硕士论文：基于蚁群算法的汽车零部件循环取货车辆路径优.

遗传算法——耐心看完-你就掌握了遗传算法【精品毕业设计】(完整版)

遗传算法入门到掌握 读完这个讲义，你将基本掌握遗传算法，要有耐心看完。 想了很久，应该用一个怎么样的例子带领大家走进遗传算法的神奇世界呢？遗传算法的有趣应用很多，诸如寻路问题，8数码问题，囚犯困境，动作控制，找圆心问题（这是一个国外网友的建议：在一个不规则的多边形中，寻找一个包含在该多边形内的最大圆圈的圆心。），TSP问题（在以后的章节里面将做详细介绍。），生产调度问题，人工生命模拟等。直到最后看到一个非常有趣的比喻，觉得由此引出的袋鼠跳问题（暂且这么叫它吧），既有趣直观又直达遗传算法的本质，确实非常适合作为初学者入门的例子。这一章将告诉读者，我们怎么让袋鼠跳到珠穆朗玛峰上去(如果它没有过早被冻坏的话)。 问题的提出与解决方案 让我们先来考虑考虑下面这个问题的解决办法。 已知一元函数： 图2-1 现在要求在既定的区间内找出函数的最大值。函数图像如图2-1所示。 极大值、最大值、局部最优解、全局最优解

在解决上面提出的问题之前我们有必要先澄清几个以后将常常会碰到的概念：极大值、最大值、局部最优解、全局最优解。学过高中数学的人都知道极大值在一个小邻域里面左边的函数值递增，右边的函数值递减，在图2.1里面的表现就是一个“山峰”。当然，在图上有很多个“山峰”，所以这个函数有很多个极大值。而对于一个函数来说，最大值就是在所有极大值当中，最大的那个。所以极大值具有局部性，而最大值则具有全局性。 因为遗传算法中每一条染色体，对应着遗传算法的一个解决方案，一般我们用适应性函数（fitness function）来衡量这个解决方案的优劣。所以从一个基因组到其解的适应度形成一个映射。所以也可以把遗传算法的过程看作是一个在多元函数里面求最优解的过程。在这个多维曲面里面也有数不清的“山峰”，而这些最优解所对应的就是局部最优解。而其中也会有一个“山峰”的海拔最高的，那么这个就是全局最优解。而遗传算法的任务就是尽量爬到最高峰，而不是陷落在一些小山峰。（另外，值得注意的是遗传算法不一定要找“最高的山峰”，如果问题的适应度评价越小越好的话，那么全局最优解就是函数的最小值，对应的，遗传算法所要找的就是“最深的谷底”）如果至今你还不太理解的话，那么你先往下看。本章的示例程序将会非常形象的表现出这个情景。 “袋鼠跳”问题 既然我们把函数曲线理解成一个一个山峰和山谷组成的山脉。那么我们可以设想所得到的每一个解就是一只袋鼠，我们希望它们不断的向着更高处跳去，直到跳到最高的山峰（尽管袋鼠本身不见得愿意那么做）。所以求最大值的过程就转化成一个“袋鼠跳”的过程。下面介绍介绍“袋鼠跳”的几种方式。 爬山法、模拟退火和遗传算法 解决寻找最大值问题的几种常见的算法： 1. 爬山法（最速上升爬山法）： 从搜索空间中随机产生邻近的点，从中选择对应解最优的个体，替换原来的个体，不断重复上述过程。因为只对“邻近”的点作比较，所以目光比较“短浅”，常常只能收敛到离开初始位置比较近的局部最优解上面。对于存在很多局部最优点的问题，通过一个简单的迭代找出全局最优解的机会非常渺茫。（在爬山法中，袋鼠最有希望到达最靠近它出发点的山顶，但不能保证该山顶是珠穆朗玛峰，或者是一个非常高的山峰。因为一路上它只顾上坡，没有下坡。） 2. 模拟退火： 这个方法来自金属热加工过程的启发。在金属热加工过程中，当金属的温度超过它的熔点（Melting Point）时，原子就会激烈地随机运动。与所有的其它的物理系统相类似，原子的这种运动趋向于寻找其能量的极小状态。在这个能量的变

南京工业大学文件工程硕士学位论文基本要求(试行)

南京工业大学文件 南工校研［2012］13号 南京工业大学 工程硕士学位论文基本要求（试行） 为进一步提高工程硕士研究生的培养质量，规范工程硕士学位论文形式和要求，依据《中华人民共和国学位条例》、《中华人民共和国学位条例暂行实施办法》、《工程硕士专业学位设置方案》以及全国工程硕士专业学位教育指导委员会《关于工程硕士专业学位论文基本要求的通知》的有关规定，结合南京工业大学工程硕士教育的实际情况，特制定以下要求（本要求同时适用于全日制工程硕士和非全日制（在职）工程硕士研究生）： 一、论文选题 工程硕士专业学位论文选题具体可以从以下几个方面选取： 1．工程项目的规划； 2．工程勘测； 3．工程设计； 4．工程施工新技术、施工组织、施工管理及施工机械改进； 5．工程/项目管理； 6．新工艺、新材料、新产品、新设备的研制与开发； 7．工程应用问题研究； 8．工程的需求分析与技术调研； 9．其他相关工程领域的课题。 —1—

