Print

遗传算法在多目标优化中的应用研究

论文摘要

优化作为现代设计方法之一,己被广泛应用于了各个领域。而大部分为多目标优化。论文通过对交叉算子产生新个体的机理以及实际问题的特征进行分析后,对基于交叉运算和多父辈遗传运算的循环移位交叉算子进行了改进。多目标最小生成树问题在实际应用中具有广泛的代表性。将改进算法应用到多目标最小生成树问题,实验证明:该方法使用方便,通用性好,对于推动多目标优化的发展具有积极意义。

论文目录

  • 摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 引言
  • 1.2 研究历史及现状
  • 1.3 研究目的和意义
  • 1.4 论文的主要工作
  • 1.5 论文的组织结构
  • 2 遗传算法概述
  • 2.1 遗传算法的发展历史
  • 2.1.1 背景
  • 2.1.2 发展
  • 2.2 遗传算法的特点
  • 2.3 遗传算法的基本架构
  • 2.3.1 遗传算法的目标
  • 2.3.2 遗传算法中的概念
  • 2.3.3 遗传算法的基本步骤
  • 2.4 遗传算法研究的新动向
  • 2.5 遗传操作
  • 2.5.1 选择算子
  • 2.5.2 交叉算子
  • 2.5.3 变异算子
  • 3 多目标优化概述
  • 3.1 多目标优化的发展史
  • 3.2 多目标优化的数学模型
  • 3.3 传统多目标优化方法
  • 3.4 多目标优化问题的研究方向
  • 3.5 遗传算法在多目标优化中的应用
  • 4 改进的循环移位交叉算子的研究
  • 4.1 传统交叉算子的缺陷
  • 4.2 多父辈遗传算法的算子
  • 4.3 循环移位交错算子的改进
  • 4.4 改进算法的模拟测试
  • 4.5 改进算法的实验分析
  • 5 改进算法在多目标优化问题中的应用研究
  • 5.1 优化分析的准备工作
  • 5.2 改进算法的应用分析
  • 5.2.1 最小生成树
  • 5.2.2 多目标最小生成树
  • 5.2.3 系统模型的设计
  • 5.2.4 改进算法的性能测试及应用分析
  • 6 结论及展望
  • 6.1 结论
  • 6.2 展望
  • 参考文献
  • 致谢
  • 攻读学位期间发表的论文
  • 攻读硕士期间参与的科研项目

    • 相关论文文献

    本文来源: https://www.lw50.cn/article/52851d44a7a03f8bc5b04f17.html