吉首大学毕业设计封面理工类专用.doc
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《吉首大学毕业设计封面理工类专用.doc》由会员分享,可在线阅读,更多相关《吉首大学毕业设计封面理工类专用.doc(34页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、【精品文档】如有侵权,请联系网站删除,仅供学习与交流吉首大学毕业设计封面理工类专用.精品文档.JISHOUUNIVERSITY本科生毕业设计题 目:几种典型的智能优化算法及其应用领域研究作 者:李志强学 号:20104042041所属学院:信息科学与工程学院专业年级:2010级计算机科学与技术指导教师:段明秀职 称:讲师完成时间:2014年5月20日吉首大学教务处制独创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方
2、式标明。本人完全意识到本声明的法律后果由本人承担。论文题目: 作者签名: 日期: 年 月 日论文版权使用授权书本人完全了解吉首大学有关保留、使用学位论文的规定,即:学校有权保留送交论文的复印件和磁盘,允许论文被查阅和借阅,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。同意吉首大学可以用不同方式在不同媒体上发表、传播学位论文的全部或部分内容。(保密的学位论文在解密后应遵守此协议)论文题目: 学生签名: 日期: 年 月 日 导师签名: 日期: 年 月 日目 录摘 要IAbstractII第1章 绪 论11.1课题研究背景及目的11.2研究现状11.3研究内容3第2章 遗传算法42.1遗传算
3、法介绍42.2 遗传算法的基本原理4第3章 遗传算法的应用63.1遗传算法典型的应用领域63.2最早应用63.3实现求解背包问题6第4章 蚁群算法254.2 蚁群算法的工作原理和特点25第5章 蚁群算法的应用285.1 蚁群算法应用285.2算法分析28结 语35参考文献36致 谢37几种典型的智能优化方法及其应用领域研究摘 要智能优化算法一般从搜索空间的初始解出发,按照某种机制,以一定的机率在整个求解空间中探索最优解,这是它们的基本特点,即寻优性能,随着现代信息技术的快速发展,智能优化方法的应用领域也越来越广泛,为社会经济的发展带了更多活力,同时给人们生活提供了极大的便捷。本文重点探讨两种比
4、较典型的智能优化算法,遗传算法和蚁群算法,概述和分析遗传算法和蚁群算法发展背景和研究目的,以及两种智能优化算法的研究状况、进展和研究的主要内容,着重就它们方法特点和一些典型应用领域进行分析。 将从达尔文提出的进化论入手,通过实际问题案例,分析说明遗传算法的核心思想、实现过程,对遗传算法的算法过程和典型应用领域进行探讨和剖析,并由此提出了遗传算法在一些不同情况下的应用价值;从蚁群的觅食机制和旅行商问题(TSP, traveling salesman problem)等典型应用问题开始,探讨蚁群算法的思想要素,通过具体典型应用领域的谈论对蚁群算法应用特点作进一步的分析。 提供了文中两种典型智能优化
5、算法的计算机编码,并提供了其中关键注释,取得了预期的良好效果。关键词:遗传算法;蚁群算法;寻优性能;典型应用;最优解 Several Typical Intelligent Optimization Method and Its ApplicationsAbstractIntelligent optimization algorithms is general go from the starting solution of the initial search space, there is a chance to explore the optimal solution in the wh
6、ole possible space according to the mechanism, this is their basic characteristics, namely optimizing performance, With the rapid development of modern information technology, applications of intelligent optimization methods are increasingly being used for social and economic development with more v
7、igor, and provides peoples lives great convenience.This article focuses on two typical intelligent optimization algorithm, genetic algorithm and ant colony algorithm, an overview and analysis of the genetic algorithm and ant colony algorithm development background and research purposes, and the two