确立选题后，依其所属的论文形式（工程规划、工程勘测、工程设计、工程施工、工程/项目管理、产品研发、应用研究、调研报告）进行研究。 二、论文形式 工程硕士专业学位的论文形式可以多样化，既可以是研究类学位论文，如应用研究论文；也可以是规划、设计、施工及产品开发类论文，如工程规划、工程勘测、工程设计、工程施工、产品研发等；还可以是针对工程和技术的软科学论文，如调研报告、工程/项目管理论文等。 1．工程规划：是指综合运用相关工程领域理论与方法、规划的专业知识与技术手段、经济、人文和环保知识，对较重要的工程项目进行规划研究。 2．工程勘测：是指综合运用相关工程领域理论与方法、勘测的专业知识与技术手段、经济、人文和环保知识，对较重要的工程项目进行勘测研究。 3．工程设计：是指综合运用相关工程领域理论与方法、设计的专业知识与技术手段、经济、人文和环保知识，对较重要的工程项目进行设计研究。 4．工程施工：是指综合运用相关工程领域理论与方法、施工的专业知识与技术手段、经济、人文和环保知识，对较重要的工程进行施工研究。 5．工程/项目管理：是指综合运用相关工程领域理论与方法、管理的专业知识，对工程的各个阶段或者项目管理的各个方面、企事业项目化管理、多项目管理、工程管理等问题进行管理研究。 6．产品研发：是指综合运用相关工程领域理论与方法、产品研发的专业知识，对来源于工程生产实际的新产品研发、关键部件及其材料研发、以及对国内外先进产品的引进消化再研发，包括了各种软、硬件产品的研发。 —2—

蚁群算法模拟系统的设计与实现-毕设论文

J I A N G S U U N I V E R S I T Y 本科毕业论文 蚁群算法模拟系统的设计与实现 Ant Colony Simulation System Design and Implementation

江苏大学2010届毕业设计（论文） 蚁群算法模拟系统的设计与实现 专业班级：J计算机0601 学生姓名：汤琪 指导教师：蔡涛职称：副教授 摘要：人工免疫算法具有快速随机的全局搜索能力，但对于系统中的反馈信息利用不足，往往做大量无为的冗余迭代，求解效率低。蚁群算法具有分布式并行全局搜索能力，但初始解随机，易早熟且求解速度慢。本文提出免疫算法和蚁群算法的混合算 法免疫蚁群算法，通过信息素更新获得全局最佳解。通过匹配检测仿真实验，结果证明该算法是计算精度较好的一种算法。 本设计是在Linux环境下，用C语言编写的。Linux是一类Unix计算机操作系统的统称。Linux操作系统的内核的名字也是“Linux”。Linux操作系统也是自由软件和开放源代码发展中最著名的例子。严格来讲，Linux这个词本身只表示Linux内核，但在实际上人们已经习惯了用Linux来形容整个基于Linux内核，并且使用GNU 工程各种工具和数据库的操作系统。Linux得名于计算机业余爱好者Linus Torvalds。 关键词：人工免疫算法蚁群算法匹配检测 Linux

英文摘要 Ant Colony Simulation System Design and Implementation Abstract Artificial immune algorithm is fast random global search capability, but the feedback system is underutilized, often do a lot of inactive redundant iteration, solve the low efficiency.Ant colony algorithm has the distributed parallel global search capability, but the initial solution randomly, prematurity and slow to solve.In this paper, the immune algorithm and ant colony hybrid immune algorithm ant colony algorithm, pheromone update access to the global optimal solution.Detected by matching simulation results show that the algorithm is an algorithm for better accuracy. The design is in the Linux environment, using C language. Linux is a Unix-computer operating system collectively. Linux operating system kernel's name is "Linux". Linux operating system is free software and open source development in the most famous example. Strictly speaking, Linux is only the word that Linux kernel itself, but in fact people have used to describe the use of Linux based on Linux kernel and GNU project using various tools and database operating systems. Linux is named after the computer amateur Linus Torvalds. Key Words Artificial immune algorithm ant colony algorithm matching test Linux

