讲解很好的遗传算法讲义！讲解很好的遗传算法讲义！讲解很好的遗传算法讲义！

第五讲 遗传算法ppt

这本书是第一部连贯的讲述遗传算法在电磁学上的应用。 这本书的构造是以电磁学的论题为基础的，因此很清楚的可以看到现在研究的几大领域。 第一章讲述的是局部优化方法（local optimization）的一些性质，并且讲清楚了他们的缺点，从而可以看出遗传算法的优点。 第二章简单的讲述了遗传算法的特点，覆盖了遗传算法的大部分区域。两个特点需要注意：第一个是例举MATLAB的程序来讲述遗传算法的过程；第二个是例举电磁设计的过程，包括多目标，从数据库中选取优化参数等方法。 第三章讲了遗传算法应用在天线阵列优化的两个例子。利用这两个例子介绍了遗传算法。 第四章是本书的主体。他具体的介绍了GA用于天线阵列优化上。 第五章讨论了遗传算法用于自适应或者是智能天线。也就是把遗传算法当做自适应算法。 第六章讨论了遗传算法用于线天线。其中包括加载线天线，遗传算法天线，曲线天线和八木天线。 第七章和第八章进一步给出了遗传算法优化的例子，第七章是优化口径天线和微带天线，第八章优化周期结构和电磁带隙结构。 第九章给出了遗传算法，PSO算法的参数选择，并提出了多目标优化的问题。 最后这本书给出了编码的方法。

为解决基本遗传算法在实际应用中存在的收敛速度低及稳定性差的问题.采用了单纯同伦算法与基本遗传算法相结合的改进算法,将n维函数优化问题放到高一维的空间中.改进后的算法通过同伦参数的变化设置跟踪路径,使用网径渐细的单纯剖分,使目标解的精度随着算法的迭代过程逐渐提高,在不损失算法效率的前提下提高了算法的精度;算法依据单纯剖分的顶点整数标号信息作为判断收敛的标准,改善了基本遗传算法判敛标准受人为因素影响的缺点,提升了稳定性.优化算例表明:与相关文献的优化算法相比较,改进后的遗传算法有更高的效率及更高的精度.

针对NoC任务映射问题中时延难以预测和启发式算法效率低的问题, 提出一个时延改进模型和近邻随机遗传算法。该模型从宏观的链路负载分布和单个节点的排队时延两方面来构建NoC映射的时延模型, 通过引入时延因子、权重系数来刻画不同映射方案对时延性能的影响, 避免了NoC通信时延精确建模的难题。提出近邻随机思想来构建遗传算法的初始种群, 并且运用该算法实现了面向时延的NoC映射, 在达到全局最优的情况下, 比经典遗传算法效率提升将近20%。实验结果表明, 该算法优于现有的经典遗传算法和随机映射方案。

在考虑商品供应成本因素的基础上,结合B2C电子商务企业物流配送网络的特点,建立了混合0-1整数规划的配送中心选址优化模型.该模型是一种特殊形式的选址-分配模型,具有NP难性质。为求解上述模型，开发了嵌入表上作业法的遗传算法。实例研究表明，该算法能高效求得模型的优化解，是求解物流配送中心选址这类复杂优化问题的一个较好方法.

 在现实生活中，实际问题很难用线性模型进行描述。神经网络的出现大大降低了模型建立的难度和工作量。只需将神经网络看成是一个黑箱子,根据输入与输出数据,神经网络依据相关的学习规则,便可以建立相应的数学模型。但是,当数学模型的输人自变量(即影响因素)很多,输人自变量之间不是相互独立时,利用神经网络容易出现过拟合现象,从而导致所建立的模型精度低,建模时间长等问题。因此,在建立模型之前,有必要对输入自变量进行优化选择,将冗余的一些自变量去掉,选择最能反映输入与输出关系的自变量参与建模。

本书全面系统地介绍了遗传算法的基本原理,数学基础,各种主要实现技术,并给出了一些应用示例,同时还简要地介绍了进化计算的基本内容.本书具有系统性强,可读性强,可操作性强的特点.本书可供智能计算,自动控制,系统工程,优化计算,经济管理,运筹学,计算机专业的研究人员,研究生及高年级大学生参考.

遗传算法——理论、应用与软件实现 学习遗传算法的必备书籍，还有一本就是《MATLAB遗传算法工具箱及应用》，一样上传大家共同分享。