8、intelligent optimization algorithm research status, progress and the main content , the analysis focuses on the characteristics of their methods and some typical applications.From the Darwins theory of evolution, through the actual problem cases, Analysis shows that the core idea of genetic algorith
9、ms, implementation process, the algorithm processes and typical applications of genetic algorithms to explore and analyze, and thus the value of genetic algorithm is proposed in a number of different situations;from the ant foraging mechanisms and the traveling salesman problem (TSP, traveling sales
10、man problem) and other typical application problems,start exploring the ideological elements of the ant colony algorithm, and typical application areas through specific discuss on the characteristics of the ant colony algorithm for further analysis. This paper provides two typical intelligent optimi
11、zation algorithms computer code, and provides one of the key notes, achieved the desired good results.Key words: genetic algorithms; ant colony algorithm; robustness; optimization strategy第1章 绪 论1.1课题研究背景及目的进入二十一世纪,智能算法研究作为人工智能研究领域的一个重要分支将会在各国出现新的更加激烈的竞争,同时作为全局化优化算法已出现成功模仿生物智能优化方法不断地应用关乎国民经济、国防战略工业等
12、领域当中。智能优化方法以数学为基础, 通常运用于工程技术问题优化解问题。比如在人工智能, 模式识别, 生产调度, VLSI 技术等领域有不可替代的作用。20世纪80 年代以来,几种比较新的智能优化算法通过仿真模拟一些重要过程和现象进入了工程应用领域,这些算法独特的优点和机制, 引起国内外学者的重视与研究。其中遗传算法和蚁群算法是两种较为典型的优化方法1。遗传算法(GA)是一类借鉴生物界自然选择和自然遗传机制的随机的搜索算法,具有通用、简单、鲁棒性强等优点,Holland 教授受到英国博物学家达尔文进化论的启示于1975年提出,适用于并行处理,达尔文发现通过观察和严谨科学推理提出生物是通过自然选
13、择、有性繁殖两个过程不断进化,通过在自然界的淘汰、变异、遗传、进化以致更好地适应所生存的自然环境,通过这种变化从而产生出最适合特点环境的个体。进入现代科技社会,工程师们将智能优化方法中的搜索和优化过程仿真模拟成特定环境中的个体进化过程, 用设定搜索空间的各个点模拟特定环境中的个体, 将求解过程的目标函数度量设想成生物体对环境的适应能力,将环境中个体间的优胜劣汰过程类比为搜索和优化过程中较好的可行解取代较差的可行解的一个重复迭代过程1。而蚁群算法是一种通用仿生并行算法,是20世纪90年代由意大利M.Dorigo等人对蚁群行为的研究受启发而首先提出来的一种新型模拟进化算法,科学家们发现蚁群通过一种
14、叫信息素的外激素来进行信息交流,蚂蚁会在经过的路径留下这种可以被其他同类识别的信息素,并根据从前留下的信息素浓度来决定将要选择的路径。因此,蚁群在寻找获取食物的最优路径的时候,如果某路径上走过的蚂蚁较多, 则蚁群中选择该路径的概率就越大, 蚁群中的个体之间就是通过这种独特信息素的来达到交流目的并更好地得到获取食物的最优路线,这种优化方法思想对于很多现实问题的解决具有重要意义。蚁群算法本质上是一种基于群体的多代理算法.通过一组可能的解组成特定的群体在不断的类似于进化过程来寻求实际问题的最优解,一般都包括这个两个基本阶段:适应阶段与协作阶段,在适应阶段,各个可能的解根据特定的条件不断调整本身的结构
