣： 1000 個(gè)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?jǐn)?shù)：13527 |  | |
| 折扣與優(yōu)惠：團(tuán)購(gòu)最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要：遺傳算法是目前廣泛應(yīng)用的一種模擬自然界生物進(jìn)化機(jī)制的概率性搜索算法。初始種群是遺傳算法運(yùn)算時(shí)的第一步，因此它是研究遺傳算法性質(zhì)要面臨的首要問題。本文通過實(shí)驗(yàn)研究了初始種群對(duì)遺傳算法收斂性的影響。本文還研究了種群規(guī)模、交叉率和初始種群的關(guān)系，基于典型優(yōu)化問題的實(shí)驗(yàn)，得出種群規(guī)模的選取應(yīng)該在計(jì)算量、算法收斂性之間平衡，交叉率的選取應(yīng)該有一個(gè)適當(dāng)?shù)弥怠?/p> 關(guān)鍵詞：初始種群 收斂性 遺傳算法 種群規(guī)模 隨機(jī)數(shù)
Abstract：Genetic algorithm is now widely used as a mimic natural biological evolution mechanism probabilistic search algorithm. The initial population is the first step of genetic algorithm when performing, so it’s the primary problem to face when studying genetic algorithm properties. This paper mainly does experimental studies of the influence of initial population in genetic algorithm’s convergence .This paper also studies the relationship between the population scale , crossover rate and the initial population, based on the typical optimization problem, we draw a conclusion: the selection of the population scale in computation should balance between the calculation and algorithm convergence，the Crossover rate selection should have a right value. Keywords：Initial population，convergence，Genetic algorithm，Population scale，random
遺傳算法作為優(yōu)秀的全局搜索算法之一，已經(jīng)在很多方面得到了應(yīng)用。本文通過對(duì)種群規(guī)模、初始種群與遺傳算法的收斂性的關(guān)系進(jìn)行對(duì)比實(shí)驗(yàn)，從中得出一些規(guī)律，為遺傳算法今后的應(yīng)用提供幫助。同時(shí)，為初始種群方面來改進(jìn)遺傳算法的收斂性奠定了基礎(chǔ)。 在研究了初始種群對(duì)遺傳算法收斂性影響，我們得出以下結(jié)論： ?。?）初始種群的均勻分布和多樣性，對(duì)于提高算法收斂速度和概率，有很大幫助。種群分布越均勻，就越有可能找到最優(yōu)解，使得算法更快地得到收斂。 ?。?）種群規(guī)模的確定，不宜太小或太小，需要根據(jù)實(shí)際應(yīng)用的情況來決定。 ?。?）交叉概率太小，交叉操作很少進(jìn)行，從而會(huì)使搜索停滯不前，造成算法的不收斂；交叉概率太大，種群中個(gè)體更新很快，會(huì)造成高適應(yīng)度值的個(gè)體很快被破壞掉，造成收斂到次優(yōu)解。為了有利于初始種群的進(jìn)化，有利于算法的收斂性的提高，我們需要選擇合適的交叉率。
|
