基于遗传算法的非线性规划问题求解
| 第一章 绪论 | 第1-17页 |
| 1．1 引言 | 第8-9页 |
| 1．2 求解非线性规划问题的经典方法 | 第9-14页 |
| 1．2．1 解析法 | 第9-11页 |
| 1．2．2 数值法 | 第11-13页 |
| 1．2．3 经典优化算法的弊端 | 第13-14页 |
| 1．3 现代优化算法 | 第14-16页 |
| 1．4 本文的组织 | 第16-17页 |
| 第二章 遗传算法介绍 | 第17-34页 |
| 2．1 遗传算法的起源 | 第17-18页 |
| 2．2 遗传算法的主要步骤 | 第18-20页 |
| 2．3 遗传算法的组成 | 第20-31页 |
| 2．3．1 编码方式 | 第20-21页 |
| 2．3．2 初始群体的产生 | 第21页 |
| 2．3．3 评价函数 | 第21-22页 |
| 2．3．4 遗传操作 | 第22-29页 |
| 2．3．4．1 选择策略 | 第22-26页 |
| 2．3．4．2 杂交策略 | 第26-27页 |
| 2．3．4．3 变异策略 | 第27-29页 |
| 2．3．5 算法终止条件 | 第29-30页 |
| 2．3．6 算法参数设置 | 第30-31页 |
| 2．4 遗传算法的特点 | 第31-33页 |
| 2．5 遗传算法的性能评估 | 第33-34页 |
| 第三章 遗传算法的改进 | 第34-49页 |
| 3．1 杂交算子的改进 | 第34-38页 |
| 3．1．1 差分杂交算子 | 第34-35页 |
| 3．1．2 测试函数 | 第35-36页 |
| 3．1．3 测试结果 | 第36-38页 |
| 3．2 改进的混合遗传算法 | 第38-49页 |
| 3．2．1 单纯形算子 | 第38-40页 |
| 3．2．2 参数的设置 | 第40-43页 |
| 3．2．3 测试结果分析 | 第43-49页 |
| 第四章 约束的处理 | 第49-62页 |
| 4．1 算子修正法 | 第49-50页 |
| 4．2 惩罚函数法 | 第50-56页 |
| 4．2．1 改进的自适应惩罚函数 | 第51-52页 |
| 4．2．2 改进的启发式惩罚函数 | 第52-53页 |
| 4．2．3 测试函数 | 第53-55页 |
| 4．2．4 测试结果 | 第55-56页 |
| 4．3 可行解搜索法 | 第56-57页 |
| 4．4 混合法 | 第57-58页 |
| 4．5 一种新的约束处理方法 | 第58-62页 |
| 4．5．1 测试结果及分析 | 第60-62页 |
| 第五章 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |
