基因算法及其应用PDF电子书下载

序言 1

前言 1

第一章 基因算法的理论和原理 1

1.1 基因算法的起源简介 1

1.2 基因算法的步骤 3

1.2.1 基因算法的原理 3

1.2.2 基因算法的基本步骤 4

1.3 一个简单的基因算法及其特点 6

1.3.1 一个简单的基因算法实例 6

1.3.2 基因算法的特点 8

1.4 基因算法领域中有待进一步研究的问题 9

1.4.1 改进群体成员的再生产的方法 10

1.4.2 改进个体成员间的基因交换技术 11

1.4.3 编码技术的改进 12

1.4.4 改进算法的总体思想 12

1.4.5 基因算法与其它算法的结合 13

1.4.6 在基因算法中引入并行算法技术 13

1.5 基因算法的应用简介 13

1.5.1 基因算法在函数优化方面的应用 14

1.5.3 基因算法在控制系统中的应用 15

1.5.2 基因算法在机器人控制方面的应用 15

1.5.4 基因算法在工程优化设计方面的应用 16

1.5.5 基因算法在机器学习系统中的应用 16

第二章 带有门限变换函数的基因算法 18

2.1 基因算法中的分享思想和聚集思想 18

2.1.1 分享思想 18

2.1.2 聚集思想 21

2.2 带有门限变换函数的基因算法的原理 21

2.2.1 门限变换函数的定义 21

2.2.2 带有门限变换函数的基因算法 23

2.3 带有门限变换函数的基因算法的应用 25

2.4 带有门限变换函数的基因算法的门限值选择方法 28

2.4.1 门限值GH的选取方法 28

2.4.2 模拟实验及结果分析 29

2.5 关于基因算法中的编码理论 31

第三章 基因算法的主要应用 38

3.1 基因算法的初始应用 38

3.1.1 Bagley和自适应式操作游戏方法 38

3.1.2 Rosenberg及其生物细胞模拟 39

3.1.3 Cavicchio及其模式识别 39

3.1.4 Hollstien和函数优化 41

3.2.1 管道系统能耗的优化 42

3.2 基因算法在工程优化设计中的应用 42

3.2.2 结构优化 45

3.3 基因算法在控制系统中的应用 47

3.3.1 基因算法在控制策略学习系统中的应用 47

3.3.2 基因算法用于动态系统中的控制规则归纳 53

3.4 基因算法与机器学习 56

3.5 基因算法与神经网理论 60

3.5.1 Miller的神经网络 61

3.5.3 个体成员的质量计算 62

3.5.2 Miller的基因运算 62

3.5.4 实验方法 63

3.5.5 实验结果 63

3.5.6 其它方向的研究 64

第四章 基因算法在移动式机器人的动力学控制和路线规划方面的应用 66

4.1 机器人问题简介 66

4.1.1 机器人的定义和分类 66

4.1.2 机器人领域的主要研究方向 67

4.2 移动式机器人的动力学模型 68

4.2.1 双轮驱动式机器人的动力学模型 69

4.3 机器人的工作环境模型 72

4.4 移动式机器人的动力学优化控制函数的构成 75

4.4.1 罚函数原理 75

4.4.2 移动式机器人路线规划的约束及其动力学优化控制评价函数的构成形式 77

4.5 带有对称编码的基因算法 81

4.5.1 对称码理论 81

4.5.2 带有对称编码的基因算法思想 84

4.5.3 关于对称编码性质的证明 86

4.6 带有对称编码的基因算法在机器人优化控制中的应用 88

5.1 实验设计介绍 92

第五章 基因算法在机器人优化控制应用中的模拟实验结果 92

5.1.1 实验阶段一 93

5.1.2 实验阶段二 97

5.1.3 实验阶段三 97

5.1.4 实验阶段四 101

5.2 算法评价和展望 108

附录 110

附录Ⅰ 110

附录Ⅱ 117

后记 126

参考文献 130