基于引导交叉的遗传算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-18页 |
| ·研究背景 | 第9-10页 |
| ·最优化方法的研究起源和意义 | 第9页 |
| ·最优化问题的数学描述 | 第9-10页 |
| ·最优化问题的研究现状 | 第10-13页 |
| ·求解最优化问题的传统方法 | 第10-11页 |
| ·求解最优化问题的进化方法 | 第11-13页 |
| ·遗传算法和粒子群算法的研究现状 | 第13-16页 |
| ·本文的主要工作及内容安排 | 第16-18页 |
| 第二章 基于引导交叉的遗传算法研究 | 第18-34页 |
| ·引言 | 第18页 |
| ·遗传算法的基本理论 | 第18-23页 |
| ·遗传算法的基本思想 | 第18页 |
| ·遗传算法的基本流程 | 第18-20页 |
| ·遗传算法的构成要素 | 第20-22页 |
| ·遗传算法的应用 | 第22-23页 |
| ·传统的交叉算子 | 第23-25页 |
| ·基于引导交叉的遗传算法 | 第25-27页 |
| ·仿真实验 | 第27-33页 |
| ·测试函数的选择 | 第27-29页 |
| ·算法的参数设置 | 第29页 |
| ·结果与分析 | 第29-33页 |
| ·结论 | 第33-34页 |
| 第三章 LCGA 在求解背包问题中的应用 | 第34-41页 |
| ·背包问题的数学模型 | 第34页 |
| ·背包问题的求解 | 第34-36页 |
| ·背包问题的求解方法 | 第34-35页 |
| ·约束问题的处理方法 | 第35-36页 |
| ·用改进的 LCGA 求解0/1 背包问题 | 第36-37页 |
| ·实验结果与分析 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 改进的自适应粒子群优化算法 | 第41-54页 |
| ·粒子群优化算法的基本理论 | 第41-46页 |
| ·粒子群优化算法的基本原理 | 第41-42页 |
| ·粒子群优化算法的算法参数及基本流程 | 第42-43页 |
| ·粒子群优化算法的算法特征 | 第43-44页 |
| ·粒子群优化算法的应用 | 第44-45页 |
| ·遗传算法与粒子群优化算法的异同 | 第45-46页 |
| ·粒子群算法存在的问题 | 第46页 |
| ·改进的自适应粒子群优化算法 | 第46-47页 |
| ·仿真实验及结果 | 第47-53页 |
| ·测试函数的选择 | 第47-49页 |
| ·实验结果与分析 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| ·本文的主要贡献 | 第54页 |
| ·将来的工作 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录 A (攻读硕士学位期间已公开发表的论文) | 第61页 |
