二進制遺傳算法的改進研究

1 引言
1．1 研究目的與意義
1．2 國內外研究現(xiàn)狀
1．2．1 遺傳算法的研究現(xiàn)狀
1．2．2 二進制遺傳算法的研究現(xiàn)狀
1．3 研究的主要內容、方法和技術路線
1．3．1 研究內容
1．3．2 研究方法和技術路線
2 遺傳算法的基本原理與操作
2．1 遺傳算法的基本用語
2．2 遺傳算法的數學模型和基本原理
2．2．1 遺傳算法的數學模型
2．2．2 遺傳算法的基本原理
2．3 編碼方法
2．4 初始化種群
2．5 適應度函數
2．6 選擇操作
2．7 交叉操作
2．8 變異操作
2．9 停機條件
2．1 0 本章小結
3 遺傳算法的理論基礎
3．1 相關概念及定義
3．2 模式定理
3．2．1 選擇對模式的影響
3．2．2 交叉對模式的影響
3．2．3 變異對模式的影響
3．3 積木塊假設
3．4 本章小結
4 遺傳算法的改進研究
4．1 碼長的確定和編碼
4．2 初始種群的產生
4．3 個體適應度函數設計
4．3．1 兩種基于序的適應度函數計算方法與模型
4．3．2 兩種基于序的適應度函數模型的比較
4．4 進化策略的改進
4．4．1 基本遺傳算法的進化策略
4．4．2 傳統(tǒng)遺傳算法的進化策略
4．4．3 改進遺傳算法的進化策略
4．5 改進進化策略GA的測試與分析
4．5．1 測試函數與參數選擇
4．5．2 測試結果與分析
4．6 本章小結
5 多子代遺傳算法研究
5．1 多子代遺傳算法的生物學原理
5．2 單點交叉多子代遺傳算法
5．2．1 單點交叉多子代遺傳算法的產生方法
5．2．2 單點交叉多子代種內競爭操作
5．2．3 單點交叉多子代遺傳算法的進化策略
5．2．4 單點交叉多子代遺傳算法的測試與分析
5．3 兩點交叉多子代遺傳算法
5．3．1 兩點交叉多子代遺傳算法的產生方法
5．3．2 兩點交叉多子代遺傳算法的測試與分析
5．4 多子代遺傳算法
5．4．1 多子代遺傳算法的產生方法
5．4．2 多子代遺傳算法的測試與分析
5．5 本章小結
6 區(qū)間自適應遺傳算法研究
6．1 區(qū)間自適應遺傳算法的基本思路
6．2 自適應移動搜索區(qū)間方法
6．3 區(qū)間自適應遺傳算法的進化策略
6．4 算法的收斂性分析
6．5 本章小結
7 綜合應用實例
7．1 函數優(yōu)化中的應用
7．1．1 函數優(yōu)化問題的描述
7．1．2 無約束函數優(yōu)化問題
7．1．3 有約束函數優(yōu)化問題
7．2 神經網絡權值與閾值的優(yōu)化問題
7．2．1 BP算法描述
7．2．2 IAGA優(yōu)化BP神經網絡權值和閾值思想
7．2．3 IAGA優(yōu)化BP神經網絡權值和閾值算法描述
7．2．4 基于BP神經網絡的聯(lián)合收獲機慣性分離室工藝參數優(yōu)化實驗
7．3 種植業(yè)結構優(yōu)化與資源最佳分配問題
7．3．1 種植業(yè)結構優(yōu)化與資源分配的數學模型
7．3．2 種植業(yè)結構優(yōu)化與資源分配模型的實例計算
7．3．3 仿真參數及模型求解
7．4 基于馬爾可夫模型的東北三省產業(yè)結構預測
7．4．1 馬爾可夫預測模型
7．4．2 東北三省產業(yè)結構的預測
7．5 本章小結
8 結論
參考文獻
附錄