导读： 【作者】； 【导师】； 【作者基本信息】太原理工大学，应用数学，2010，硕士 【摘要】 近30年来,遗传算法以其简单通用、鲁棒性强和并行处理等显著特点已被广泛应用于计算机科学、工程技术、管理科学和社会科学等许多领域,成为21世纪智能计算的核心技术之一...
【作者】 ；
【导师】 ；
【作者基本信息】 太原理工大学， 应用数学， 2010， 硕士
【摘要】 近30年来,遗传算法以其简单通用、鲁棒性强和并行处理等显著特点已被广泛应用于计算机科学、工程技术、管理科学和社会科学等许多领域,成为21世纪智能计算的核心技术之一。尽管遗传算法在很多领域得到了较好的应用,但它毕竟是一门新学科,其理论和方法尚未成熟,算法自身的一些不足也有待进一步地改进和完善。遗传算法不仅收敛速度慢、极易陷入局部极值点、不能概率意义下收敛到全局最优解,而且在实际的应用中还必须综合考虑快速收敛、全局最优和加强局部搜索的问题。本文围绕这些问题主要进行了如下工作:1.为了解决算法的收敛速度与全局收敛性之间的矛盾,本文提出一种改进的自适应遗传算法。该算法在种群的选择中引入阀值开关,使初始种群能更好的遍布在解空间从而加快全局收敛的速度。随着进化代数的增加,种群的多样度趋于单一化,此时在变异,交叉策略方面采用了自适应的操作算子来增加种群的多样度,从而提高全局寻优能力,加快收敛速度。针对基本遗传算法在概率意义下不能收敛到全局最优的问题,该算法在进行选择操作前,采用了最优保存策略使之概率意义下收敛到全局最优解。并基于有限马尔可夫链证明了该遗传算法能够以概
