遗传算法的研究及应用 毕业设计.docVIP

毕 业 设 计 遗传算法的研究及应用 摘　　　　要 本文分为三部分：第一部分：遗传算法的概述。主要介绍了遗传算法的基本思想、遗传算法的构成要素、遗传算法的特点、遗传算法的基本模型、遗传算法的应用情况及今后的研究方向等等的内容。第二部分：基于Matlab 7.0下的遗传算法求解函数最值问题。遗传算法作为一种新的优化方法，广泛地用于计算科学、模式识别和智能故障诊断等方面，它适用于解决复杂的非线性和多维空间寻优问题，近年来也得到了较为广阔的应用。本人选择了函数优化这个应用领域，按照遗传算法的步骤，即编码、解码、计算适应度（函数值）、选择复制运算、 交叉运算和变异运算，对函数进行求解最值。第三部分：对遗传算法求函数最值问题的改进。这部分主要针对本文第二部分进行改进，通过改变基本遗传算法运行参数值， 如改变交叉概率Pc值和变异概率Pm值，从而使最优值更加接近相对标准下函数的最值。 关 键 词：遗传算法 适应度 交叉概率 变异概率 目　　　　录 1 前言 1 2 遗传算法概述 1 2.1 生物进化理论和遗传学的基本知识 1 2.2 遗传算法的基本思想 3 2.3 遗传算法的构成要素 3 2.3.1 染色体编码方法 3 2.3.2 适应度函数 4 2.3.3 遗传算子 4 2.3.4 基本遗传算法运行参数 5 2.4 遗传算法的特点 6 2.5 遗传算法的基本模型 7 2.6 遗传算法的应用 8 2.7 遗传算法今后的研究方向 10 3 基于Matlab 7.0下的遗传算法求解函数最值问题 11 3.1遗传算法的标准函数 11 3.2 解题步骤说明 12 3.2.1 编码问题 12 3.2.2 选择运算 12 3.2.3 交叉运算 13 3.2.4 变异运算 13 3.3 运行参数说明 14 3.4 对遗传算法求得的最值的分析 14 3.5 运行程序以及对其解释 14 3.6 从数学的角度求解函数最优值 18 3.6.1 自变量x以0.2为步进单位 18 3.6.2 自变量x以0.1为步进单位 19 3.6.3 自变量x以更精确的数为步进单位 21 4 对遗传算法求解函数最值问题的改进 21 4.1 寻找求得最优解的运行参数值 22 4.1.1 当Pc=0.9和Pm=0.0001 22 4.1.2 当Pc=0.9和Pm=0.001 23 4.1.3 当Pc=0.9和Pm=0.01 24 4.1.4 当Pc=0.9和Pm=0.1 26 4.1.5 当Pc=0.4和Pm=0.1 27 5 结论 29 参 考 文 献 30 Abstract 31 附录 32 致 谢 38 仲恺农业工程学院毕业论文(设计)成绩评定表 39 1 前言 生命科学与工程科学的相互交叉、相互渗透和相互促进是近代科学技术发展的一个显著特点，而遗传算法的蓬勃发展正体现了科学发展的这一特征和趋势。 遗传算法（Genetic Algorithm---GA），是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，它是由美国Michigan大学的J.Holland教授于1975年首先提出的。J.Holland教授和他的研究小组围绕遗传算法进行研究的宗旨有两个：一是抽取和解释自然系统的自适应过程，二是设计具有自然系统机理的人工系统。毫无疑问，J.Holland教授的研究无论对自然系统还是对人工系统都是十分有意义的。 众所周知，在人工智能领域中，有不少问题需要在复杂而庞大的有哪些信誉好的足球投注网站空间中寻找最优解或准最优解。因此，研究能在有哪些信誉好的足球投注网站过程中自动获取和积累有关有哪些信誉好的足球投注网站空间的知识，并自适应地控制有哪些信誉好的足球投注网站过程，从而得到最优解或准最优解的通用有哪些信誉好的足球投注网站算法一直是令人瞩目的课题。遗传算法就是这种特别有效的算法。它的主要特点是简单、通用、鲁棒性强，适用于并行分布处理，应用范围广。尽管遗传算法本身在理论和应用方法上仍有许多待进一步研究的问题，但它在组合优化问题求解、自适应控制、规划设计、机器学习和人工生命等领域的应用中已发展现了其特色和魅力。 2 遗传算法概述 2.1 生物进化理论和遗传学的基本知识 在介绍遗传算法之前，有必要了解有关的生物进化理论和遗传学的基本知识。 达尔文的生物进化论告诉我们，“适者生存，优胜劣汰”。在生物自然环境中，生物种群的自然繁衍，生存，发展，最终取决于它对自然环境的适应能力。当一个种群相对其他种群，对周围的环境能够显示出良好的适应能力，它将在生物竞争中处于优势地位，获取较大的生存机会，反之，该种群则趋向于消亡。所以，一个种群的优异的适应能力是该种群得以繁衍发展的根本。从达尔文的进化论我们可以看出，生物环境对生物的进化主要通过三个途径来进行：选择，交叉和变异。 遗传算法是一种模拟生物进化过程的学习方法，它操作的对象是由多个个体构成的种群，通过对种群中的成员模拟生物进化的方式来产生