遗传算法应用论文

论文 题目：遗传应用算法 院系：计算机工程系 专业：网络工程 班级学号： 学生姓名： 2014年10月23日

摘要: 遗传算法是基于自然界生物进化基本法则而发展起来的一类新算法。本文在简要介绍遗传算法的起源与发展、算法原理的基础上,对算法在优化、拟合与校正、结构分析与图谱解析、变量选择、与其他算法的联用等方面的应用进行了综述。该算法由于无需体系的先验知识,是一种全局最优化方法,能有效地处理复杂的非线性问题,因此有着广阔的应用前景。 关键词: 遗传算法; 化学计量学; 优化 THEORY AND APPL ICATION OF GENETIC AL GORITHM ABSTRACT: Genetic Algo rithm( GA) is a kind of recursive computational procedure based on the simulation of principle principles of evaluati on of living organisms in nature1Based on brief int roduction of the principle ,the beginning and development of the algorithms ,the pape r reviewed its applications in the fields of optimization ,fitting an d calibration,structure analysis and spectra interpretation variable selection ,and it s usage in combination with othersThe application o f GA needs no initiating knowledge of the system ,and therefore is a comprehensive optimization method with extensive application in terms of processing complex nonlinear problems。 KEY WORDS : Genetic Algorithm( GA) Chemometrics Optimization 遗传算法是在模拟自然界生物遗传进化过程中形成的一种自适应优化的概率搜索算法，它于1962年被提出，直到1989年才最终形成基本框架。遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机化搜索算法, 由美国J. H. Ho llad教授提出, 其主要特点是群体搜索策略和群体中个体之间的信息交换。该算法尤其适用于处理传统搜索方法难以解决的复杂和非线性问题, 可广泛用于组合优化、机器学习、自适应控制、规划设计和人工生命等领域。 顾名思义,遗传算法(Genetic Algorithm ,GA)是模拟自然界生物进化机制的一种算法 ,即遵循适者生存、优胜劣汰的法则 ,也就是寻优过程中有用的保留 ,无用的则去除。在科学和生产实践中表现为 ,在所有可能的解决方法中找出最符合该问题所要求的条件的解决方法 ,即找出一个最优解。这种算法是 1960 年由

基于特征的图像匹配算法毕业设计论文(含源代码)

诚信声明 本人声明： 我所呈交的本科毕业设计论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人完全意识到本声明的法律结果由本人承担。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名：日期：2010 年05 月20日

毕业设计（论文）任务书 设计（论文）题目： 学院：专业：班级： 学生指导教师（含职称）：专业负责人： 1．设计（论文）的主要任务及目标 (1) 了解图象匹配技术的发展和应用情况，尤其是基于特征的图象匹配技术的发展和应用。 (2) 学习并掌握图像匹配方法，按要求完成算法 2．设计（论文）的基本要求和内容 （1）查阅相关中、英文文献，完成5000汉字的与设计内容有关的英文资料的翻译。（2）查阅15篇以上参考文献，其中至少5篇为外文文献，对目前国内外图象匹配技术的发展和应用进行全面综述。 （3）学习图象匹配算法，尤其是基于特征的图象匹配算法。 （4）实现并分析至少两种基于特征的图象匹配算法，并分析算法性能。 3．主要参考文献 [1]谭磊, 张桦, 薛彦斌．一种基于特征点的图像匹配算法[J]．天津理工大学报，2006， 22(6)，66-69． [2]甘进，王晓丹，权文．基于特征点的快速匹配算法[J]．电光与控制，2009，16(2)， 65-66． [3]王军，张明柱．图像匹配算法的研究进展[J]．大气与环境光学学报，2007，2(1)， 12-15．

论文-遗传算法的基本步骤

遗传算法 遗传算法（Genetic Algorithm）是基于进化论的原理发展起来的一种广为应用，高效的随机搜索与优化的方法。它从一组随机产生的初始解称为“种群”，开始搜索过程。种群中的每个个体是问题的一个解，成为“染色体”是一串符号。这些染色体在每一代中用“适应度”来测量染色体的好坏, 通过选择、交叉、变异运算形成下一代。选择的原则是适应度越高,被选中的概率越大。适应度越低，被淘汰的概率越大。每一代都保持种群大小是常数。经过若干代之后，算法收敛于最好的染色体，它很可能是问题的最优解或次优解。这一系列过程正好体现了生物界优胜劣汰的自然规律。 比如有编号为1到10的特征，现在要选取其中的5个，基于遗传算法的特征选择可以如下这样直观的理解： 下续（表格） 下续……

即设有4个不同的初始特征组合，分别计算判别值，然后取最大的2个组合（[1,2,3,4,9]和[1,3,5,7,8]）进行杂交，即互换部分相异的特征（4和7），得到新的两个特征组合（[1,2,3,7,9]和[1,3,4,5,8]）,然后再计算这两个新的组合的判别值，和原来的放在一起，再从中选择2个具有最大判别值的组合进行杂交。如此循环下去，在某一代的时候就得到了一个最好的特征组合（比如第2代的[1,3,5,7,9]的特征组合）。当然，在实际中每代的个体和杂交的数量是比较大的。 遗传算法的具体的步骤如下：

1.编码：把所需要选择的特征进行编号，每一个特征就是一个基因，一个解就是一串基因的组合。为了减少组合数量，在图像中进行分块（比如5*5大小的块），然后再把每一块看成一个基因进行组合优化的计算。每个解的基因数量是要通过实验确定的。 2.初始群体（population）的生成：随机产生N个初始串结构数据，每个串结构数据称为一个个体。N个个体，构成了一个群体。GA以这N个串结构数据作为初始点开始迭代。这个参数N需要根据问题的规模而确定。 3.交换(crossover)：交换（也叫杂交）操作是遗传算法中最主要的遗传操作。由交换概率( P)挑选的每两个父代 c 通过将相异的部分基因进行交换（如果交换全部相异的就变成了对方而没什么意义），从而产生新的个体。可以得到新一代个体，新个体组合了其父辈个体的特性。交换体现了信息交换的思想。 4.适应度值(fitness)评估检测：计算交换产生的新个体的适应度。适应度用来度量种群中个体优劣（符合条件的程度）的指标值，这里的适应度就是特征组合的判据的值。这个判据的选取是GA的关键所在。

