基于改进型遗传算法的数字电路优化
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 可进化硬件实现原理 | 第9页 |
| 1.3 可进化硬件研究现状 | 第9-11页 |
| 1.4 遗传算法发展历程 | 第11-12页 |
| 1.5 本文的主要工作 | 第12页 |
| 1.6 本文的组织结构 | 第12-14页 |
| 第二章 经典遗传算法概述 | 第14-27页 |
| 2.1 引言 | 第14-15页 |
| 2.2 经典遗传算法的基本理论 | 第15-18页 |
| 2.2.1 模式定理 | 第15-16页 |
| 2.2.2 积木块假设 | 第16页 |
| 2.2.3 遗传算法的运算流程 | 第16-17页 |
| 2.2.4 遗传算法的应用步骤 | 第17-18页 |
| 2.3 经典遗传算法的构成要素 | 第18-25页 |
| 2.3.1 染色体编码 | 第18-19页 |
| 2.3.2 个体适应度函数评估 | 第19-21页 |
| 2.3.3 选择算子 | 第21-22页 |
| 2.3.4 交叉操作 | 第22-23页 |
| 2.3.5 变异操作 | 第23-24页 |
| 2.3.6 基本遗传算法的运行参数 | 第24-25页 |
| 2.4 遗传算法的应用 | 第25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 遗传算法的电路设计及实现 | 第27-37页 |
| 3.1 引言 | 第27-28页 |
| 3.2 可进化硬件简介 | 第28-32页 |
| 3.2.1 可进化硬件的算法实现流程 | 第28-29页 |
| 3.2.2 进化硬件的构成要素 | 第29-32页 |
| 3.3 可进化硬件的物理实现基础 | 第32-35页 |
| 3.4 可进化硬件的应用前景 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于选择方式改进的遗传算法的数字电路优化 | 第37-47页 |
| 4.1 引言 | 第37-38页 |
| 4.2 种群多样性分析 | 第38-40页 |
| 4.3 遗传算法选择方式的改进 | 第40-42页 |
| 4.3.1 传统轮盘赌选择方法 | 第40-41页 |
| 4.3.2 最佳个体保留法 | 第41页 |
| 4.3.3 改进遗传算法选择方式 | 第41-42页 |
| 4.4 实验设计 | 第42-46页 |
| 4.4.1 适应度评估方法 | 第42-43页 |
| 4.4.2 实验结果 | 第43-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 基于遗传规划的数字电路优化设计 | 第47-56页 |
| 5.1 引言 | 第47页 |
| 5.2 统计学理论 | 第47-48页 |
| 5.3 遗传规划 | 第48-51页 |
| 5.3.1 适应度函数分布评估 | 第49-50页 |
| 5.3.2 种群规划 | 第50-51页 |
| 5.4 实验设计 | 第51-55页 |
| 5.4.1 适应度函数评估方法 | 第51-52页 |
| 5.4.2 实验结果 | 第52-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 致谢 | 第61页 |