15、;而所谓的协作阶段,可能解之间一般通过丰富积极的信息交流,由此来期望能给实际问题能够产生性能更优的解1。本文将对对遗传算法和蚁群算法历史发展以及近年来的研究状况和应用领域进行探讨,从而能够更加深刻的理解其算法思想和应用方法,由点带面,极大拓展这方面思维,我想对于以后进一步学习和应用智能优化方法去理解一些新的科技发展会有较好的帮助。1.2研究现状1.2.1遗传算法遗传算法(Genetic Algorithm,GA)的基本思想是模拟自然界遗传机制和生物进化论而形成的一种具有“生存+检测”迭代过程的搜索最优解的算法.它以一种群体中的所有个体为对象,并利用随机化技术指导,对一被编码的参数空间进行高效搜
16、索。其中,选择、交叉和变异构成了遗传算法的遗传操作;参数编码、初始群体的设定、适应度函数的设计、遗传操作设计和控制参数设定五个要素组成了遗传算法的核心内容1。作为一种新的全局优化搜索算法,遗传算法以其简单通用、鲁棒性强、适于并行处理以及高效实用等显著特点,在各个领域得到广泛应用,取得了良好效果,并逐渐成为重要的智能算法之一2。从公开发表的论文看,我国首先开始研究应用遗传算法的有赵改善和华中理工大学的师汉民等人。早在上世纪的50年代,科学家已经开始研究如何运用数字电子计算机仿真模拟生物个体的遗传与进化两个过程;而到60年代,德国教授I.Rechenberg和H.P.Schwefel,在一次实验的
17、启发中,得出了进化策略的初步思想;L.J.Fogel在对有限态自动机的设计工作中,提出进化规划这个重要的思想;1966年Fogel等人较为全面的阐述了进化规划的思想方法;Michigan大学的科学家J.H. Holland提出模仿借鉴生物自然遗传的理论用于自然和人工系统的自适应行为研究和串编码技术;他的学生J.D.Bagley在1967年的博士论文中第一次提出了“遗传算法(Genetic Algorithms)”这个词语;1975年,Holland出版了著名的“Adaptation in Natural and Artificial Systems”,标志遗传算法的诞生2。70年代初,被学界认
18、为是“遗传算法的基本定理”的“模式定理”由Holland提出,这也奠定了那段时间遗传算法研究在学术界的重要理论基础;1985年,第一届遗传算法国际会议,并且成立了国际遗传算法学会(ISGA,International Society of Genetic Algorithms) 在美国召开,其他类似的会议也都陆续开始在欧洲等地方举办。1989年,Holland的学生D.J.Goldherg出版了“Genetic Algorithms in Search, Optimization, and Machine Learning”,对遗传算法及其应用作了全面而系统的论述;1991年,L.Davis经
19、过努力编辑出版了遗传算法手册,在其中囊括了遗传算法经典应用实例,是学界很珍贵的文献资料2。到90年代,以遗传算法、进化计算为核心内容的学术杂志Evolutionary Computation在美国麻省理工学院开始发刊;1994年,IEEE全球计算智能大会在北美城市奥兰多召开,这次会议把进化计算与模糊逻辑、神经网络统称为为计算智能;1997年,学术期刊IEEE Transactions on Evolutionary Computation开始发行,标志着遗传算法的研究与传播已经进入成熟阶段,各地的著作和发行刊物比较及时和全面地报道了近年来学术界遗传算法的最新研究成果。经过学术界以及各界的关心和
20、智能算法的应用不断深化,到目前,与遗传算法有关的学术会议已经有IPPSN、ICCGA、ICEC、ANN GA、EP、COGANN、EC、GP、SEAL等2。在特点空间中局部搜索的能力较差以及容易发生早熟现象都是遗传算法的缺陷,科学家们紧紧围绕这个问题发表了大量相关学术论文, 对遗传算法的发展做了重要贡献。1.2.2 蚁群算法蚂蚁系统(AntSystem,AS)是最早的蚁群算法,于90年代由Dorigo最早提出2,并将其应用于解决计算机算法学中经典的旅行商问题(TSP),科学家根据各种策略积极地改进蚂蚁,提出了各种不同版本的蚁群算法,有很多已经应用在很多实际问题的优化当中。经过不断发展,发现分布
21、式计算,无中心控制和分布式个体之间间接通信是蚁群算法的重要特征,因为此,蚁群算法的结合能力以及协作能力已被广泛认可,其中很多重要方法被直接应用于求解实际问题中优化领域。在智能方法中,蚁群算法相对来说更加易于实现,牵扯的数学操作更加少,他的处理过程对设备的配制要求相对来说也并不高,因此对它的研究在理论和实践中都具有重要的意义。从蚂蚁系统开始,基本的蚁群算法得到了不断的发展和完善,在一些实际优化问题表现优异,经得起科学的实际检验,这些AS改进版本的一个共同点就是增强了蚂蚁搜索过程中对最优解的探索能力3。1.3研究内容本文试图探讨两种比较典型的智能优化算法,遗传算法和蚁群算法,着重就它们的研究状况、
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 吉首 大学 毕业设计 封面 理工类 专用
![提示](https://www.deliwenku.com/images/bang_tan.gif)
限制150内