遺傳算法的若干研究與應用.pdf_第1頁
已閱讀1頁,還剩111頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、該文介紹了遺傳算法的起源、歷史發(fā)展和主要研究方向,國內和國際的研究動態(tài).該文創(chuàng)新的工作主要體現(xiàn)在以下幾點:1 該文對于經典遺傳算法(Canonical Genetic Algorithm, CGA) 易于收斂到局部最優(yōu)(過早收斂)問題,從理論上分析了遺傳算法交叉、變異和選擇算子對種群多樣度的影響.2 提出了僅有變異、選擇算子的無交叉算子遺傳算法(Non-Crossover Genetic Algorithm, NCGA).證明該算法的搜

2、索過程是一個齊次遍歷馬爾可夫鏈,給出了基于精英保留無交叉算子遺傳算法的全局收斂性證明,并從理論上證明了無交叉算子遺傳算法的收斂速度上限等于經典遺傳算法,基于模式定理證明無交叉算子遺傳算法保留模板概率的期望值大于經典遺傳算法.3 提出了復合算子遺傳算法.其基本算法是遺傳算法的交叉操作、變異操作,按照比例或隨機采用多個可行的交叉和變異算子,進行交叉和變異操作.對于NP完全的TSP問題,基于復合算子遺傳算法取得了比經典遺傳算法更快的收斂速度.

3、針對大量的典型非線形優(yōu)化問題,與CGA相比,該文提出的算法同樣取得了更好的結果;?4 該文提出了混合編碼、混合遺傳算子操作思想.其基本思路是不同的并行子種群采用不同的編碼,不同的交叉,變異算子,種群間采用浮點個體進行交流最優(yōu)個體信息,對于函數(shù)優(yōu)化問題,該文算法取得了比單一編碼和單一遺傳算子并行遺傳算法更優(yōu)的結果.該文對于每一種算法都給出了詳細的步驟,并與其他文獻上的算法進行了比較,每一個結果都是可以再現(xiàn)的.關于無免費午餐定理.Wolpe

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論