遗传算法论文【精品毕业设计】(完整版)

论文名称：遗传算法

姓名： ***

学号： ***********

班级：计算机科学与技术1班

院系：信息与电气工程学院

日期： 2014年6月18日

第 1 页

摘要................................................................................................................................ 2

第一章引言.................................................................................................................. 3

1．1搜索法............................................................................................................ 3

1.2遗传算法........................................................................................................... 3

第二章遗传算法(Genetic Algorithms，GA) .............................................................. 4

2.1遗传算法的基本概念....................................................................................... 4

2.2遗传算法的实现步骤....................................................................................... 6

第三章遗传算法的特点及应用.................................................................................. 9

3.1遗传算法的特点............................................................................................... 9

3.2遗传算法的应用............................................................................................... 9

第四章遗传算法的缺点及发展................................................................................ 12

4.1遗传算法的缺点............................................................................................. 12

第五章遗传算法代码实现........................................................................................ 13

附录遗传算法代码（GA Code）......................................................................... 14

第 2 页

摘要

智能搜索算法包括遗传算法、禁忌算法、模拟退火算法等。其中遗传算法（GA）是人类从基因遗传的生物进化思想的启发下提出的，它是一种进化计算，进化计算实质上是自适应的机器学习方法，遗传算法根据基因遗传时候的变化，它在运算的时候也分为选择、交叉、变异三种行为。它比盲目的搜索效率高的多，又比专门的针对特定问题的算法通用性强，它是一种于问题无关的求解模式。但是遗传算法又有很大的不确定性，以及过早的收敛性，所以可以和其他算法一起使用来对问题求解。

关键词：遗传算法；GA；实现；应用；改进

第 3 页第一章引言

1．1搜索法

人工智能问题广义地说，都可以看作是一个问题求解问题，在问题的求解过程中，人们所面临的大多数现实问题往往没有确定性的算法，通常需要用搜索算法来解决。搜索法是人工智能中问题的求解的基本方法，搜索法可大致分为有信息搜索和无信息搜索，约束满足问题和博弈问题的求解均可表述为搜索过程。搜索法的本质是再状态空间中从问题的初始状态搜索到通向目标状态的路径。当前的智能搜索算法本质上也是搜索法，如遗传算法、蚁群算法、神经网络等。

一般搜索可以根据是否使用启发式信息分为盲目搜素和启发式搜索，也可以根据问题的表示方式分为状态空间搜索和与/或树搜索。

盲目搜索一般是指从当前状态到目标状态需要走多少步或者并不知道每条路径的花费，所能做的只是可以区分出哪个是目标状态。

启发式搜索时在搜索过程中加入了与问题有关的启发式信息，用于指导搜索朝着最有希望的方向前进，加速问题的求解并找到最优解。

很显然盲目搜索不如启发式搜索效率高，但是由于启发式搜索需要和问题本身特性有关的信息而对很多问题这些信息很少，或者根本就没有，或者很难抽取，所以盲目搜索仍然是很重要的搜索策略。

1.2遗传算法

进化计算（Evolutionary Computation，EC）是在达尔文的进化论和孟德尔的遗传变异理论的基础上产生的一种在基因和种群层次上模拟自然界生物进化过程与机制的问题求解技术。它主要包括

遗传算法（Genetic Algorithm，GA）

进化策略（Evolutionary Strategy,ES）

进化规划（Evolutionary Programming,EP）

遗传规划（Genetic Programming,GP）

它将生物进化过程中的繁殖（Reproduction）变异（Mutation）竞争（Competition）选择（Selection）引入到了算法中。从而诞生了遗传算法。

第 4 页第二章遗传算法(Genetic Algorithms，GA)

2.1遗传算法的基本概念

2.1.1遗传算法的由来

生物的进化是一个奇妙的优化过程，它通过选择淘汰，突然变异，基因遗传等规律产生适应环境变化的优良物种。自然界生物进化过程是进化计算的生物学基础，它主要包括遗传(Heredity)、变异(Mutation)和进化(Evolution)理论。

遗传算法是根据生物进化思想而启发得出的一种全局优化算法。遗传算法的概念最早是由Bagley J.D在1967年提出的；而开始遗传算法的理论和方法的系统性研究的是1975年，这一开创性工作是由Michigan大学的J.H.Holland所实行。当时，其主要目的是说明自然和人工系统的自适应过程。遗传算法的基本思想是基于Darwin进化论和Mendel的遗传学说的。

