基于遺傳算法的多目標(biāo)優(yōu)化

信息計(jì)算科學(xué)論文編號(hào):XXLW094 論文字?jǐn)?shù):17800,頁(yè)數(shù):43

目 錄
中文摘要  i
英文摘要  ii
目 錄 iii
第一章  前言 1
 1.1  論文研究的背景和意義 1
第二章  遺傳算法概述 2
 2.1  遺傳算法的基本概念以及特點(diǎn) 2
 2.1.1  遺傳算法的基本概念 2
 2.1.2  遺傳算法的特點(diǎn) 2
 2.1.3  遺傳算法的若干應(yīng)用 3
 2.2  遺傳算法的基本原理和基本步驟 3
 2.2.1  遺傳算法的基本原理 3
 2.2.2  遺傳算法的主要步驟 3
 2.2.3  遺傳算法的應(yīng)用關(guān)鍵 5
 2.2.4  遺傳算法與傳統(tǒng)方法的比較 6
 2.3  遺傳算法的應(yīng)用實(shí)例 7
 2.3.1  方案表示 7
 2.3.2  種群初始化 8
 2.3.3  適應(yīng)度函數(shù) 8
 2.3.4  遺傳操作 8
 2.3.5  參數(shù)設(shè)定及結(jié)果分析 9
第三章  遺傳算法改進(jìn)策略 13
 3.1  初始種群的產(chǎn)生 13
 3.2  選擇算子的改進(jìn) 13
 3.3  交叉和變異概率的改進(jìn)策略 13
第四章  遺傳算法在組卷系統(tǒng)中的應(yīng)用 15
 4.1  組卷系統(tǒng)數(shù)學(xué)模型 15
 4.2  組卷模型的實(shí)現(xiàn)方法 16
 4.2.1  試題編碼及種群初始化 16
 4.2.2  適應(yīng)度函數(shù)設(shè)計(jì) 16
 4.2.3  操作算子設(shè)計(jì) 17
 4.2.4  終止條件 19
第五章  多目標(biāo)優(yōu)化問(wèn)題的若干基礎(chǔ) 20
 5.1  多目標(biāo)優(yōu)化問(wèn)題的數(shù)學(xué)模型 20
 5.2  多目標(biāo)優(yōu)化問(wèn)題的偏好結(jié)構(gòu) 21
 5.3  遺傳算法應(yīng)用于多目標(biāo)優(yōu)化問(wèn)題的分析 21
 5.4  求解多目標(biāo)問(wèn)題的遺傳算法 22
 5.5  多目標(biāo)問(wèn)題約束條件處理方法分析 23
第六章  基于遺傳算法的公交調(diào)度優(yōu)化設(shè)計(jì) 24
 6.1  模型的假設(shè) 24
 6.2  乘客滿(mǎn)意度模型 24
 6.3  公交公司滿(mǎn)意度模型 26
 6.4  公交調(diào)度優(yōu)化模型 27
 6.5  遺傳算法在公交調(diào)度中的運(yùn)用 27
 6.5.1  編碼方案及種群初始化 27
 6.5.2  適應(yīng)度函數(shù) 28
 6.5.3  遺傳操作設(shè)計(jì) 28
 6.5.4  交叉概率和變異概率的自適應(yīng)調(diào)整 30
 5.5.5  算法的參數(shù)及其終止條件 32
 6.5.6  模型總結(jié) 32
第七章  總結(jié) 33
致  謝 34
參考文獻(xiàn) 35
附  錄 36

摘    要
 遺傳算法作為一種有效的隨機(jī)搜索方法，在優(yōu)化方法中具有獨(dú)特的優(yōu)越性，并有著非常重要的理論意義和廣泛的應(yīng)用領(lǐng)域。
 本文第一部分從遺傳算法算法的基本概念、基本特點(diǎn)與原理、主要步驟以及應(yīng)用關(guān)鍵等方面系統(tǒng)的介紹了遺傳算法。通過(guò)算例分析基本遺傳算法的實(shí)現(xiàn)步驟及優(yōu)缺點(diǎn)，對(duì)遺傳算法提出改進(jìn)措施，并將其運(yùn)用于考試系統(tǒng)，建立了基于遺傳算法的組卷優(yōu)化模型。
 本文第二部分分析現(xiàn)階段多目標(biāo)優(yōu)化的基本模型以及將遺傳算法應(yīng)用于多目標(biāo)優(yōu)化的可行性，建立具有乘客滿(mǎn)意度和公交公司滿(mǎn)意的公交調(diào)度優(yōu)化模型，以此作為多目標(biāo)優(yōu)化問(wèn)題。在此基礎(chǔ)上，建立基于遺傳算法的公交調(diào)度模型，在編碼方案和遺傳操作等方面提出創(chuàng)新點(diǎn)，并設(shè)計(jì)公交調(diào)度優(yōu)化模型流程圖。最后，通過(guò)改進(jìn)的選擇、交叉、變異操作確定最優(yōu)發(fā)車(chē)數(shù)量和各時(shí)段最優(yōu)發(fā)車(chē)間隔時(shí)間，實(shí)現(xiàn)了公交調(diào)度優(yōu)化方案。

關(guān)鍵字：遺傳算法；組卷模型；多目標(biāo)優(yōu)化；公交調(diào)度優(yōu)化

Abstract
 As an effective method of random search, Genetic Algorithm shows a unique advantage in the discipline of optimization. It has important significances and a broad range of various applications.
 Genetic Algorithm introduced by concepts, characteristics, basic principles, major processes and essential applications has been discussed in this paper. This paper also analyses steps of realization and compares advantages with disadvantages through different examples of Primitive Genetic Algorithm. It gives us some suggestions for further improvements, applications in the utility of examination system , establishes the Test Paper based on the model of Genetic Algorithm and solves steps of the given model ,respectively..
 By analyzing the feasibility of the current phase in the model of multiple objective optimization.and applications of the multiple objective optimization  Based on Genetic Algorithm, we could establish a model that is possible to solve the acceptable results to passengers and bus company .It turns out to be questions of the multi-objective optimization. Solving the model of bus scheduling by Genetic Algorithm, this paper offers us some innovations in aspects of the encoding scheme and genetic manipulation. Through improved selection, crossover and mutation operation, we also could determine the optimal number of the bus and the time interval and realize the proposal of public traffic schedule.
 
Keywords：genetic algorithm; volume model; multiple objective optimization; transit operation