遗传算法及其在数值计算中的应用研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-12页 |
| ·遗传算法的起源与发展 | 第9-12页 |
| 2 基本遗传算法 | 第12-24页 |
| ·生物进化理论和遗传学的基本知识 | 第12-14页 |
| ·生物进化理论 | 第12-13页 |
| ·生物学的基本概念和和术语 | 第13-14页 |
| ·遗传算法 | 第14-20页 |
| ·遗传算法的基本思想 | 第14-15页 |
| ·遗传算法的模式定理和隐含并行性 | 第15-17页 |
| ·遗传算法的基本流程 | 第17-18页 |
| ·算法实例 | 第18-20页 |
| ·基本遗传算法 | 第20-22页 |
| ·基本遗传算法描述 | 第20-21页 |
| ·基本遗传算法的构成要素 | 第21-22页 |
| ·遗传算法的应用情况 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 遗传算法的实施技术 | 第24-38页 |
| ·编码 | 第24-28页 |
| ·二进制编码方法 | 第25-27页 |
| ·浮点数编码方法 | 第27-28页 |
| ·符号编码方法 | 第28页 |
| ·适应度函数 | 第28-30页 |
| ·几种常见的适应度函数 | 第28-29页 |
| ·适应度函数的作用 | 第29页 |
| ·适应度函数的设计 | 第29-30页 |
| ·选择算子 | 第30-32页 |
| ·比例选择 | 第30-31页 |
| ·最优保存策略 | 第31页 |
| ·确定式采样选择 | 第31-32页 |
| ·交叉算子 | 第32-35页 |
| ·单点交叉 | 第32-33页 |
| ·多点交叉 | 第33-34页 |
| ·均匀交叉 | 第34页 |
| ·算术交叉 | 第34-35页 |
| ·变异算子 | 第35-36页 |
| ·基本位变异 | 第35-36页 |
| ·均匀变异 | 第36页 |
| ·运行参数 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 遗传算法在矩阵特征值求解中的应用 | 第38-49页 |
| ·矩阵及特征值的性质 | 第38-40页 |
| ·矩阵及其特征值的基本理论和性质 | 第38-39页 |
| ·本文得到的主要结果 | 第39-40页 |
| ·幂法与反幂法 | 第40-44页 |
| ·幂法 | 第40-41页 |
| ·幂法的迭代公式 | 第41-42页 |
| ·反幂法 | 第42页 |
| ·反幂法迭代步骤 | 第42-43页 |
| ·计算给定的近似特征值相应的特征向量 | 第43-44页 |
| ·遗传算法在最大特征值求解中的应用 | 第44-48页 |
| ·算法中相关问题的讨论 | 第44-45页 |
| ·已知一特征值求其对应的特征向量 | 第45页 |
| ·数值例子 | 第45-47页 |
| ·试验结果分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 5 遗传算法在模型参数估计中的应用 | 第49-59页 |
| ·遗传算法在最小二乘中的应用 | 第49-50页 |
| ·非线性最小二乘 | 第49-50页 |
| ·基于遗传算法的最小二乘求解 | 第50-51页 |
| ·算法中相关问题的讨论 | 第50页 |
| ·数值算例 | 第50-51页 |
| ·遗传模拟退火算法 | 第51-53页 |
| ·遗传模拟退火算法在参数估计中的应用 | 第53-58页 |
| ·算法基本原理 | 第54页 |
| ·算法的求解步骤 | 第54-55页 |
| ·实现过程中相关问题的讨论 | 第55-56页 |
| ·数值试验 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 6 结论 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 附录 作者在攻读硕士学位期间发表的论文 | 第63-64页 |
