基于遗传算法求解背包问题解析.docVIP

毕业设计（论文） 基于遗传算法求解背包问题 院 别 专班级姓名 指导教师 2012年6月15日 基于遗传算法求解背包问题 摘要 Genetic Algorithm for KP Author： Tutor：Abstract KP (Knapsack Problem) is a combinatorial optimization of NP - complete problem. The primary knowledge, characteristics and the basic techniques of GA are introduced firstly. The encoding model and genetic operators (including selection operation, crossover operation and mutation operation) solving KP are discussed secondly. Combined with examples of knapsack problem, we have given the specific encoding method, operating parameters, popsize, maxgeneration, and suitable genetic operator. At last, the application of genetic algorithm is simple presented, and the prospect for the future of genetic algorithm in solving KP has been given. Key Words: KP, genetic algorithm, genetic operators 目 录 1绪论 1 1.1 引言 1 1.2 背包问题概述 1 1.2.1 背包问题的描述 2 1.2.2 研究背包问题的意义 9 1.3 遗传算法 10 1.3.1 遗传算法概述 10 1.3.2 遗传算法的特点 10 1.3.3 遗传算法的应用领域 11 2遗传算法的基本原理 13 2.1 基本流程 14 2.2 编码 14 2.3 适应度函数 15 2.4 遗传算子 15 2.4.1 选择算子 16 2.4.2 交叉算子 17 2.4.3 变异算子 17 2.5 参数控制 18 2.5.1 群体规模 18 2.5.2 交叉概率 18 2.5.3 变异概率 19 2.6 算法结束条件控制 19 3求解实现背包问题的遗传算法 20 3.1 0_1背包问题中染色体的表示 20 3.2 算法求解01背包问题时用到的参数 20 3.3 选择操作 20 3.4 交叉操作 21 3.5 精英策略 22 3.6 变异操作 23 3.7 代际更新 23 3.8 算法的终止 23 3.9 仿真结果与测试 24 3.9.1 不同交叉概率下所的测试结果 25 3.9.2 极端数据对结果的影响 27 3.9.3 仿真结果总结 30 结论 31 致 谢 32 参考文献 33 附 录 34 1绪论 1.1 引言 现代科学理论研究与实践中存在着大量与优化、自适应相关的问题，但除了一些简单的情况之外，人们对于大型复杂系统的优化和自适应问题仍然无能为力。然而，自然界中的生物却在这方面表现出了其优异的能力，它们能够以优胜劣汰、适者生存的自然进化规则生存和繁衍，并逐步产生出对其生存环境适应性很高的优良物种。遗传算法正是借鉴生物的自然选择和遗传进化机制而开发出的一种全局优化自适应概率搜索算法。 遗传算法是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。 遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体）的抽象表示（称为染色体）的种群向更好的解进化。传统上，解用二进制表示（即0和1的串），但也可以用其他表示方法。进化从