基于混合遗传算法求解约束NLP问题

摘要

该文提出了有利方向概念,它对变异算子进行了改进,使落在可行域外的个体向目标函数增加和指向可行域方向变异.另外为了提高解的精度,采用模拟退火的思想选择惩罚因子;改传统的二进制编码为浮点数编码;同时,每一代保留最优个体以确保算法收敛.用该文提出的混合遗传算法对典型实例进行数值模拟,模拟结果表明该算法具有较好的收敛性,计算精度也明显好于现有算法.

目录

文摘

英文文摘

绪论

第一章遗传算法概述

第一节遗传算法的描述

第二节遗传算法的特点

第三节遗传算法的数学理论

第二章简单罚函数法、可行方向法的概述

第一节罚函数法

第二节可行方向法

第三章基于混合遗传算法求解约束非线性规划问题

第一节混合遗传算法

第二节约束NLP问题的求解

第三节数值模拟

第四节飞行管理问题的求解

参考文献

致谢