摘要: 该文深入分析了遗传算法的两大理论基础:"模式定理"和"隐形并行性质"存在的缺陷和不足之处,提出了改进的模式定理.进而讨论了在理想浓度模型下复制、交叉及"优胜劣汰"操作对模式浓度的影响,最后总结出遗传算法的机理.再此基础上,提出了改进的遗传算法... 展开 该文深入分析了遗传算法的两大理论基础:"模式定理"和"隐形并行性质"存在的缺陷和不足之处,提出了改进的模式定理.进而讨论了在理想浓度模型下复制、交叉及"优胜劣汰"操作对模式浓度的影响,最后总结出遗传算法的机理.再此基础上,提出了改进的遗传算法.该文还在格点法比随机法好的理论基础上(Anderssen & Bloomfield,1975),将佳点理论应用于遗传算法设计了一个新的交叉算子,并将此算法应用于求解函数优化和SAT问题.测试结果表明,佳点集遗传算法与传统的遗传算法相比,不仅提高了效率和精度,还有效地避免了"早熟".该论文共分五章.第一章扼要介绍了遗传算法的基本成分、特点和发展进程;第二章分析了模式定理及隐性并行性质缺陷,提出了改进的模式定理,并对遗传算法的机理做了深入地分析,给出了改进的遗传算法;第三章提出了佳点集遗传算法;第四章和第五章分别阐述佳点集遗传算法应用于函数优化和SAT问题中的算法实现及测试效果分析. 收起