基于小生的境遗传算法的多峰函数优化问题的研究.docVIP

本科毕业设计（论文） 题目： （中文）基于小生境遗传算法的多峰函数优化问题的研究 （ENGLISH)Niche Genetic Algorithm For Multimodal Function Optimization Problems  诚 信 承 诺 我谨在此承诺：本人所写的毕业论文《基于小生境遗传算法的多峰函数优化问题的研究》均系本人独立完成，没有抄袭行为，凡涉及其他作者的观点和材料，均作了注释，若有不实，后果由本人承担。 承诺人（签名）： 年 月 日 摘 要 【摘要】遗传算法由于其良好的搜索特性，在函数优化问题上取得了很多的应用。但简单遗传算法（SGA）的解决多峰函数的优化问题时，具有诸多不足之处，主要是早熟收敛现象。为了提高遗传算法的性能，提出基于淘汰机制的小生境的遗传算法。在matlab上实现算法，测试了8个函数与SGA相比较，无论是一维的还是多维的多峰函数，小生境遗传具有更快的收敛速度，收敛概率以及收敛精度，更好的效果，更高的可靠性。 【关键词】遗传算法；多峰函数优化；淘汰小生境 英文题目 Abstract 【ABSTRACT】 because of its excellent search features,Genetic algorithms made a lot of applications in function optimization problems . But the simple genetic algorithm(SGA)has many shortcomings when solve multimodal function optimization problems,mainly premature convergence phenomenon.In order to improve the performance of genetic algorithm, iproposed a niche genetic algorithm based on elimination mechanism.Algorithmed in matlab, and test eight function compared with the SGA, both one-dimensional or multi-dimensional multi-peak function, niche genetic algorithmwith has faster convergence rate, better convergence probability and better convergence precision, better results and more high reliability. 【KEYWORDS】Genetic algorithms;multimodal function optimization;niche . 目 录 第一章 绪论 1 1.1 函数优化与优化算法 1 1.1.1 最优化问题 1 1.1.2 函数优化和组合优化 1 1.1.3 优化算法 1 1.2 智能优化算法：遗传算法的应用 2 1.3 遗传算法的国内外研究现状 3 1.4 本论文的选题意义 4 1.5 本论文的主要工作 4 第二章 遗传算法的基本理论 6 2.1 遗传算法的生物学基础 6 2.2 遗传算法的发展概况 7 2.3 遗传算法的结构与实现 7 2.3.1 遗传算法的结构 7 2.3.2 遗传算法概要 7 2.3.3 遗传算法的实现 8 2.4 遗传算法的操作 10 2.4.1 编码策略 10 2.4.2 适应度函数 12 2.4.3 遗传算子 13 2.5 遗传算法的运行参数 16 2.6 遗传算法的特点 17 2.7 遗传算法的不足 17 2.8 遗传算法的改进 18 2.9 本章小结 19 第三章 基于小生境的遗传算法 20 3.1 物种形成与小生境技术 20 3.2 常用的小生境技术 21 3.2.1 基于预选择(Preseleetio）机制的小生境 21 3.2.2 基于排挤(crowding）机制的小生境 21 3.2.3 基于共享（sharing）机制的小生境 22 3.3 小生境遗传算法的结构与实现 23 3.4 小生境遗传算法的发展状况 24 3.5 本章小结 24 第四章 基于淘汰机制的小生境遗传算法 26 4.1 淘汰小生境遗传算法 26 4.2 淘汰小生境算法的实现 26 4.3 与基本遗传算法的比较 29 4.3.1 测试函数 29 4.3.2