基于遗传算法的自动排课系统毕业设计

摘要 随着科学技术和社会信息技术的不断提高，计算机科学的日渐成熟，其强大的功能已为人们深刻认识，它在人类社会的各个领域发挥着越来越重要的作用，给人们的生活带来了极大的便利，成为推动社会发展的首要技术动力。排课是学校教学管理中十分重要、又相当复杂的工作之一。解决好教学工作中的排课问题对整个教学计划的进行，有着十分重要的意义。首先对排课的已有算法作了相关的调查研究，决定采用遗传算法。通过设计实现基于遗传算法的自动排课系统，研究了遗传算法在排课系统中的应用。 关键词：遗传算法、自动排课、Java。

Abstract Along with science technical and community information technical increases continuously, calculator science is gradually mature, its mighty function has behaved deep cognition, and it has entered the human social each realm erupts to flick the more and more important function, bringing our life biggest of convenience. Curriculum arrangement is an important and complicated working in school,so solving the problem is of great importance for teaching programming.Investigated and studied the algorithm existed, determine that adoptgenetic algorithm. ThroughDesign Implementation theAuto CourseArrangementManagement System Base onGenetic Algorithm, researched the application of genetic algorithmin theCourseArrangementManagement System. Keywords: Genetic Algorithm Auto Course Arrangement ManagementJava.

四川大学工程硕士论文格式要求

四川大学商学院 工程硕士专业学位论文格式要求 一、摘要 1.题目用小二号宋体； 2.“XXX专业”用小四号宋体，“工程硕士研究生”、“指导教师”、工程硕士研究生姓名和指导教师姓名用小四号黑体； 3.“摘要”二字用四号黑体，正文用小四号宋体，行距22磅，“关键词”三个字用四号黑体，关键词用四号宋体； 4.标题上空二行； 5.XXX专业分别与标题、姓名之间空一行； 6.标题与姓名之间空一行； 7.姓名与摘要之间空一行； 8.摘要与正文之间空一行； 9.关键词与摘要正文之间空一行。 10.论文摘要：中文摘要700-1000字，英文摘要3000-4000字符。 中文：题目(小二号宋体) XXX专业（小四号宋体） 工程硕士研究生×××导师×××(职称) (小四号黑体)(小四号黑体)(小四号黑体)(小四号黑体) 摘要(四号黑体) 正文(小四号宋体) 关键词：(四号黑体)

英文：题目（Times New Roman,小二号，加粗） Graduate Student：Supervisor：（Times New Roman，小四号，加粗） Abstract（四号宋体） 正文（Times New Roman，小四号） Key Words（Times New Roman，小四号，加粗）： 二、论文正文 1.用小四宋体，行距22磅，每行36个汉字； 2.一级标题用小三黑体，二级标题用四号黑体，三级标题用小四号宋体，四级（及以上）标题小四号宋体，均靠左边顶格排； 3.标题与标题不空行，标题与上段正文之间空一行； 4.图标号和图标题用五号黑体，置于图的正下方；表标号和表标题用五号黑体，置于表的正上方，表中的内容要居中且用五号宋体。 5.关键词用小四号黑体； 6.参考文献用五号宋体，要求为25篇以上； 7.脚注：论文中引用部分注明脚注。 8.致谢字数：300字以上 9.论文字数：30000字以上 论文层次结构及标题序号： 第一部分×××××(字体：黑体；字号：小三号)——一级标题 1.1×××××(字体：黑体；字号：四号)——二级标题 1.1.1×××××(字体：宋体；字号：小四号)——三级标题 1.×××××(字体：宋体；字号：小四号)——四级标题 (1)×××××(字体：宋体；字号：小四号)——四级以上标题

计算机科学和技术专业质量保障体系(2016_11_25)