Darwin进化论最重要的是适者生存原理。它认为每一物种在发展中越来越适应环境。物种每个个体的基本特征由后代所继承，但后代又会产生一些异于父代的新变化。在环境变化时，只有那些能适应环境的个体特征方能保留下来。

Mendel遗传学说最重要的是基因遗传原理。它认为遗传以密码方式存在细胞中，并以基因形式包含在染色体内。每个基因有特殊的位置并控制某种特殊性质；所以，每个基因产生的个体对环境具有某种适应性。基因突变和基因杂交可产生更适应于环境的后代。经过存优去劣的自然淘汰，适应性高的基因结构得以保存下来。

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。

2.1.2遗传算法的原理

遗传算法的基本思想是从初始种群出发，采用优胜劣汰、适者生存的自然法则选择个体，并通过杂交、变异来产生新一代种群，如此逐代进化，直到满足目标为止。

遗传算法GA把问题的解表示成“染色体”，在算法中也即是以二进制编码(后来发展出了整数编码、实数编码等)的串。并且，在执行遗传算法之前，给出一

合集下载

智能控制技术毕业论文【范本模板】

摘要：本文主要介绍了智能控制技术从经典控制理论、现代控制理论发展到今天的智能控制理论的发展过程和主要方法，并介绍了智能控制在工业发展、机械制造、电力电子学研究领域中的应用.

关键字：自动化智能控制应用

随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段,这对自动控制技术提出犷新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。

一、智能控制的发展过程

从经典控制理论、现代控制理论发展到今天的智能控制理论，经历了很长时间.

四十年代到五十年代形成了经典控制理论。经典控制理论中基于传递函数建立起来的如频率特性、根轨迹等图解解析设计方法，对于单输入—单输出系统极为有效，至今仍在广泛地应用。但传递函数对处于系统内部的变量不便描述，对某些内部变量还不能描述，且忽略了初始条件的影响。鼓传递函数描述不能包含系统的所有信息。

现代控制理论主要研究具有高性能、高精度的多变量变参数系统的最优控制问题，它对多变量有很强的描述和综合能力，其局限在于必须预先知道被空对象或过程的数学模型.

智能控制是在经典和现代控制理论基础上进一步发展和提高的。智能控制的提出，一方面是实现大规模复杂系统控制的需要；另一方面是现代计算机技术、人工智能和微电子学等学科的高度发展，给智能控制提供了实现的基础。智能控制提供了一种新的控制方法,基本解决了非线性、大时滞、变结构、无精确数学模型对象的控制问题。

二、智能控制的主要方法

通俗地讲,智能控制就是利用有关知识（方法）来控制对象，按一定要求达到预定目的。智能控制为解决控制领域的难题，摆脱了经典和现代控制理论的困境，开辟了新的途径.

智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等，以及常用优化算法有：遗传算法、蚁群算法、免疫算法等。

1、模糊控制

模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础，以先验知识和专家经验作为控制规则。其基本思想是用机器模拟人对系统的控制，就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段，实现系统控制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定二者缺一不可。

学号+姓名+论文题目(论文模板)

毕业论文

题目

学生姓名

学号 2010070113**

专业物流管理

班级物流管理201003

指导教师胡澴

二 O一二年十二月中英文摘要

摘要：论文在建立物流配送路径优化问题的数学模型的基础上，构造了求解该问题的遗传算法，并进行了实验计算。计算结果表明，用遗传算法进行物流配送路径优化，可以方便有效地求得问题的最优解或近似最优解。

关键词：物流配送；遗传算法；优化

Abstract：On the basis of establishing the optimizing model on physical distribution

routing problem, this paper presents a genetic algorithm for solving this problem, and make

some experimental calculations. The experimental calculation results demonstrates that the

optimal or nearly optimal solutions to the physical distribution routing problem can be

easily obtained by using genetic algorithm.

