国家集训队论文集钱自强.docVIP

  1. 1、本文档共24页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
国家集训队论文集钱自强.doc

遗传算法应用的分析与研究 福州八中 钱自强 【摘要】 随着科技水平的不断发展,人们在生产生活中遇到的问题也日益复杂,这些问题常常需要在庞大的有哪些信誉好的足球投注网站空间内寻找最优解或近似解,应用传统算法求解已经显得相当困难。而近年来,生物学的进化论被广泛地应用于工程技术、人工智能等领域中,形成的一类有效的随机有哪些信誉好的足球投注网站算法——进化算法,有效的解决了诸多生产生活中的难题而显得越来越流行。 本文的首先将介绍进化算法的原理以及历史使大家对进化算法有一个初步的了解,其次将详细介绍应用遗传算法解题的步骤,并提出有效改进和应用建议。紧接着通过一个NP难题的优化实例让大家对遗传算法有更深刻的了解,最后通过数据分析证明其方法的有效性。 【关键词】 人工智能;进化算法;遗传算法(GA);多目标最小生成树 目录 进化算法理论 进化算法概述 - 2- 遗传算法介绍 - 2- 遗传算法 遗传算法基本流程 - 3- 遗传算法中各重要因素分析 - 3- 重要参数设置 - 6- 遗传算法在多目标最小生成树问题中的应用 多目标最小生成树 - 7- 应用遗传算法解决多目标最小生成树 - 9- 测试 -11- 结束语 -15- 附录 -16- 进化算法理论 进化算法概述 从远古时代单细胞开始,历经环境变迁的磨难,生命经历从低级到高级,从简单到复杂的演化历程。生命不断地繁衍生息,产生出具有思维和智能的高级生命体。人类得到生命的最佳结构与形式,它不仅可以被动地适应环境,更重要的是它能够通过学习,模仿与创造,不断提高自己适应环境的能力。 进化算法就是借鉴生物自然选择和遗传机制的随机有哪些信誉好的足球投注网站算法。进化算法通过模拟“优胜劣汰,适者生存”的规律激励好的结构,通过模拟孟德尔的遗传变异理论在迭代过程中保持已有的结构,同时寻找更好的结构。作为随机优化与有哪些信誉好的足球投注网站算法,进化算法具有如下特点:进化算法不是盲目式的乱有哪些信誉好的足球投注网站,也不是穷举式的全面有哪些信誉好的足球投注网站,它根据个体生存环境即目标函数来进行有指导的有哪些信誉好的足球投注网站。进化算法只需利用目标的取值信息而不需要其他信息,因而适用于大规模、高度非线性的不连续、多峰函数的优化,具有很强的通用性;算法的操作对象是一组个体,而非单个个体,具有多条有哪些信誉好的足球投注网站轨迹。 遗传算法 遗传算法(Genetic Algorithm)是进化算法的一个重要分支。它由John Holland提出,最初用于研究自然系统的适应过程和设计具有自适应性能的软件。近来,遗传算法作为问题求解和最优化的有效工具,已被非常成功地应用与解决许多最优化问题并越来越流行。 遗传算法的主要特点是群体有哪些信誉好的足球投注网站策略和群体中个体之间的信息互换,它实际上是模拟由个体组成的群体的整体学习过程,其中每个个体表示问题有哪些信誉好的足球投注网站空间中的一个解点.遗传算法从任一初始的群体出发,通过随机选择,交叉和变异等遗传操作,使群体一代代地进化到有哪些信誉好的足球投注网站空间中越来越好的区域,直至抵达最优解点. 遗传算法和其它的有哪些信誉好的足球投注网站方法相比,其优越性主要表现在以下几个方面:首先,遗传算法在有哪些信誉好的足球投注网站过程中不易陷入局部最优,即使在所定义的适应度函数非连续.不规则也能以极大的概率找到全局最优解,其次,由于遗传算法固有的并行性,使得它非常适合于大规模并行分布处理,此外,遗传算法易于和别的技术(如神经网络.模糊推理.混沌行为和人工生命等)相结合,形成性能更优的问题求解方法. 遗传算法 遗传算法的基本流程 一个串行运算的遗传算法通常按如下过程进行: (1) 对待解决问题进行编码;t:=0 (2) 随机初始化群体X(0):=; (3) 对当前群体X(t)中每个染色体计算其适应度F ,适应度表示了该个体对环境的适应能力,并决定他们在遗传操作中被抽取到的概率; (4) 对X(t)根据预定概率应用各种遗传算子,产生新一代群体X(t+1),这些算子的目的在于扩展有限个体的覆盖面,体现全局有哪些信誉好的足球投注网站的思想; (5) t:=t+1(新生成的一代群体替换上一代群体);如果没有达到预定终止条件则继续(3)。 2.2 遗传算法中各重要因素分析 ▲ 编码理论 遗传算法需要采用某种编码方式将解空间映射

文档评论(0)

文档精品 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:6203200221000001

1亿VIP精品文档

相关文档