计算机科学与技术专业质量保障体系教学管理是完成各项教学工作的重要保证。本专业在教学管理的实际工作中，采取“点面结合、突出重点”的原则，以加强管理队伍建设，建立健全管理制度两方面为教学管理的重点，全面提高本专业的教学管理质量。 一教学质量体系现状 为提高人才培养质量，有效调动教师教书育人的积极性，引导和促进学生的全面发展，实现资源的优化配置，我院对教学管理机制进行创新探索，加强教学管理体系的建设与完善，建立起一套科学、有效、可行的教学管理制度。 本专业完善了教学质量管理体系，建立了健全规章制度，实行了目标管理与过程管理相结合的管理方式，进一步完善了教师集体备课制度，教学研讨制度，教师听课、评课制度，学生评教制度，形成了闭合的教学质量监控体系，构建了由教学质量目标、教学资源保障、教学过程管理和教学质量监控与考核组成的全面质量管理与保障体系，实现了对教学管理全过程的动态有效管理。 改革学生考核评价机制，落实以生为本的理念，完善学分制教学管理制度，加强选课制、弹性学制的推行力度，强调尊重教育对象的个性差异和兴趣发展，允许延长或缩短学制；改革了考核考试制度，在评价主体、评价内容、评价方式等多方面进行改革，建立多元评价机制；鼓励学生积极参与专业实践、科研训练，建立起完善的实践教学评价体系，切实引导学生重视和加强实践能力培养。 建立了教学管理信息化平台，加强教学管理的信息化水平，提高教学管理的质量和效率，提供多样化的教学管理应用服务，有效实施资源调配和过程支持，为专业综合改革提供支持与保障。 1.1 教学管理干部队伍 计算机科学与技术专业在院长张郭军教授、教学副院长刘军教授、专业建设负责人同晓荣副教授的带领下，各类教学人员积极配合教学秘书张洁，构建了一个团结、合作的教学管理队伍。 1.2 教学质量监控体系构成 1．建立健全规章制度，严格执行规章制度 保证和提高高等教育的教学质量是高等教育发展的首要前提和内在要求，教学质量的高低直接关系到高校的生存和发展。在学校建成的教学质量监控体系的基础上，我专业为了更好地提高教学管理水平和抓好教学质量，经过反复讨论制定了一套比较齐全的规章制度。根据学校的总体要求，落实了学生评教、同行评教等一系列教学检查措施，

人工智能遗传算法新论文

论文 题目：遗传算法应用 院系：计算机工程系 专业：网络工程 班级学号：112055126 学生姓名：崔小杰 2014年10月23日

内容摘要 图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。图像的分割是以灰度值作为分割的依据,通过各个像素的灰度值和事先确定的阈值的比较来分割图像。如何确定最合适的阈值是处理好图像分割的关键,这自然成为一直以来分割算法研究的焦点。 遗传算法是对生物进化论中自然选择和遗传学机理中生物进化过程的模拟来计算最优解的方法。遗传算法具有众多的优点,如鲁棒性、并行性、自适应性和快速收敛,可以应用在图像处理技术领域中图像分割技术来确定分割阈值。 本文主要介绍基于遗传算法的最小误差阈值法、最大类间方差法（Otsu法）以及最佳直方图熵法(KSW熵法)等三种方法分割图像。 关键词：图像分割，遗传算法，阈值分割

目录 第一章绪论 .................................................. - 1 - 第二章遗传算法概述 ........................................ . - 1 - 2.1遗传算法的研究历史....................................... - 1 - 2.2生物背景................................................. - 2 - 2.3遗传算法的基本思想....................................... - 2 - 2.4遗传算法的几个概念....................................... - 2 - 2.4.1适应度函数......................................... - 2 - 2.4.2遗传算法最常用的算子............................... - 3 - 2.5遗传算法运算的基本流程 (4) 第三章图像分割的现状 ........................................ - 4 - 3.1图像分割简介............................................. - 4 - 3.2图像分割方法............................................. - 5 - 3.2.1基于边缘检测的分割 (6) 3.2.2基于区域的分割..................................... - 5 - 3.2.3边缘与区域相结合的分割............................. - 5 - 3.3阈值选取................................................. - 6 - 第四章基于新的遗传算法的图像分割 ............................ - 6 - 4.1混沌遗传算法............................................. - 6 - 4.2量子遗传算法............................................. - 6 - 4.3免疫遗传算法............................................. - 6 - 结论 ........................................................... - 7 - 参考文献: ...................................................... - 7 -

软件学院毕业设计(算法设计类论文)撰写说明

目录 第一部分摘要与关键词 (2) 1 摘要 (2) 2 关键词 (3) 第二部分正文 (3) 1 引言（绪论） (3) 1.1 引言（绪论）的结构 (4) 1.2 研究背景的写法 (4) 1.3 国内外研究现状的写法 (5) 1.4 研究内容的写法 (5) 1.5 论文组织结构的写法 (5) 2相关工作与理论基础 (6) 2.1 相关工作 (6) 2.2 理论基础 (8) 2.3 本章小结 (8) 3 ***算法的设计 (8) 3.1 问题描述 (9) 3.2 ***算法 (11) 4 实验（仿真）分析 (14) 4.1 实验环境 (14) 4.2 实验数据 (14) 4.3 实验结果 (14) 5 结论 (15) 6 参考文献 (16)

