遗传算法的改进—生物多样性

论文摘要

遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法.与传统的优化算法相比,它具有十分强的鲁棒性、自组织性、自适应性、全局最优性和并行性等优点.可广泛应用于函数优化、组合优化、自动控制、图像处理和模式识别等领域.本文介绍了遗传算法的基本知识和目前研究的进展,给出了二进制编码和实数编码的算法具体过程.同时介绍了二进制编码中的模板理论,这个理论为遗传算法奠定了数学上的理论基础.由于遗传算法在繁衍过程中逐渐丧失多样性,有时会给出很差的结果,本文主要针对这一问题进行研究,给出了改进算法,考虑了生物进化中的多样性,从而得到很好的优化结果.对常用来测试遗传算法有效性的Shaffer’sF6函数进行了计算,可以获得更好的结果,避免了近亲繁殖导致的过早收敛的问题.

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 遗传算法的产生
• 1.2 研究进展
• 第二章 遗传算法
• 2.1 遗传算法简介
• 2.2 二进制编码遗传算法
• 2.2.1 整数的二进制编码
• 2.2.2 实数的二进制编码
• 2.2.3 模板理论
• 2.3 实数编码遗传算法
• 2.3.1 引入实数编码的原因
• 2.3.2 算法介绍
• 第三章 改进的遗传算法
• 6函数'>3.1 一个实例——Shaffer's F₆函数
• 3.2 算法介绍
• 3.3 算法的实例及其优点
• 第四章 结论
• 参考文献
• 致谢