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?jǐn)?shù)：17507 |  | |
| 折扣與優(yōu)惠：團(tuán)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（Genetic Algorithm）是模仿生物遺傳學(xué)和自然選擇機(jī)制、通過人工方式構(gòu)造的一類優(yōu)化搜索算法，是生物進(jìn)化過程的一種數(shù)學(xué)仿真。本文第一部分首先對遺傳算法的概念、原理、特點、發(fā)展歷史等相關(guān)理論知識進(jìn)行了詳細(xì)的講解。隨后，主要是對遺傳算法實現(xiàn)過程中的一些技術(shù)問題進(jìn)行說明。最后，通過遺傳算法求出函數(shù)的最值，并通過一個簡單的程序進(jìn)行演示。 關(guān)鍵詞：遺傳算法；染色體；適應(yīng)度；函數(shù)
Abstract：Genetic Algorithm (GA) is a class of optimal search algorithm what is an imitation of biological genetics and natural selection mechanism, constructed by artificial way. It is a mathematical simulation of the process of biological evolution. Firstly, the first part of this article has a detailed explanation of the concept of genetic algorithms, principles, characteristics, history and other knowledge. Then, by the section 2, it describes some technical problems of the process of genetic algorithm. Finally, I get the most value of the function by the way of genetic algorithm, and show it through a simple program. Key words: genetic algorithm; chromosome; fitness; function
遺傳算法發(fā)展方向其實就是和其他方法結(jié)合優(yōu)化問題，單方面改進(jìn)遺傳算法的各種算子不能取得明顯進(jìn)展。遺傳算法以其基本思想簡單、便于實現(xiàn)和并行搜索的優(yōu)點贏得了眾多學(xué)者和各種工程人員的青睞，是目前應(yīng)用最廣的優(yōu)化搜索算法之一。但遺傳算法存在收斂速度慢和易于陷入局部最優(yōu)的問題，在需要優(yōu)化的參數(shù)較多時，更凸現(xiàn)了遺傳算法的不足。遺傳算法如何提高遺傳算法跳出局部最優(yōu)的能力和如何提高遺傳算法的收斂速度成為近年來遺傳算法的研究熱點。許多學(xué)者從不同的角度對遺傳算法進(jìn)行了改進(jìn)，使遺傳算法的尋優(yōu)能力有了不同程度的提高。和其它方法結(jié)合的遺傳算法才有生命力。目前，對遺傳算法的研究主要集中在數(shù)學(xué)基礎(chǔ)、各環(huán)節(jié)的實現(xiàn)方式以及與其他算法的結(jié)合方面。其中，尤以遺傳算法與其他算法相結(jié)合方面的研究最為引人關(guān)注。由于遺傳算法具有開放式的結(jié)構(gòu)，與問題的關(guān)聯(lián)性不大，很容易和其他算法進(jìn)行結(jié)合，所以融合了其他的算法思想和遺傳算法思想的混合遺傳算法成了目前改進(jìn)遺傳算法研究的一個重要方向。 本文提出了針對旅行商問題的根據(jù)聚類和模糊系統(tǒng)進(jìn)行的一種pc和PM的自適應(yīng)調(diào)整，我們設(shè)計了一種新的交叉算子以提高遺傳算法的性能。聚類技術(shù)是用來評價個體的成熟度，而模糊的機(jī)制則被用來分別計算PC和Pm的變化δPc和δPm。通過對比表明，我們的方法是健全的。
|