算法类论文的写作要求 算法类论文的写作主要是围绕某个科学问题设计解决方案并进行实验验证的过程描述，除摘要外，其正文主要包括引言、相关工作、问题描述、算法设计、实验分析、结论、参考文献7个部分。本文仅对论文写作的结构进行说明，不涉及到论文的排版格式。有关排版格式，请参考其他文献。 第一部分摘要与关键词 1 摘要 （1）需要提供中英文版本。 （2）文章摘要应具有独立性和自明性，拥有同正文同等量的主要信息，其述叙语言应简洁，准确。摘要应附和以下要求： ●四要素要完整，应说明研究工作的目的、实验方法、技术成果和最终结 论，而其重点是成果和结论； ●删除在本学科领域已成为常识的内容，一般不要做自我评价； ●不得简单重复文章题目； ●慎用长句； ●使用第3人称； ●采用规范化术语； ●新术语可使用原文或在译名后加括号注明原文； ●缩略语、略称、代号，在首次出现时也应说明； ●不得出现正文中的图号、表号、公式、章节号以及参考文献等。 （3）摘要的具体写法： 摘要一般分为2-3段，字数在300~500之间。不要出现第一人称我或我们的字样，要从客观的角度来阐述。 第一段：一般以3行为宜，简述你的论文背景，引出为什么要研究该项目（意义）。 第二段：是摘要的主要内容，对全文进行总概。一般按照你论文的顺序进行阐述。 如：本文首先分析了××××方面的国内外研究现状，对×××所存在的主

数学建模遗传算法与优化问题【精品毕业设计】(完整版)

实验十遗传算法与优化问题 一、问题背景与实验目的 遗传算法（Genetic Algorithm—GA），是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，它是由美国Michigan大学的J.Holland教授于1975年首先提出的．遗传算法作为一种新的全局优化搜索算法，以其简单通用、鲁棒性强、适于并行处理及应用范围广等显著特点，奠定了它作为21世纪关键智能计算之一的地位． 本实验将首先介绍一下遗传算法的基本理论，然后用其解决几个简单的函数最值问题，使读者能够学会利用遗传算法进行初步的优化计算．1．遗传算法的基本原理 遗传算法的基本思想正是基于模仿生物界遗传学的遗传过程．它把问题的参数用基因代表，把问题的解用染色体代表（在计算机里用二进制码表示），从而得到一个由具有不同染色体的个体组成的群体．这个群体在问题特定的环境里生存竞争，适者有最好的机会生存和产生后代．后代随机化地继承了父代的最好特征，并也在生存环境的控制支配下继续这一过程．群体的染色体都将逐渐适应环境，不断进化，最后收敛到一族最适应环境的类似个体，即得到问题最优的解．值得注意的一点是，现在的遗传算法是受生物进化论学说的启发提出的，这种学说对我们用计算机解决复杂问题很有用，而它本身是否完全正确并不重要（目前生物界对此学说尚有争议）． （1）遗传算法中的生物遗传学概念 由于遗传算法是由进化论和遗传学机理而产生的直接搜索优化方法；故而在这个算法中要用到各种进化和遗传学的概念． 首先给出遗传学概念、遗传算法概念和相应的数学概念三者之间的对应关系．这些概念如下： 序号遗传学概念遗传算法概念数学概念 1 个体要处理的基本对象、结构也就是可行解 2 群体个体的集合被选定的一组可行解 3 染色体个体的表现形式可行解的编码 4 基因染色体中的元素编码中的元素 5 基因位某一基因在染色体中的位置元素在编码中的位置 6 适应值个体对于环境的适应程度， 或在环境压力下的生存能力可行解所对应的适应函数值 7 种群被选定的一组染色体或个体根据入选概率定出的一组 可行解 8 选择从群体中选择优胜的个体， 淘汰劣质个体的操作保留或复制适应值大的可行解，去掉小的可行解 9 交叉一组染色体上对应基因段的 交换根据交叉原则产生的一组新解 10 交叉概率染色体对应基因段交换的概 率（可能性大小）闭区间[0,1]上的一个值，一般为0.65~0.90 11 变异染色体水平上基因变化编码的某些元素被改变

浙江大学工程硕士学位论文格式规范要求

浙江大学工程硕士学位论文格式规范要求 论文以A4页面（页边距：上2.8厘米，下2.2厘米，左2.4厘米，右2.2厘米，装订线0厘米，页眉1.5厘米，页脚1.75厘米）排版，除题名页外，全文双面打印。 除封面和题名页外，所有版面都要有页眉和页码，页眉：左对齐“浙江大学管理学院工程硕士学位论文”，右对齐“论文题目”，用仿宋体小5号（页眉要有下划线）；页码：字体用Time New Roman小5号。 页码：从“独创性声明”开始编至“目录”为止，用罗马数字（Ⅰ、Ⅱ……）；正文开始用阿拉伯数字编排。所有奇数页码右对齐，偶数页码左对齐。 除封面、题名页和页眉外，其他部分不要出现论文题目。 论文各部分的装订顺序：封面；题名页；独创性声明；致谢；中文摘要（包括中文关键词）；英文摘要（包括英文关键词）；目录；正文；参考文献；附录；作者简介。 具体要求如下： 一、论文封面（附后）： 请用学校最新规定的统一格式，字体大小，间距等不得改变；论文封面纸张一律使用白色铜版纸。 【交评阅论文时，双盲评阅的无需出现学号、作者姓名、指导教师和书脊（交答辩论文时也可无需出现）；非双盲评阅的无需出现指导教师，可不出现书脊。】 1. 分类号（C93）、单位代码（10335）、密级（无）、学号（作者学号），用仿宋体小4号； 2. 中文论文题目字体用仿宋体加粗3号居中，英文论文题目字体用Time New Roman 加粗16居中； 3. 作者姓名、指导教师（填写姓名即可）、合作导师（填写姓名即可）、专业学位类别（工程硕士）、专业学位领域（项目管理或物流工程）和所在学院（管理学院）字体用仿宋体4号居中； 4. 提交日期为论文成文提交的日期，字体用仿宋体4号居中，日期用阿拉伯数字； 5. 书脊上下留空3厘米，“论文题目”“作者姓名”“浙江大学”用仿宋体5号。 二、题名页（附后）： 【交评阅论文和答辩论文时无需出现此页，交送学科（答辩后）论文和交档案馆论文时需要此页】 1. 需填写论文题目，用仿宋体加粗小2号，居中； 2. 作者及导师的亲笔签名，用蓝/黑墨水笔书写；答辩日期可书写，也可打印； 3. 论文评阅人和答辩成员（略）。 此页单面打印，无需页眉和页码。 三、独创性声明（附后）： 【交评阅论文和答辩论文时无需出现此页，交送学科（答辩后）论文和交档案馆论文时需要此页】 1. 需有页眉和页码，页码起始，为奇数，用罗马数字； 2. 需要作者本人和导师亲笔签名，用蓝/黑墨水笔书写。 四、致谢：

