遗传算法“早熟”现象和改进策略研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第7-14页 |
| ·引言 | 第7页 |
| ·遗传算法的研究现状 | 第7-12页 |
| ·理论研究现状 | 第7-9页 |
| ·执行策略研究现状 | 第9-11页 |
| ·存在的问题 | 第11-12页 |
| ·本文所要完成的工作 | 第12页 |
| ·内容安排 | 第12-14页 |
| 第二章 遗传算法简介 | 第14-24页 |
| ·遗传算法的发展历史 | 第14页 |
| ·遗传算法的应用领域 | 第14-16页 |
| ·基本遗传算法 | 第16-21页 |
| ·基本遗传算法的构成要素 | 第16-17页 |
| ·基本遗传算法的流程 | 第17-18页 |
| ·基本遗传算法的实现 | 第18-21页 |
| ·模式定理与算法性能指标 | 第21-24页 |
| ·模式定理 | 第21-23页 |
| ·算法性能指标 | 第23-24页 |
| 第三章 “早熟”现象与模式再生能力分析 | 第24-34页 |
| ·遗传算子对“早熟”现象的影响 | 第24-26页 |
| ·选择算子的作用 | 第24-25页 |
| ·变异算子的作用 | 第25-26页 |
| ·交叉算子的作用 | 第26页 |
| ·结论 | 第26页 |
| ·“早熟”现象产生的原因 | 第26-28页 |
| ·模式再生能力分析 | 第28-34页 |
| ·一阶模式再生能力分析 | 第28-29页 |
| ·二阶模式的再生能力分析 | 第29-31页 |
| ·低阶模式的再生能力分析 | 第31-33页 |
| ·结论 | 第33-34页 |
| 第四章 “早熟”现象的改进策略研究 | 第34-51页 |
| ·现有改进遗传算法及缺陷 | 第34-36页 |
| ·小生境遗传算法 | 第34-35页 |
| ·自适应遗传算法 | 第35页 |
| ·其他改进算法 | 第35-36页 |
| ·新的改进策略提出与分析 | 第36-46页 |
| ·基因控制改进策略 | 第36-39页 |
| ·基因库改进策略 | 第39-42页 |
| ·引入新个体改进策略 | 第42-46页 |
| ·改进算法的流程与分析 | 第46-51页 |
| ·改进算法的流程 | 第46-48页 |
| ·实例验证 | 第48-51页 |
| 第五章 遗传算法的应用 | 第51-59页 |
| ·问题的来源 | 第51页 |
| ·基于BP神经网络的入侵检测系统简介 | 第51-54页 |
| ·入侵检测系统简介 | 第51页 |
| ·BP人工神经网络简介 | 第51-53页 |
| ·基于人工神经网络的入侵模型介绍 | 第53-54页 |
| ·遗传算法的应用步骤 | 第54-55页 |
| ·BP神经网络的网络拓扑结构的进化方法 | 第55-59页 |
| ·优化连接权值的编码方案 | 第55-56页 |
| ·适应度函数 | 第56页 |
| ·算子设计 | 第56-57页 |
| ·实例验证 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·本文总结 | 第59页 |
| ·对下一步工作的展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录A：作者在攻读期间发表和完成的论文 | 第65页 |
