论文部分内容阅读
根据实测数据拟合直线或曲线方程的过程称作模型拟合,求解模型函数的传统方法有线性与非线性最小二乘法、最大似然估计法。在求解过程中,一般要求函数满足连续、可微条件,求解结果有时会陷入局部最优解,特别是非线性最小二乘法和最大似然估计法还需通过数值迭代算法获得结果,且参数初始值的选择若不合理,有可能导致迭代不收敛,因而在实际应用中受到诸多限制。本课题介绍了一种新的模型拟合方法——遗传算法。遗传算法作为一种模拟自然进化过程的随机搜索方法,从一个点的群体开始搜索,依据适应值函数信息,无须求解导数或其它辅助信息,