| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-11页 |
| ·引言 | 第8页 |
| ·遗传算法研究现状 | 第8-10页 |
| ·遗传算法的理论基础、数学模型 | 第9页 |
| ·混合遗传算法(Hybrid GA，HGA)研究 | 第9页 |
| ·遗传算法的并行化 | 第9页 |
| ·借鉴自然现象提出新的算法模型 | 第9-10页 |
| ·本文主要研究内容 | 第10页 |
| ·理论及实际意义 | 第10-11页 |
| 第2章 遗传算法简介 | 第11-19页 |
| ·生物进化 | 第11-12页 |
| ·遗传算法简介 | 第12-15页 |
| ·遗传算法的简要由来 | 第12页 |
| ·遗传算法的基本术语 | 第12-13页 |
| ·遗传算法的基本思想 | 第13-14页 |
| ·遗传算法的基本特点 | 第14-15页 |
| ·基本遗传算法(Simple GA，SGA)的表示 | 第15-16页 |
| ·遗传算法的基本操作 | 第16-17页 |
| ·模式定理 | 第17-19页 |
| ·模式阶和定义距 | 第17页 |
| ·模式定理 | 第17-19页 |
| 第3章 遗传算法的改进 | 第19-25页 |
| ·扩展模式编码及其模式定理 | 第19-23页 |
| ·扩展模式编码的概念 | 第19-20页 |
| ·模式定理的扩展 | 第20-23页 |
| ·优势群体优先(SCF)策略。 | 第23-24页 |
| ·最优个体替换(REC)策略 | 第24-25页 |
| 第4章 改进算法的收敛性分析 | 第25-34页 |
| ·收敛性定义 | 第25-26页 |
| ·渐近收敛 | 第25-26页 |
| ·概率收敛 | 第26页 |
| ·基于优势群体优先策略的收敛性分析 | 第26-28页 |
| ·压缩映射原理 | 第26-27页 |
| ·SCFGA收敛性分析 | 第27-28页 |
| ·基于最优个体替换策略的收敛性分析 | 第28-34页 |
| ·随机过程的几个术语 | 第28-29页 |
| ·RECGA收敛性分析 | 第29-34页 |
| 第5章 应用实例 | 第34-52页 |
| ·排课问题概述 | 第34-37页 |
| ·问题的转化 | 第37页 |
| ·算法设计 | 第37-43页 |
| ·数据结构 | 第37-39页 |
| ·初始种群的产生 | 第39页 |
| ·适应度函数 | 第39-40页 |
| ·遗传操作设计 | 第40-42页 |
| ·世代进化过程的实现 | 第42-43页 |
| ·主程序 | 第43页 |
| ·CAP算法分析与改进 | 第43-47页 |
| ·最优个体替换法 | 第43-44页 |
| ·种群大小 | 第44-46页 |
| ·交叉概率 | 第46页 |
| ·变异概率 | 第46-47页 |
| ·排课质量分析 | 第47-49页 |
| ·时间复杂性分析 | 第49-52页 |
| 结论 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录1: 测试程序所用数据 | 第59-61页 |
| 附录2: 流程图 | 第61-64页 |
| 攻读硕士学位期间发表的论文 | 第64页 |