本科毕业论文---基于bp神经网络的字符识别算法的实现正文

一、原始依据（包括设计或论文的工作基础、研究条件、应用环境、工作目 的等。） 工作基础：了解C++的基本概念和语法，熟练使用Visual C++6.0软件。 研究条件：BP神经网络的基本原理以及图像处理的基本常识。 应用环境：基于BP神经网络的图片图像文件中的字符识别。 工作目的：掌握基于Visual C++6.0应用程序的开发。 了解人工智能的基本概念并掌握神经网络算法的基本原理。 掌握Visual C++6.0中的图片处理的基本过程。 二、参考文献 [1]人工智能原理及其应用，王万森，电子工业出版社，2007. [2]VC++深入详解，孙鑫，电子工业出版社，2006. [3]人工神经网络原理, 马锐，机械工业出版社，2010. [4]Visual C++数字图像处理典型案例详解，沈晶，机械工业出版社，2012. [5]Application of Image Processing to the Characterization of Nanostructures Manuel F. M. Costa，Reviews on Advanced Materials Science,2004. 三、设计（研究）内容和要求（包括设计或研究内容、主要指标与技术参数，并根据课题性质对学生提出具体要求。） 1、掌握C++的基本概念和语法。 2、掌握二维神经网络的基本原理。了解BP神经网络的基本概念。 3、完成Visual C++中对于图像的灰度、二值化等预处理。 4、完成基于样本的神经网络的训练以及图像中数字的识别，并对其性能进 行统计和总结，分析其中的不足。 指导教师（签字） 年月日 审题小组组长（签字） 年月日

基于遗传算法的配送路径优化研究开题报告

北京师范大学珠海分校 本科生毕业论文（设计）开题报告

理论和实践的意义及可行性论述 (包括文献综述) 理论和实践的意义：当前，现代物流是企业继续降低物资消耗、提高劳动生产 率后的第三利润源泉。但我国物流企业的运输成本普遍偏高。其中很重要一个 原因就是对配送车辆运输路线规划不科学。要想降低运输成本，离不开对配送 路线的优化和配送车辆的合理安排。对物流配送车辆行驶路径进行优化，可以降低物流成本，节约运输时间，是提高物流经济效益的有效手段。 可行性论述：配送路径优化问题是典型的优化组合问题，具有很高的计算复杂 性。但遗传算法解决作为一种有效的全局搜索方法具有隐并行性和较强的鲁棒性，在解决非线性的大规模复杂问题上具有很好的适应性，适合于对VPR问 题进行优化求解。标准遗传算法虽然未必每次都能找到最优解，但通过对标准 遗传算法进行改进，完全可以在有限时间内对较复杂的VPR问题计算出次优 解或可行解。因此，用遗传算法来解决物流车辆调度问题还是完全可行的。 文献综述： [1]朱剑英?非经典数学方法[M].武昌：华中科技大学出版社，2001 [2]李敏强，寇纪淞，林丹，李书全?遗传算法的基本理论与应用[M].北京：科 学技术出版社，2002 [3]孙丽丽?物流配送中车辆路径算法分析与研究[D].上海：上海海事大学，2007 [4]盖杉.基于遗传算法的物流配送调度系统 [D].长春：长春理工大学，2007 [5]高运良，基于免疫遗传算法的物流配送V RP 求解[D].武汉：武汉科技大学， 2007 论文撰写过程中拟采取的方法和手段 本论文主要采用遗传算法作为解决物流配送路径优化问题的主要算法。但由于标准遗传算法具有“早熟收敛”的缺陷，有可能使算法陷入局部最优解。论文还将尝试通过把其他算法和遗传算法相结合，来有效控制早熟现象的发生。为了快速得到任意两个配送点之间的最优路线。本论文还拟采用佛洛依德 算法构造配送路线的地理数据库的方式来对路线网络进行预处理。从而减少整 个算法的时间复杂度和空间复杂度。

