【摘 要】
：
遗传算法由Holland博士提出,它的灵感来自于自然界生物的一代代不断繁衍进化的过程,后经由Goldberg等人进行优化,目前己得到长足的发展。遗传算法从提出到现在仅仅二三十年,
论文部分内容阅读
遗传算法由Holland博士提出,它的灵感来自于自然界生物的一代代不断繁衍进化的过程,后经由Goldberg等人进行优化,目前己得到长足的发展。遗传算法从提出到现在仅仅二三十年,但由于其自身独具的优越性,和在多目标问题的求解方面的明显优势,令其成为了科学界研究的热点。并且在生产调度、飞行器控制、工业机器人设计、图像处理等科学应用的各个领域都得到了广泛的应用。本文首先介绍遗传算法的起源、发展和研究现状,并着重介绍了遗传算法的基本原理和算法结构,以及各种多目标算法的具体模型及各自的优缺点。然后重点对庄家法则和信息熵方法进行研究。庄家法则是应用遗传算法求解问题的一种重要方法,优点是速度快,效率高,但解集的分布性和多样性较差。信息熵在信息论中用以描述信息量之多寡的量,同时也是保持解集的分布性的一种有效方法。本文提出的方法是在利用庄家法则选取庄家之前,先对群体进行基本遗传操作,并计算群体的熵值,当熵值达要求时,再对群体进行庄家个体的选取,进行庄家法则计算,选出的个体的具有分布性和多样性较好的特点。这样本文的算法就具有速度快和分布性好的双重优点。最后将本文提出的算法应用到供水系统中,用实验的方法证明了算法的优越性。图16表3参47
其他文献
在过去,传统的奈奎斯特采样定理一直统治着信号处理领域。随着人们对信息需求量的日益增加,信号的带宽越来越宽,在信息获取中对采样速率和处理速度等的要求也越来越高,这无疑
图形处理器（GPU）具有很强的并行处理能力，并且计算成本低，利用GPU加速字符串操作已经成为了当前并行计算领域的研究热点。近似字符串匹配技术在病毒检测、文件检索、计算生物学等
为了有效利用Deep Web中丰富的信息,当前的许多研究多集中于对Deep Web数据集成中子问题的研究。而在这些子问题中,Web数据库选择是影响Deep Web数据集成质量的重要因素之一
近十几年来，数字多媒体正在逐渐渗透到人们的日常生活中。在各种各样的多媒体信息中，数字图像占据了非常重要的位置。但是随着图像处理技术的发展，对图像的编辑修改等操作变得非
最近,机器学习领域出现了一系列基于多层神经网络架构的学习方法,称为深度学习方法。深度置信网络作为经典的深度学习方法,可以包含较多隐藏层,可以更好的学习各种复杂数据的
分类是机器学习领域的重要研究方向之一，经过多年发展形成了一些较为成熟的算法，并在实际中取得成功的应用。这些传统的分类算法以分类正确率作为最大的目标，且假定数据集中各类
模式匹配是计算机应用领域重要的研究方向,广泛应用于入侵检测、信息检索、生物科学计算等方面。随着计算机网络技术的飞速发展,数字信息量出现了爆炸式增长。如何提高模式匹
随着网络的发展和电力系统管理的需要,大量的异构数据源应运而生。但是在电力系统信息化建设过程中需要将一些分布的、异构的数据根据应用需求集成起来。传统的数据集成方法缺乏对形式化语义的描述,使得集成过程中常常出现的语义缺失的问题。本文研究的就是利用本体来建立一个语义保持的数据集成系统。本文首先对国内外研究现状进行叙述,对几种传统的数据集成技术进行的介绍并论述了优缺点,接着对数据集成概念进行了阐述,再次基
膜计算（P系统）是从生物细胞以及由细胞组成的组织和器官的功能和结构中抽象出来的计算模型。P系统的分布式、极大并行性、非确定性以及膜优化算法的较好的适应性、较强的寻优能