發(fā)布時間：2024-01-25 18:30

　　作為進化計算最重要的一個分支,遺傳算法在許多領(lǐng)域已經(jīng)獲得大量的研究,但發(fā)展到現(xiàn)在仍然存在很多缺陷。遺傳算法進化到后期,種群中的個體相似度較高,無法對解空間做進一步的搜尋,導(dǎo)致算法早熟收斂。遺傳算法的局部搜索能力較弱,在最優(yōu)解附近需要花費較長時間才能得到問題的全局最優(yōu)解。而且,傳統(tǒng)遺傳算法一般采用二進制編碼方式,這種編碼方法不能表達豐富的生物遺傳信息,在計算模型中無法反映遺傳信息對生物體生長、發(fā)育的調(diào)制作用,尤其是起關(guān)鍵控制作用的DNA編碼機制。自從Adleman提出DNA計算理論開始,基于DNA計算的智能系統(tǒng)開始引起研究人員的注意,它能夠更好的反映生物體的遺傳信息,從而建立功能更強、效率更高的智能計算模型。受此啟發(fā),研究者們開始嘗試進一步分析和模仿生物遺傳信息的調(diào)控功能,建立分子水平上的遺傳信息模型�；谶@種思想,學(xué)者們提出了DNA遺傳算法。這種算法將遺傳算法與DNA計算相結(jié)合,在DNA編碼方式的基礎(chǔ)上對種群中的個體進行遺傳操作,從而更好地模擬生物的遺傳機理和遺傳信息表達機制。DNA遺傳算法的結(jié)構(gòu)與一般遺傳算法基本上類似,主要區(qū)別在于DNA遺傳算法采用DNA編碼方式,并基于這種編碼方式...

【文章頁數(shù)】：225 頁

【學(xué)位級別】：博士

圖1-4從事DNA遺傳算法研究的國內(nèi)科研人員情況

圖2-6LBS和HBS的變異概率曲線

圖3-5測試函數(shù)及求解結(jié)果

圖3-6測試函數(shù)的收斂曲線

本文編號：3885339