二進(jìn)制遺傳算法的改進(jìn)研究

定　價(jià)：￥56.00

作　者：	朱會(huì)霞
出版社：	東北大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥49.30)

ISBN：	9787551717625	出版時(shí)間：	2018-03-01	包裝：
開本：	16開	頁數(shù)：	155	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　遺傳算法是智能優(yōu)化算法中比較重要方法之一，是一種基于自然選擇和基因遺傳學(xué)原理的全局優(yōu)化算法。具有群體搜索特性，對(duì)優(yōu)化目標(biāo)函數(shù)無要求，僅用適應(yīng)度函數(shù)來評(píng)價(jià)個(gè)體優(yōu)劣。遺傳算法自誕生開始，人們就對(duì)其進(jìn)行了研究，隨著其理論的發(fā)展和應(yīng)用的廣泛，人們對(duì)遺傳算法提出了種種改進(jìn)方案，這些改進(jìn)方法在一定程度上提高了算法的性能，但仍有一些不足有待進(jìn)一步改進(jìn)、完善、發(fā)展和充實(shí)?！抖M(jìn)制遺傳算法的改進(jìn)研究》采用先進(jìn)行理論分析，然后用計(jì)算機(jī)仿真驗(yàn)證理論分析的正確性，最后將正確的理論應(yīng)用于實(shí)際優(yōu)化問題的研究方法，以此增強(qiáng)遺傳算法的理論性和適用性，希望《二進(jìn)制遺傳算法的改進(jìn)研究》對(duì)于遺傳算法的發(fā)展及應(yīng)用能具有很好的理論指導(dǎo)意義與應(yīng)用價(jià)值，并可以較好地推動(dòng)遺傳算法的完善和發(fā)展。取得的主要研究成果如下。

作者簡(jiǎn)介

暫缺《二進(jìn)制遺傳算法的改進(jìn)研究》作者簡(jiǎn)介

圖書目錄

1 引言
1．1 研究目的與意義
1．2 國內(nèi)外研究現(xiàn)狀
1．2．1 遺傳算法的研究現(xiàn)狀
1．2．2 二進(jìn)制遺傳算法的研究現(xiàn)狀
1．3 研究的主要內(nèi)容、方法和技術(shù)路線
1．3．1 研究內(nèi)容
1．3．2 研究方法和技術(shù)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(shù)學(xué)模型和基本原理
2．2．1 遺傳算法的數(shù)學(xué)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(yīng)度函數(shù)
2．6 選擇操作
2．7 交叉操作
2．8 變異操作
2．9 停機(jī)條件
2．1 0 本章小結(jié)
3 遺傳算法的理論基礎(chǔ)
3．1 相關(guān)概念及定義
3．2 模式定理
3．2．1 選擇對(duì)模式的影響
3．2．2 交叉對(duì)模式的影響
3．2．3 變異對(duì)模式的影響
3．3 積木塊假設(shè)
3．4 本章小結(jié)
4 遺傳算法的改進(jìn)研究
4．1 碼長的確定和編碼
4．2 初始種群的產(chǎn)生
4．3 個(gè)體適應(yīng)度函數(shù)設(shè)計(jì)
4．3．1 兩種基于序的適應(yīng)度函數(shù)計(jì)算方法與模型
4．3．2 兩種基于序的適應(yīng)度函數(shù)模型的比較
4．4 進(jìn)化策略的改進(jìn)
4．4．1 基本遺傳算法的進(jìn)化策略
4．4．2 傳統(tǒng)遺傳算法的進(jìn)化策略
4．4．3 改進(jìn)遺傳算法的進(jìn)化策略
4．5 改進(jìn)進(jìn)化策略GA的測(cè)試與分析
4．5．1 測(cè)試函數(shù)與參數(shù)選擇
4．5．2 測(cè)試結(jié)果與分析
4．6 本章小結(jié)
5 多子代遺傳算法研究
5．1 多子代遺傳算法的生物學(xué)原理
5．2 單點(diǎn)交叉多子代遺傳算法
5．2．1 單點(diǎn)交叉多子代遺傳算法的產(chǎn)生方法
5．2．2 單點(diǎn)交叉多子代種內(nèi)競(jìng)爭(zhēng)操作
5．2．3 單點(diǎn)交叉多子代遺傳算法的進(jìn)化策略
5．2．4 單點(diǎn)交叉多子代遺傳算法的測(cè)試與分析
5．3 兩點(diǎn)交叉多子代遺傳算法
5．3．1 兩點(diǎn)交叉多子代遺傳算法的產(chǎn)生方法
5．3．2 兩點(diǎn)交叉多子代遺傳算法的測(cè)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(chǎn)生方法
5．4．2 多子代遺傳算法的測(cè)試與分析
5．5 本章小結(jié)
6 區(qū)間自適應(yīng)遺傳算法研究
6．1 區(qū)間自適應(yīng)遺傳算法的基本思路
6．2 自適應(yīng)移動(dòng)搜索區(qū)間方法
6．3 區(qū)間自適應(yīng)遺傳算法的進(jìn)化策略
6．4 算法的收斂性分析
6．5 本章小結(jié)
7 綜合應(yīng)用實(shí)例
7．1 函數(shù)優(yōu)化中的應(yīng)用
7．1．1 函數(shù)優(yōu)化問題的描述
7．1．2 無約束函數(shù)優(yōu)化問題
7．1．3 有約束函數(shù)優(yōu)化問題
7．2 神經(jīng)網(wǎng)絡(luò)權(quán)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(jīng)網(wǎng)絡(luò)權(quán)值和閾值思想
7．2．3 IAGA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值算法描述
7．2．4 基于BP神經(jīng)網(wǎng)絡(luò)的聯(lián)合收獲機(jī)慣性分離室工藝參數(shù)優(yōu)化實(shí)驗(yàn)
7．3 種植業(yè)結(jié)構(gòu)優(yōu)化與資源最佳分配問題
7．3．1 種植業(yè)結(jié)構(gòu)優(yōu)化與資源分配的數(shù)學(xué)模型
7．3．2 種植業(yè)結(jié)構(gòu)優(yōu)化與資源分配模型的實(shí)例計(jì)算
7．3．3 仿真參數(shù)及模型求解
7．4 基于馬爾可夫模型的東北三省產(chǎn)業(yè)結(jié)構(gòu)預(yù)測(cè)
7．4．1 馬爾可夫預(yù)測(cè)模型
7．4．2 東北三省產(chǎn)業(yè)結(jié)構(gòu)的預(yù)測(cè)
7．5 本章小結(jié)
8 結(jié)論
參考文獻(xiàn)
附錄