基于适应度等宽分组的轮盘赌选择算法的研究

摘要

遗传算法是通过模拟自然界生物进化过程演化而来的随机性搜索方法，以其简单、高效、通用的特点，在组合优化、模式识别、自适应控制、机器学习、人工生命等领域得到了广泛的应用。但是许多仿真和应用结果都表明遗传算法还存在早熟、局部搜索能力弱等问题。 遗传算法是一种优化搜索算法，而根据NFL定理指出：对于所有的优化问题求解的搜索算法，对所有优化问题的平均性能都是相等的。因此，本文以NFL为基础，提出了应该以实际问题为导向，结合理论分析，针对特定领域对算法进行改进的思想。本文针对多峰和高维函数的特点，对早熟收敛进行了深入分析，以提高种群的多样性出发，同时提高算法收敛速度，对选择算子进行了改进。 选择算子是遗传算法的重要算子之一，它对于种群的多样性和算法的收敛性具有重要的影响。轮盘赌是选择算子常用的方法之一，本文以轮盘赌为基础，将适应值等宽分组应用于种群个体的选择中，提出了适应度等宽分组轮盘赌，该方法能避免群体中超级个体的出现，维持种群的多样性，加快种群收敛速度，并通过函数优化结果验证了该算法。

目录

文摘

英文文摘

声明

第1章引言

1.1课题研究背景及意义

1.2早熟收敛问题描述

1.3国内外研究现状

1.4本文主要工作及安排

第2章背景综述

2.1遗传算法历史和发展现状

2.2遗传算法基本流程

2.3遗传算法的性能评估

2.4遗传算法的基本理论

2.5遗传算法的执行策略

2.6最优化问题概述

2.7优化问题的求解算法

2.8遗传算法求解最优化问题

2.9遗传算法的早熟研究

2.10遗传算法的应用

第3章基于适应度等宽分组轮盘赌

3.1 EWPRWS基本原理

3.2遗传算法设计

3.3 EWPRWS实现

3.4实验分析

第4章总结和展望

4.1总结

4.2未来的研究方向

参考文献

致谢