遗传算法的改进及其应用研究
| 摘要 | 第1页 |
| ABSTRACT | 第3-7页 |
| 第一章 引言 | 第7-13页 |
| ·优化技术 | 第7-8页 |
| ·优化的意义 | 第7页 |
| ·最优化问题及其分类 | 第7-8页 |
| ·遗传算法的背景及研究意义 | 第8-11页 |
| ·遗传算法的生物学背景 | 第8页 |
| ·遗传算法的研究现状 | 第8-10页 |
| ·遗传算法和传统算法的比较 | 第10-11页 |
| ·本论文的主要工作 | 第11页 |
| ·本章小结 | 第11-13页 |
| 第二章 遗传算法的基本原理及其技术实现 | 第13-28页 |
| ·遗传算法的描述 | 第13-15页 |
| ·遗传算法的常用术语 | 第13-14页 |
| ·遗传算法的基本要素 | 第14-15页 |
| ·遗传算法的基本技术实现 | 第15-24页 |
| ·编码 | 第15-17页 |
| ·初始群体设定 | 第17页 |
| ·计算适应度 | 第17-18页 |
| ·复制选择 | 第18-20页 |
| ·交换 | 第20-22页 |
| ·变异 | 第22-23页 |
| ·遗传算法的流程及参数选择 | 第23-24页 |
| ·遗传算法的数学基础 | 第24-26页 |
| ·模式理论 | 第24-26页 |
| ·积木块假说 | 第26页 |
| ·并行性 | 第26页 |
| ·遗传算法的特点和不足 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 几种常用的现代智能优化算法 | 第28-37页 |
| ·粒子群算法 | 第28-29页 |
| ·群体复合型算法 | 第29-32页 |
| ·蚁群算法 | 第32-34页 |
| ·人工免疫算法 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 算法综合评价及对遗传算法的改进 | 第37-52页 |
| ·几个典型函数 | 第37-40页 |
| ·算法评价体系的建立 | 第40-41页 |
| ·几种算法对典型函数的优化结果 | 第41-47页 |
| ·对函数1的优化结果分析 | 第41-43页 |
| ·对函数2的优化结果分析 | 第43-44页 |
| ·对函数3的优化结果分析 | 第44-46页 |
| ·对函数4的优化结果分析 | 第46-47页 |
| ·遗传算法的改进 | 第47-50页 |
| ·基于粒子群算法的遗传算法 | 第48-49页 |
| ·基于人工免疫算法的免疫遗传算法 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 工程实例应用研究 | 第52-62页 |
| ·神经网络模型概述 | 第52-56页 |
| ·算法优化工程实例模型 | 第56-61页 |
| ·工程实例模型 | 第56-59页 |
| ·改进后算法对模型的优化结果 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结和展望 | 第62-65页 |
| ·总结 | 第62-63页 |
| ·对遗传算法的分析 | 第62-63页 |
| ·对改进的遗传算法的分析 | 第63页 |
| ·对优化对象的理解 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 在学期间发表的学术论文和参加科研情况 | 第70页 |
