摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-19页 |
1.1 研究背景 | 第11页 |
1.2 遗传算法的发展及研究现状 | 第11-17页 |
1.2.1 遗传算法发展历史 | 第11-12页 |
1.2.2 遗传算法的研究现状 | 第12-17页 |
1.2.3 遗传算法存在的问题 | 第17页 |
1.3 研究意义 | 第17页 |
1.4 本文工作 | 第17-18页 |
1.5 论文组织结构 | 第18-19页 |
第2章 遗传算法理论概述 | 第19-35页 |
2.1 遗传算法简介 | 第19-21页 |
2.1.1 遗传算法的基本思想 | 第19页 |
2.1.2 遗传算法的特点 | 第19-20页 |
2.1.3 遗传算法的基本概念 | 第20-21页 |
2.2 遗传算法的基本原理与实现 | 第21-33页 |
2.2.1 基本遗传算法的数学模型 | 第21页 |
2.2.2 基本遗传算法的构成要素 | 第21-32页 |
2.2.3 基本遗传算法的运算流程 | 第32-33页 |
2.3 本章小结 | 第33-35页 |
第3章 基于基因库的遗传算法的改进 | 第35-53页 |
3.1 遗传算法进化过程中个体重复现象 | 第35-41页 |
3.1.1 遗传算法求解函数优化问题实例 | 第35-37页 |
3.1.2 遗传算法进化过程中的个体重复现象 | 第37-40页 |
3.1.3 重复率 | 第40-41页 |
3.2 遗传算法不同参数的设置对个体重复率的影响 | 第41-45页 |
3.2.1 种群规模对个体重复率的影响 | 第41-42页 |
3.2.2 编码长度对个体重复率的影响 | 第42-43页 |
3.2.3 交叉概率对个体重复率的影响 | 第43-44页 |
3.2.4 变异概率对个体重复率的影响 | 第44-45页 |
3.3 记忆遗传算法的实现 | 第45-48页 |
3.3.1 记忆遗传算法的基本思路 | 第45-47页 |
3.3.2 记忆遗传算法的基本过程 | 第47-48页 |
3.4 实验测试 | 第48-52页 |
3.4.1 开发环境 | 第48页 |
3.4.2 实验测试结果 | 第48-52页 |
3.5 本章小结 | 第52-53页 |
第4章 基于自适应遗传算法的改进 | 第53-65页 |
4.1 自适应遗传算法简介 | 第53-56页 |
4.1.1 自适应遗传算法的产生 | 第53页 |
4.1.2 自适应遗传算法的原理 | 第53-54页 |
4.1.3 两种自适应遗传算法的调节公式 | 第54-55页 |
4.1.4 自适应遗传算法的实现过程 | 第55-56页 |
4.2 改进的自适应遗传算法的原理 | 第56-58页 |
4.2.1 Logistic曲线方程 | 第56-57页 |
4.2.2 相似系数 | 第57-58页 |
4.2.3 改进的自适应遗传算法的自适应调节公式 | 第58页 |
4.3 自适应记忆遗传算法的实现 | 第58-63页 |
4.3.1 自适应记忆遗传算法的实现过程 | 第58-60页 |
4.3.2 实验测试 | 第60-63页 |
4.4 本章小结 | 第63-65页 |
第5章 自适应记忆遗传算法在TSP问题中的应用 | 第65-81页 |
5.1 TSP问题介绍 | 第65-67页 |
5.1.1 TSP问题概述 | 第65页 |
5.1.2 TSP问题的数学模型 | 第65-66页 |
5.1.3 TSP问题的分类 | 第66-67页 |
5.2 自适应记忆遗传算法求解TSP问题的相关实现技术 | 第67-69页 |
5.2.1 从文件中读取城市坐标数据 | 第67页 |
5.2.2 TSP问题编码 | 第67-68页 |
5.2.3 适应度函数的设计 | 第68页 |
5.2.4 交叉算子设计 | 第68-69页 |
5.2.5 变异算子设计 | 第69页 |
5.3 自适应记忆遗传算法求解TSP问题的实现过程 | 第69-71页 |
5.4 实验测试 | 第71-79页 |
5.4.1 计算个体适应度值时间消耗方面性能测试 | 第71-74页 |
5.4.2 算法收敛性测试 | 第74-79页 |
5.5 本章小结 | 第79-81页 |
第6章 结束语 | 第81-83页 |
6.1 工作总结 | 第81-82页 |
6.2 未来工作展望 | 第82-83页 |
参考文献 | 第83-89页 |
致谢 | 第89页 |