递阶遗传算法理论及其应用研究

论文摘要

本文对递阶遗传算法的理论及其在神经网络的参数确定、系统的结构设计和复杂车间调度问题的应用等方面进行了深入研究。首先,研究了递阶遗传算法的理论问题。介绍了根据所研究问题的复杂性,把染色体设计成递阶结构的形式,进而提出递阶遗传算法,并在此基础上提出自适应递阶遗传算法和模拟退火算法与递阶遗传算法的结合。接着,研究了递阶遗传算法应用于车间调度问题。首先,探讨求解最小加权完成时间的并行机调度问题。文中提出的递阶遗传算法能清楚地反映出调度方案关系,能有效地解决大规模等同并行机调度和非等同并行机调度问题。其次,研究了求解复杂的柔性作业车间调度问题。提出了递阶遗传算法求解柔性作业车间调度问题,即找到一个最优调度,使完工时间最小。仿真结果证明,本文提出的方法能达到满意的效果,具有实际应用的价值。然后,应用递阶遗传算法于模糊系统的结构设计及其经济预测方面。利用递阶遗传算法能够把模糊系统的模糊规则数目和参数同时通过训练确定。该方法在非线性经济系统仿真,通过比较,说明该模型的预测精确度是令人满意的。进一步,研究了递阶遗传算法用于神经网络的参数确定问题。探讨了设计BP网络并进行财务预警。利用递阶遗传算法把网络的结构和权重同时通过训练确定。与其它模式分类模型相比较,结果证明分类精确度更令人满意。根据上市公司的财务数据用所提出的方法进行财务预警是可行的。研究了设计四层BP网络及其人口预测应用。利用很好设计的递阶遗传算法能够把网络的结构、权重和阈值同时通过训练确定。结合实际案例与传统的方法相比较,结果证明文中提出的方法是可行的。最后,探讨了结合系统结构及参数同时确定的更复杂的问题。研究了递阶遗传算法设计连续参数小波神经网络及参数确定。采用巧妙设计的递阶遗传算法,可以把网络的结构同时通过训练确定,经过实际建模与应用结果表明,该方法具有很高的应用价值。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 综述
• 1.1 背景和意义
• 1.2 遗传算法研究的历史与现状
• 1.2.1 遗传算法的起源与发展
• 1.2.2 遗传算法的研究现状
• 1.3 内容结构及主要工作
• 1.3.1 内容结构
• 1.3.2 创新点
• 第二章 递阶遗传算法及其拓展
• 2.1 概述
• 2.2 染色体编码结构
• 2.2.1 生物背景
• 2.2.2 递阶结构的提出
• 2.3 遗传操作
• 2.3.1 复制、选择算子
• 2.3.2 交叉算子
• 2.3.3 变异算子
• 2.3.4 递阶遗传算法流程
• 2.4 自适应递阶遗传算法基本原理
• 2.4.1 自适应递阶遗传算法
• 2.4.2 自适应算子
• 2.5 模拟退火算法与递阶遗传算法的结合
• 2.5.1 模拟退火算法
• 2.5.2 模拟退火递阶遗传算法
• 2.5.3 递阶遗传模拟退火算法
• 2.6 本章小结
• 第三章 并行机调度问题
• 3.1 概述
• 3.2 问题描述
• 3.3 递阶遗传算法设计
• 3.3.1 种群规模选择
• 3.3.2 适值函数变换
• 3.3.3 交叉与变异
• 3.3.4 解码
• 3.4 实例仿真和比较
• 3.5 本章小结
• 第四章 柔性作业车间调度问题
• 4.1 概述
• 4.2 FJSS 问题的数学模型
• 4.2.1 问题描述
• 4.2.2 数学模型
• 4.3 递阶遗传算法设计
• 4.3.1 染色体编码
• 4.3.2 适值函数
• 4.3.3 交叉与变异
• 4.3.4 解码
• 4.4 实例仿真和比较
• 4.4.1 实例1
• 4.4.2 实例2
• 4.5 本章小结
• 第五章 模糊系统训练及其经济系统中应用
• 5.1 概述
• 5.2 模糊系统的结构及逼近性能
• 5.3 模糊系统的学习算法
• 5.4 模糊系统的递阶遗传算法设计
• 5.4.1 染色体编码
• 5.4.2 适值函数的建立
• 5.4.3 具体步骤
• 5.5 仿真及比较
• 5.5.1 人口预测的意义
• 5.5.2 预测模型
• 5.5.3 比较
• 5.6 本章小结
• 第六章 基于递阶遗传算法和 BP 网络的财务预警
• 6.1 概述
• 6.2 BP 网络分类器结构
• 6.3 基于递阶遗传算法 BP 网络分类器设计
• 6.3.1 编码结构
• 6.3.2 适值函数
• 6.3.3 自适应算子设计
• 6.3.4 算法操作
• 6.4 算法验证比较
• 6.4.1 全样本训练的情况
• 6.4.2 相同样本数的情况
• 6.5 上市公司财务预警
• 6.5.1 指标变量与样本公司的选择
• 6.5.2 2006年财务数据分析
• 6.5.3 2005年财务数据分析
• 6.5.4 2004年财务数据分析
• 6.6 本章小结
• 第七章 四层 BP 网络训练及其人口预测
• 7.1 概述
• 7.2 四层 BP 网络结构
• 7.3 染色体的递阶结构设计
• 7.4 递阶遗传算法设计
• 7.4.1 群体规模选择
• 7.4.2 适值函数
• 7.4.3 选择与复制
• 7.4.4 交叉与变异
• 7.5 应用和比较
• 7.5.1 人口预测的意义
• 7.5.2 预测模型
• 7.5.3 比较
• 7.6 本章小结
• 第八章 连续参数小波网络训练及其股票市场应用
• 8.1 概述
• 8.2 基本概念
• 8.3 连续参数小波网络结构
• 8.4 染色体的递阶结构设计
• 8.4.1 染色体编码
• 8.4.2 适值函数
• 8.5 股市建模和预测
• 8.5.1 深证综合指数预测
• 8.5.2 个股股价预测
• 8.5.3 方法比较
• 8.6 本章小结
• 总结与展望
• 参考文献
• 发表论文和参加科研情况
• 致谢