20世紀(jì)70年代,美國密歇根大學(xué)的John H.Holland教授受達(dá)爾文生物進(jìn)化論和遺傳學(xué)機(jī)理的啟發(fā)建立了遺傳算法（Genetic Algorithm）的基本框架。該算法一經(jīng)提出,就引起了學(xué)者們的密切關(guān)注并應(yīng)用于眾多領(lǐng)域,遺傳算法的基本理論也逐漸完善。遺傳算法解決復(fù)雜問題時,往往存在“早熟收斂”現(xiàn)象,導(dǎo)致算法性能降低,因此,如何克服遺傳算法的缺陷,提升其在復(fù)雜問題上的性能是該領(lǐng)域的研究熱點。復(fù)雜網(wǎng)絡(luò)（Complex Network）是20世紀(jì)90年代興起的新方向,它利用網(wǎng)絡(luò)相關(guān)特性描述自然和社會存在的一些現(xiàn)象,用網(wǎng)絡(luò)手段解釋此類現(xiàn)象,建立對應(yīng)的網(wǎng)絡(luò)數(shù)學(xué)模型,進(jìn)而可以分析、預(yù)測網(wǎng)絡(luò)相關(guān)行為。復(fù)雜網(wǎng)絡(luò)的研究成果為更有效地改進(jìn)啟發(fā)式算法提供了一個新的視角。本文對遺傳算法的改進(jìn)進(jìn)行了研究與探討,將遺傳算法作為一個網(wǎng)絡(luò)交互系統(tǒng)進(jìn)行研究,運用復(fù)雜網(wǎng)絡(luò)思想分析遺傳算法,節(jié)點表示種群個體,連接表示個體之間的信息傳輸路徑,提出一種基于改進(jìn)BA網(wǎng)絡(luò)的遺傳算法,依照BA網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)改進(jìn)傳統(tǒng)遺傳算法,同時對網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了一定改進(jìn),并改進(jìn)了傳統(tǒng)遺傳算法的選擇策略以及為了應(yīng)對網(wǎng)絡(luò)中節(jié)點的遞增采用的種群規(guī)模自適... 

【文章頁數(shù)】：50 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 引言
    1.2 研究背景與意義
    1.3 研究現(xiàn)狀
        1.3.1 遺傳算法研究進(jìn)程
        1.3.2 遺傳算法簡介
        1.3.3 復(fù)雜網(wǎng)絡(luò)研究進(jìn)程
        1.3.4 復(fù)雜網(wǎng)絡(luò)簡介
        1.3.5 復(fù)雜網(wǎng)絡(luò)用于智能算法的研究
    1.4 研究問題與論文結(jié)構(gòu)
        1.4.1 研究問題
        1.4.2 論文結(jié)構(gòu)
第二章 基于改進(jìn)BA網(wǎng)絡(luò)的遺傳算法
    2.1 引言
    2.2 基于改進(jìn)BA網(wǎng)絡(luò)的遺傳算法的思想
    2.3 數(shù)值實驗
        2.3.1 實驗
        2.3.2 實驗結(jié)果分析
    2.4 結(jié)論
第三章 基于改進(jìn)BA網(wǎng)絡(luò)遺傳算法的約束進(jìn)化算法
    3.1 引言
    3.2 約束優(yōu)化問題的研究
    3.3 基于進(jìn)化算法的約束處理
        3.3.1 罰函數(shù)法
        3.3.2 可行性法則
        3.3.3 隨機(jī)排序法
        3.3.4 ?約束處理法
    3.4 基于改進(jìn)BA網(wǎng)絡(luò)的約束遺傳算法
        3.4.1 算法的設(shè)計
        3.4.2 數(shù)值實驗
        3.4.3 實驗結(jié)果分析
    3.5 結(jié)論
第四章 結(jié)束語
    4.1 總結(jié)
    4.2 未來的工作
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]核主成分分析法在測井濁積巖巖性識別中的應(yīng)用[J]. 周游,張廣智,高剛,趙威,易院平,魏紅梅.  石油地球物理勘探. 2019(03)
[2]基于改進(jìn)灰狼算法優(yōu)化支持向量機(jī)的人臉識別[J]. 馮璋,裴東,王維.  計算機(jī)工程與科學(xué). 2019(06)
[3]求解高維復(fù)雜函數(shù)的遺傳-灰狼混合算法[J]. 顧清華,李學(xué)現(xiàn),盧才武,阮順領(lǐng).  控制與決策. 2020(05)
[4]一種基于遺傳算法優(yōu)化的大數(shù)據(jù)特征選擇方法[J]. 張文杰,蔣烈輝.  計算機(jī)應(yīng)用研究. 2020(01)
[5]改進(jìn)遺傳算法求解走班制下的排課問題[J]. 陳璐,王秀.  計算機(jī)工程與應(yīng)用. 2019(06)
[6]應(yīng)用改進(jìn)區(qū)塊遺傳算法求解置換流水車間調(diào)度問題[J]. 裴小兵,張春花.  智能系統(tǒng)學(xué)報. 2019(03)
[7]自適應(yīng)的非支配排序遺傳算法[J]. 王嶸冰,徐紅艷,郭軍.  控制與決策. 2018(12)
[8]遺傳算法參數(shù)的動態(tài)優(yōu)化方案[J]. 劉克剛,朱福喜,朱碧穎,粟藩臣.  小型微型計算機(jī)系統(tǒng). 2015(04)
[9]應(yīng)用果蠅優(yōu)化算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò)進(jìn)行企業(yè)經(jīng)營績效評估[J]. 潘文超.  太原理工大學(xué)學(xué)報(社會科學(xué)版). 2011(04)
[10]遺傳算法編碼方案比較[J]. 張超群,鄭建國,錢潔.  計算機(jī)應(yīng)用研究. 2011(03)



本文編號：3701041