“遗传算法与进化计算”课程.docVIP

“遗传算法与进化计算”课程的思考题 以往研究生在学习完课程之后提交一个大作业，教师根据大作业的情况考察学生对课程内容的掌握情况，并给出一个分数。但从提交大作业的情况来看，几乎千篇一律都是一个泛泛的综述，这样起不到任何作用。 针对这种情况，提出如下一些思考题作为学期末的考察内容供学生选择。这些思考题包括两部分：一是在当前遗传算法与进化计算研究和应用中提出来的一些问题，二是在研究生以后的课题研究中很可能需要应用遗传算法与进化计算的方法来解决的问题。 通过对这些问题的思考和调研，可以提高学生学习本课程的积极性，使学生学习得更为踏实，知识掌握得更为牢固，从而能在日后的研究中更好地应用本课程的知识来解决问题。 对模式定理的批评有哪些，或者说有哪些问题是模式定理还没有很好解决的？ 遗传算法在TSP这个典型的组合优化问题中的应用情况如何？其优化计算效果和ACO(蚁群算法)的优化计算效果相比优劣如何？原因何在？ 综述遗传算法在智能控制领域，特别是在神经网络优化中的应用，遗传算法对神经网络结构和权值是怎样进行优化的？其效果如何？ 综述遗传算法在智能控制领域，特别是在模糊控制优化中的应用，遗传算法对模糊控制规则是怎样进行优化的？其效果如何？ 综述遗传算法在机器学习领域，特别是在有监督学习和模式分类中的应用，其方法和效果如何？ 综述遗传算法在机器学习领域，特别是在神经网络分类知识提取中的应用（即先通过有监督学习训练神经网络，但是神经网络的分类规则是隐含的，然后通过遗传算法来提取其中的分类规则），其方法和研究进展如何？ 遗传算法在多目标优化计算中的应用，比如机器人步态优化或者其他优化计算问题，其方法和研究进展如何？ 综述混合遗传算法的研究方法和研究进展。 综述基因联结学习遗传算法的研究方法和研究进展。 综述遗传算法在机器人路径规划和图搜索中的应用和研究进展。 综述小生境遗传算法的应用和研究进展。 复现一些遗传算法的典型应用实例，并在课堂报告。 a) Rechenberg的第一个著名实例：“tubing problem”管道问 题。找找看。 从导师或师兄那里了解本方向的课题研究需要，提出一些可能/可以应用遗传算法进行解决的问题。 关于Genetic Algorithm Viewer 1.0的读书报告{仔细阅读GAV的有关文档和资料，在课堂上演示GAV，同时详细讲解说明如下问题：①生物形态的问题描述和相应的编码方法；②遗传操作算子；③适应度值计算方法；④程序设计和编写技巧；⑤在演示过程中说明遗传算法参数选择对进化优化的影响。} 关于sims的evolved virtual creatures的读书报告{仔细阅读有关文档和资料（Evolving 3D Morphology and Behavior by Competition, Sims, 1994.pdf以及相关网页资料），在课堂上结合sims_evolved_virtual_creatures_1994.mpeg视频资料详细讲解说明如下问题：①虚拟生命的问题描述和相应的编码方法；②遗传操作算子；③适应度值计算方法；④程序设计和编写技巧；⑤遗传算法参数选择。} 关于Richard Dawkins的evolution game的读书报告{仔细阅读Richard Dawkins evolution game.mht等网页文档和资料，在课堂上演示evolution game，同时详细讲解说明如下问题：①evolution game的问题描述和相应的编码方法；②遗传操作算子；③适应度值计算方法；④程序设计和编写技巧；⑤在演示过程中说明遗传算法参数选择对进化优化的影响。} 关于Blind Watchmaker的读书报告{仔细阅读Blind Watchmaker Applet.mht等网页文档和资料，在课堂上演示Blind Watchmaker，同时详细讲解说明如下问题：①Blind Watchmaker的问题描述和相应的编码方法；②遗传操作算子；③适应度值计算方法；④程序设计和编写技巧；⑤在演示过程中说明遗传算法参数选择对进化优化的影响。} 格式要求： 参见文档c2003paperformatV2.doc。