一种改进的遗传算法及其在TSP求解中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第8-11页 |
| 1.1 立项背景与开发意义 | 第8页 |
| 1.2 本文研究内容与创新 | 第8-9页 |
| 1.3 本文的篇章组织 | 第9-11页 |
| 第2章 遗传算法简介 | 第11-27页 |
| 2.1 遗传算法的产生与发展 | 第11-12页 |
| 2.2 遗传算法概要 | 第12-14页 |
| 2.2.1 遗传算法的基本概念 | 第12-14页 |
| 2.2.2 遗传算法的基本思想 | 第14页 |
| 2.3 遗传算法的原理 | 第14-17页 |
| 2.3.1 遗传算法的基本操作及流程 | 第15页 |
| 2.3.2 遗传算法(SGA)设计与实现 | 第15-17页 |
| 2.4 遗传算法的数学基础 | 第17-20页 |
| 2.5 遗传算法的关键技术 | 第20-25页 |
| 2.5.1 遗传编码 | 第20-21页 |
| 2.5.2 遗传算子 | 第21-22页 |
| 2.5.3 适应度函数及其尺度变换 | 第22-24页 |
| 2.5.4 遗传算法的参数 | 第24页 |
| 2.5.5 遗传算法的终止条件 | 第24-25页 |
| 2.6 遗传算法的应用情况 | 第25-27页 |
| 第3章 TSP问题的数学模型和基本解法 | 第27-32页 |
| 3.1 TSP数学描述 | 第27页 |
| 3.2 传统方法 | 第27-30页 |
| 3.2.1 精确算法 | 第28页 |
| 3.2.2 近似算法 | 第28-30页 |
| 3.3 智能优化方法 | 第30-32页 |
| 第4章 求解TSP的传统遗传算法 | 第32-39页 |
| 4.1 求解TSP的基本实现方法 | 第32-33页 |
| 4.1.1 编码 | 第32页 |
| 4.1.2 生成初始群体 | 第32页 |
| 4.1.3 适应度函数 | 第32-33页 |
| 4.2 遗传算子 | 第33-34页 |
| 4.2.1 选择算子 | 第33页 |
| 4.2.2 交叉算子 | 第33-34页 |
| 4.2.3 变异 | 第34页 |
| 4.3 算法结构 | 第34-35页 |
| 4.4 自适应遗传算法 | 第35页 |
| 4.5 浓度控制遗传算法 | 第35-36页 |
| 4.6 并行遗传算法 | 第36-39页 |
| 4.6.1 主从式模型 | 第36页 |
| 4.6.2 粗粒度模型 | 第36-37页 |
| 4.6.3 细粒度模型 | 第37-39页 |
| 第5章 改进型遗传算法求解TSP问题 | 第39-45页 |
| 5.1 编码 | 第39页 |
| 5.2 生成初始群体 | 第39页 |
| 5.3 确定适应度函数 | 第39-40页 |
| 5.4 选择算子 | 第40页 |
| 5.5 交叉算子 | 第40-41页 |
| 5.6 变异算子 | 第41-42页 |
| 5.7 参数选择 | 第42-43页 |
| 5.8 仿真结果 | 第43-45页 |
| 第6章 结束语 | 第45-47页 |
| 6.1 总结 | 第45-46页 |
| 6.2 展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 攻读研究生学位期间发表的学术论文 | 第50-51页 |
| 学位论文评阅及答辩情况表 | 第51页 |
