毕业论文资料
武汉理工大学硕士学位论文
parallelism)。由于遗传算法采用种群的方式组织搜索,因而可同时搜索解空间内的多个区域,并相互交流信息。使用这种搜索方式,虽然每次只执行与种群规模n成比例的计算,但实质上已进行了大约O(n3)次有效搜索,这是使遗传算法能以较少的计算获得较大的收益。
3.遗传算法仅用适应度函数的数值评估基因个体,并在此基础上进行遗传操作。所以遗传算法不仅不受函数连续可微的约束,而且其定义域可以任意设定。
4.遗传算法具有可扩展性,易于同别的技术混合。
5.遗传算法对给定问题,可以产生许多的潜在解,最终选择可以由使用者确定。
5遗传算法的应用情况【-。】
遗传算法提供了一种求解复杂系统优化问题的通用框架,它不依赖于问题具体的领域,对问题的种类有很强的鲁棒性,所以广泛应用许多领域。下面列出遗传算法的一些主要的应用领域。
1.函数优化
函数优化(FunctionOptimization)是遗传算法的经典应用领域,也是对遗传算法进行性能评价的常用算例。可以用各种备样的函数来验证遗传算法的性能。对于一些非线性、多模型、多目标的函数优化问题,使用遗传算法可得到较好的结果。
2.组合优化
随着问题规模的增大,组合优化问题的搜索空间急剧扩大,有的在目前计算机上用枚举法很难甚至不能求出问题的最优解。对这些问题,人们己意识到应把主要精力放在寻求其满意解上,而遗传算法就是寻求这种满意解的最佳工具之一。实践证明,遗传算法对于组合优化的NP完全问题非常有效。
3.生产调度问题
采用遗传算法能够解决复杂的生产调度问题。在单件生产车间调度、流水生产车问调度、生产规划、任务分配等方面,遗传算法都得到了有效应用。4.自动控制
在自动控制领域有很多与优化相关的问题需要求解,遗传算法已在其中得