改进型遗传算法及其应用PDF电子书下载

1 绪论 1

2 遗传算法 3

2.1 遗传算法概述 3

2.1.1 遗传算法的基本术语 4

2.1.2 遗传算法的基本思想 5

2.1.3 遗传算法的基本操作 6

2.1.4 遗传算法的特点 10

2.2 遗传算法应用举例 11

2.3 遗传算法评价指标 14

2.4 本章小结 24

参考文献 24

3 遗传算法的改进 26

3.1 改进思路 26

3.1.1 改进编码方案 29

3.1.2 改进选择算子 30

3.1.3 改进交叉算子 31

3.1.4 改进变异算子 32

3.2 避免陷入早熟状态 32

3.3 改进的遗传算法比较 36

3.4 本章小结 38

参考文献 38

4 应用于分类问题的遗传算法 40

4.1 分类 41

4.1.1 数据挖掘技术 41

4.1.2 分类思想 41

4.1.3 分类模型 42

4.1.4 分类与预测的区别 43

4.2 处理分类问题的遗传算法 44

4.2.1 用遗传算法进行分类的优势 44

4.2.2 应用于分类问题的遗传算法思想 45

4.2.3 初始种群设定 45

4.2.4 染色体编码 46

4.2.5 遗传算子设计 46

4.2.6 适应度函数设计 46

4.3 应用于分类问题的遗传算法 47

4.3.1 改进型遗传算法的思想 47

4.3.2 改进型遗传分类算法 48

4.4 实例测试及分析 48

4.4.1 测试实验数据集 48

4.4.2 实验结果分析 49

4.5 本章小结 52

参考文献 52

5 混合粒子群遗传算法 55

5.1 粒子群算法 55

5.1.1 粒子群算法思想 55

5.1.2 粒子群算法基本原理 56

5.1.3 粒子群算法的流程 58

5.1.4 粒子群算法的特点 59

5.2 混合粒子群遗传算法 60

5.3 混合粒子群遗传算法用于分类问题 61

5.3.1 应用于分类问题的混合粒子群遗传算法 61

5.3.2 混合粒子群遗传算法分类实验数据集 61

5.3.3 分类系统性能验证 62

5.4 混合粒子群遗传算法用于测试数据生成 65

5.4.1 测试数据生成系统结构框架 65

5.4.2 搜索模型 66

5.4.3 适应度函数 68

5.4.4 编码方式 68

5.4.5 实例测试及分析 69

5.5 本章小结 72

参考文献 73

6 混合策略的家族遗传算法 75

6.1 混合策略的家族遗传算法思想 75

6.2 家族遗传算法的实现 76

6.2.1 个体编码和种群初始化 76

6.2.2 适应度函数 77

6.2.3 家族交叉算子 77

6.2.4 变异算子 77

6.2.5 算法步骤 78

6.3 仿真实验与分析 79

6.3.1 分类实验数据集 79

6.3.2 数据预处理 79

6.3.3 实验分析 80

6.4 本章小结 82

参考文献 82

7 遗传算法在测试数据生成中的应用 83

7.1 软件测试基础 83

7.1.1 软件测试的概念和原则 83

7.1.2 软件测试的分类 84

7.1.3 白盒测试 86

7.1.4 自动化软件测试技术 95

7.2 自动生成软件测试数据的智能优化算法 97

7.2.1 软件测试数据自动生成研究现状 97

7.2.2 智能优化算法在软件测试数据自动生成中的应用 100

7.3 生成测试数据的遗传算法 103

7.3.1 算法思想 103

7.3.2 适应度函数设计 103

7.3.3 算法步骤 103

7.4 手机软件测试 104

7.5 本章总结 107

参考文献 107

8 总结 112

8.1 本书所做的研究工作 112

8.2 研究工作的展望 114

后记 115