人工智能之遗传算法论文含源代码

30维线性方程求解 摘要：非线性方程组的求解是数值计算领域中最困难的问题，大多数的数值求解算法例如牛顿法的收敛性和性能特征在很大程度上依赖于初始点。但是对于很多高维的非线性方程组，选择好的初始点是一件非常困难的事情。本文采用了遗传算法的思想，提出了一种用于求解非线性方程组的混合遗传算法。该混合算法充分发挥了遗传算法的群体搜索和全局收敛性。选择了几个典型非线性方程组，考察它们的最适宜解。 关键词：非线性方程组；混合遗传算法；优化 1. 引言遗传算法是一种通用搜索算法，它基于自然选择机制和自然遗传规律来模拟自然界的进化过程，从而演化出解决问题的最优方法。它将适者生存、结构化但同时又是 随机的信息交换以及算法设计人的创造才能结合起来，形成一种独特的搜索算法，把一些解决方案用一定的方式来表示，放在一起成为群体。每一个方案的优劣程度即为适应性，根据自然界进化“优胜劣汰”的原则，逐步产生它们的后代，使后代具有更强的适应性，这样不断演化下去，就能得到更优解决方案。 随着现代自然科学和技术的发展，以及新学科、新领域的出现，非线性科学在工农业、经济政治、科学研究方面逐渐占有极其重要的位置。在理论研究和应用实践中，几乎绝大多数的问题都最终能化为方程或方程组，或者说，都离不开方程和方程组的求解。因此，在非线性问题中尤以非线性方程和非线性方程组的求解最为基本和重要。传统的解决方法，如简单迭代法、牛顿法、割线法、延拓法、搜索法、梯度法、共轭方向法、变尺度法，无论从算法的选择还是算法本身的构造都与所要解决的问题的特性有很大的关系。很多情况下,算法中算子的构造及其有效性成为我们解决问题的巨大障碍。而遗传算法无需过多地考虑问题的具体形式，因为它是一种灵活的自适应算法，尤其在一些非线性方程组没有精确解的时候，遗传算法显得更为有效。而且，遗传算法是一种高度并行的算法，且算法结构简单，非常便于在计算机上实现。本文所研究的正是将遗传算法应用于求解非线性方程组的问题。 2. 遗传算法解非线性方程组为了直观地观察用遗传算法求解非线性方程组的效果，我们这里用代数非线性方程组作为求解的对象问题描述：非线性方程组指的是有n 个变量（为了简化讨论，这里只讨论实变量方程组）的方程组 中含有非线性方程。其求解是指在其定义域内找出一组数能满足方程组中的每 个方程。这里，我们将方程组转化为一个函数则求解方程组就转化为求一组值使得成立。即求使函数取得最小值0 的一组数，于是方程组求解问题就转变为函数优化问题 3. 遗传算子 遗传算子设计包括交叉算子、变异算子和选择算子的设计。

遗传算法经典MATLAB代码【精品毕业设计】(完整版)

遗传算法经典学习Matlab代码 遗传算法实例: 也是自己找来的，原代码有少许错误，本人都已更正了，调试运行都通过了的。 对于初学者，尤其是还没有编程经验的非常有用的一个文件 遗传算法实例 % 下面举例说明遗传算法 % % 求下列函数的最大值 % % f(x)=10*sin(5x)+7*cos(4x) x∈[0,10] % % 将 x 的值用一个10位的二值形式表示为二值问题，一个10位的二值数提供的分辨率是每为 (10-0)/(2^10-1)≈0.01。 % % 将变量域 [0,10] 离散化为二值域 [0,1023], x=0+10*b/1023, 其 中 b 是 [0,1023] 中的一个二值数。 % % % %--------------------------------------------------------------------------------------------------------------% %--------------------------------------------------------------------------------------------------------------% % 编程 %----------------------------------------------- % 2.1初始化(编码) % initpop.m函数的功能是实现群体的初始化，popsize表示群体的大小，chromlength表示染色体的长度(二值数的长度)，

% 长度大小取决于变量的二进制编码的长度(在本例中取10位)。 %遗传算法子程序 %Name: initpop.m %初始化 function pop=initpop(popsize,chromlength) pop=round(rand(popsize,chromlength)); % rand随机产生每个单元 为 {0,1} 行数为popsize，列数为chromlength的矩阵， % roud对矩阵的每个单元进行圆整。这样产生的初始种群。 % 2.2 计算目标函数值 % 2.2.1 将二进制数转化为十进制数(1) %遗传算法子程序 %Name: decodebinary.m %产生 [2^n 2^(n-1) ... 1] 的行向量，然后求和，将二进制转化为十进制function pop2=decodebinary(pop) [px,py]=size(pop); %求pop行和列数 for i=1:py pop1(:,i)=2.^(py-i).*pop(:,i); end pop2=sum(pop1,2); %求pop1的每行之和 % 2.2.2 将二进制编码转化为十进制数(2) % decodechrom.m函数的功能是将染色体(或二进制编码)转换为十进制，参数spoint表示待解码的二进制串的起始位置