📄 ml.htm
字号:
<!ArtChnTitle>
<!ArtChnAuthor>
<!ArtAuthorAddress>
<!ArtChnAbstract>
<!ArtChnKeyword>
<!ArtEngTitle>
<!ArtEngAuthor>
<!ArtEngAbstract>
<!ArtEngKeyword>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
<meta name="GENERATOR" content="Microsoft FrontPage 5.0">
<title>学位论文－粒子群算法与遗传算法的结合研究</title>
<style>A:link {COLOR: #000000; FONT-FAMILY: 宋体; TEXT-DECORATION: none}
A:visited {COLOR: #000000; FONT-FAMILY: 宋体; TEXT-DECORATION: none}
A:active {FONT-FAMILY:宋体; TEXT-DECORATION: none}
A:hover {COLOR: #000000;TEXT-DECORATION:none}
BODY {FONT-FAMILY:宋体; FONT-SIZE: 9pt;TEXT-DECORATION:none}
TABLE {FONT-FAMILY: 宋体; FONT-SIZE: 9pt}
.H1 {FONT-SIZE: 9pt; COLOR: #0000cc}
.ourfont {FONT-SIZE: 9pt; LINE-HEIGHT: 14pt}
select {font-size:12px;}
.wx {BACKGROUND: #001863; BORDER-BOTTOM: white 1px solid; BORDER-LEFT: white 1px solid; BORDER-RIGHT: white 1px solid; BORDER-TOP: white 1px solid; COLOR: #ffffff; FONT-SIZE: 9pt; FONT-STYLE: normal; FONT-VARIANT: normal; FONT-WEIGHT: normal; HEIGHT: 18px; LINE-HEIGHT: normal}
.wx1 {border-top: #c0c0c0 1px;border-left: #c0c0c0 1px;border-right:#c0c0c0 1px;border-bottom:#c0c0c0 1px;border-style:inset;background-color:#ffffff;vertical-align:text-bottom}
</style>
</head>
<body bgcolor="#FFFFFF" link="#000000" background="../image/bg.gif">
<img src="../../images/xwlwk.jpg" width="750" height="94">
<table width="83%" border="0" cellspacing="0" cellpadding="0">
<tr>
<td width="19%"><p> </p>
<p></p></td>
<td width="81%"><p>馆藏号：Y1086753<br>
<br>
论 文 题 目：<strong style="font-weight: 400">粒子群算法与遗传算法的结合研究</strong><br>
学位授予单位：中山大学<br>
作 者：巩永光<br>
申请学位级别：硕士<br>
学 科 名 称：检测技术与自动化装置<br>
指 导 教 师：李晓东<br>
出 版 时 间：20070508<br>
摘 要：<br>
自上世纪80年代以来，智能优化算法(粒子群算法、遗传算法等)通过模拟或者揭示某些自然现象和过程而发展起来，为优化理论提供了新的思路。通过将不同算法结合来达到更好的优化效果日益成为当前优化研究领域的热点。<br> 本文首先介绍了粒子群算法和遗传算法的基本理论及其改进，其中粒子群算法是基于群集智能、受到人工生命研究结果的启发而提出的一种现代优化方法，而遗传算法则是一种模拟生物自然遗传与进化过程的优化方法。然后通过在粒子群算法中引入遗传算法的交叉和变异算子及种群分割策略，将两种算法有机结合，提出了粒子群算法与遗传算法的混合优化算法(GA-PSO)。为了验证该GA-PSO混合优化算法是否具有良好性能，本文将该算法用于3个标准测试函数的优化。<br> 最后，将本文提出的GA-PSO混合优化算法应用于求解旅行商问题，并通过对比蚁群与粒子群结合算法及遗传算法和粒子群算法等优化算法在解决旅行商问题上的表现，进一步验证了GA-PSO混合优化算法的优化性能。<br> <br>
分 类 号：TP18<br>
关 键 词：粒子群算法;遗传算法;旅行商问题
<p align="center">
<table width="80" border="0" cellspacing="0" cellpadding="0">
<tr>
<td bgcolor="#cccccc">
<table width="100%" border="0" cellspacing="1" cellpadding="0">
<tr style="CURSOR: hand">
<td bgcolor="#CCCCCC" onMouseOver="this.bgColor='#999999';" onMouseOut="this.bgColor='#cccccc';" valign="bottom" height="18" NAME="NAME_BALL" STYLE="cursor:hand" child="FALL"><div align="center"><strong><font size="4"><a href="index.htm">PDF正文</a></font></strong></div></td>
</tr>
</table></td>
</tr>
</table>
</td>
</tr>
</table>
<div align="center"></div>
</body>
</html>
⌨️ 快捷键说明
复制代码
Ctrl + C
搜索代码
Ctrl + F
全屏模式
F11
切换主题
Ctrl + Shift + D
显示快捷键
?
增大字号
Ctrl + =
减小字号
Ctrl + -