文档介绍：阅孔訽縚孔詌●猒猯—●●褚中文摘要瘛猒縚一度的新的改进型遗传算法一优化混合策略的遗传算法遗传算法是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应搜索方法,作为优化方法具有明显的优势。它在搜索优化问题的全局最优解上具有良好的优势条件。遗传算法以编码形式工作,只使用目标函数信息,用概率传递规则代替确定性规则,具有运算并行性,关心每次进化群体中个体的质量,即问题解的质量。所以,被广泛应用于许多领域,成为求解全局优化问题的有力工具之一。尽管遗传算法存在诸多优越的特点,但作为一种优化方法它仍存在着自身的局限性,特别是存在着早熟、收敛速度缓慢和局部搜索能力不足的现象,这都影响了遗产算法的性能。为了克服遗传算法的不足,提高效率和收敛速度,,这两种交叉算子的特点是在子代群体生成过程中只有一个母体生成一个子体,通过对母体随机执行交叉算子产生出具有不同形状的新个体。单亲交叉算子既可保证新一代个体具有成为可行解的基本特性,提高个体的多样性,又可提高对解空间的搜索能力。单亲交叉算子能使任何一个母体通过有限次的遗传交叉生成另一个新个体。该算法通过混合概率的增强策略和减弱策略,实现自动地调整每代种群的交叉策略的混合概率。在进化的初始,算法为每代种群设置相同的纯交叉策略选择的概率,这种各个纯交叉策略的概率随种群的进化而不断发生变化,即增强和减弱策略,这使得种群在每代进化时都要选择具有较大概率的交叉策略,使得种群在每一代中选择混合概率较高的交叉策略的可能性提高,这种具有较高混合概率的交叉策略就是能生成较好个体的交叉策略,而这种较大概率的交叉策略能够在前几代进化过程中产生较好的子代种群,从而使算法提高收敛速度。更重要的意义是提出新的改进策略,能够使高效的处理优化问题,使的应用更加深入。算法在上编程,并采用鼍浜胁馐裕ü冉媳疚乃惴ê痛山东大学硕士学位论文
知识水坝***@pologoogle为您整理
交叉策略遗传算法、正点交叉策略遗传算法,得出该算法在收敛速度上是优于纯交叉策略的遗传算法和多点正交交叉遗传算法饫锛虺莆狹的。即该算法能够提高遗传算法的收敛性,有效的改善了遗传算法在求解最优化问题的收敛性能。关键词:遗传算法;优化策略:单亲单对单子交叉;单亲双对单子交叉山东大学硕士学位论文
知识水坝***@pologoogle为您整理
础,,甀瓽.—,瓵,琣
一——一觥V谩!!瘛觥鯡鼍皇釺琣山东大学硕士学位论文;.;;!
避论文作者签名:盘越导师签名:宝必期:搜翌:丝:期::所呈交的学位论文,是本人在导师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体,均己在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名:本人完全了解山东大学有关保留、使用学位论文的规定,同意学校保留或向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅;本人授权山东大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或其他复制手段保存论文和汇编本学位论文。C苈畚脑诮饷芎笥ψ袷卮斯娑日
第一章前言课题提出的来源、背景和目的课题研究发展状况叉算子来改进来求解函数最优化的问题的收敛速度的新的改进型遗传算法一遗传算法,简称为幕舅枷刖褪腔谏鲜鼋和遗传学的思想,并引用了随机统计理论而产生的。是强调目的性算法化的进化过程,是一种基于优胜劣汰、自然选择的进化方法。适者生存和物种遗传思想的搜索算法,它通过模拟生物在自然界中遗传变异与生存竞争等遗传行为,让问题的解在竞争中得以进化,以求得到问题的满意解或最优解。遗传算法基于达尔文适者生存优胜劣汰的进化原则对包含可能解的群体反复使用遗传学的基本操作,不断生成新的群体,使种群不断进化,同时以全局并行搜索技术来搜索优化群体中的最优个体,以求得满足要求的最优解。遗传算法尤其适合不确定问题或非线性复杂问题的求解。近年来,在组合优化求解、机器学习、人工生命等领域已显示了它的应用前景和潜力,因而已成为国内外十分热门的研究课题。尽管遗传算法存在诸多优越的特点,但作为一种优化方法它仍存在着自身的局限性,特别是存在着早熟收敛、收敛速度缓慢和局部搜索能力不足的现象。为了克服遗传算法的以上不足使其性能得以提升,针对交叉和变异这两个遗传算法的核心遗传操作。但主要的方法是对遗传操作算子的改进,尤其对交叉算子的改进。本文正是为了提高效率和收敛速度,针对交叉算子研究了一种通过改进交混合交叉策略的遗传