Keywords：physical distribution；genetic algorithm；optimizing

（空一行）

摘要„„„„„„„„„„„„„„„„„„„„„„„„ⅰ

电气自动化毕业设计论文8000字左右范文

第 1 页共 16 页论文题目：电机驱动系统的数字化控制及性能优化研究

摘要

本文主要研究了电机驱动系统的数字化控制及性能优化。首先介绍了电机驱动系统的基本组成、工作原理和发展趋势，然后详细探讨了数字化控制的基本概念、电机驱动系统的数字控制器设计以及数字化控制在电机驱动系统中的应用实例。接下来，文章分析了电机驱动系统的性能指标，并基于模型预测控制、遗传算法和粒子群优化分别进行了电机驱动系统的优化研究。最后通过案例分析和仿真验证了所提方法的有效性。本文的研究有助于提升电机驱动系统的控制精度和运行效率，对于推动相关领域的技术发展具有一定的理论和实际意义。

关键词：电机驱动系统；数字化控制；性能优化；模型预测控制；遗传算法；粒子群优化

第 2 页共 16 页目录

第1章绪论 ...................................................................................................................... 1

1.1 研究背景与意义 ................................................................................................. 1

1.2 国内外研究现状 ................................................................................................. 1

1.3 论文的主要研究内容和结构 ............................................................................. 1

第2章电机驱动系统概述 .............................................................................................. 2

非支配排序遗传算法(NSGA)的研究与应用

浙江大学

硕士学位论文

非支配排序遗传算法（NSGA）的研究与应用

姓名：高媛

申请学位级别：硕士

专业：控制理论与控制工程

指导教师：卢建刚

20060301浙江大学硕士学位论文

非支配排序遗传算法（ＮＳＧＡ）

的研究与应用

摘要

多目标优化问题一直是科学和工程研究领域的难题和热点问题。传统的解决

方法在处理大维数、多模态等复杂问题上存在许多不足。为了解决这一问题，国

内外研究学者在简单遗传算法的基础上，发展出了多种多目标优化遗传算法。本文研究的非支配排序遗传算法（Ｎｏｎ－ｄｏｍｉｎａｔｅｄＳｏｒｔｉｎｇＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ，ＮＳＧＡ）及其改进算法ＮＳＧＡ．ＩＩ就是其中发展较快、优化效果较好的一种方法。本文对

算法的基本原理进行了系统的学习和研究，在算法的应用研究方面作了大胆的尝

试，扩展了算法的应用范围，并提出了一种新的解决函数拟合问题的方法。

本文所作的主要工作如下：

１）系统地介绍了遗传算法的一般流程和基本理论，咀及目前已有的多目标优化

遗传算法及其存在的一些问题。论述了ＮＳＧＡ的基本原理和不足之处，并对其改进算法ＮＳＧＡ－ＩＩ提出的快速非支配排序法、拥挤度及其比较算子、精英

策略及ＮｓＧＡ－ＩＩ的主要流程作了详细的研究。

２）将ＮＳＧＡ．ＩＩ引入变结构控制系统（ＶａｒｉａｂｌｅＳｔｒｕｃｔｕｒｅＣｏｎｔｒｏｌＳｙｓｔｅｍ）。针对多输入变结构控制系统参数仅能凭经验选取的缺陷，利用ＮＳＧＡ－ＩＩ对变结构

控制的参数和滑平面参数进行优化，从而抑制了多输出控制系统的超调量，减少了系统的动态响应时间，降低了抖振，同时增强了系统对参数摄动和外

部扰动的鲁棒性，仿真结果证明了该方法的有效性。

３）将ＮＳＧＡ－ＩＩ与ＳＶＭ结合，提出了一种基于ＳＶＭ和ＮＳＧＡ－ＩＩ的函数拟合方法。传统的函数拟合方法，如支持向量机回归方法，需要人为选择参数和核

函数，经验因素对拟合结果的影响很大。而本文提出的方法，首次将ＳＶＭ

的结构风险最小化准则引入ＮＳＧＡ＊ＩＩ算法，并实现了根据核函数的计算复杂浙江大学硕士学位论文

智能控制技术毕业论文【范本模板】 2

关键字：自动化智能控制应用

一、智能控制的发展过程

从经典控制理论、现代控制理论发展到今天的智能控制理论，经历了很长时间.

二、智能控制的主要方法

1、模糊控制

乒乓球自动发球机的设计

摘要

乒乓球发球机是一种自动控制发球的机器，可用于训练。它通常由一个电动马达驱动，有一个或多个旋转发球轮，轮子上面带有固定的高度和旋转速度的球，可以模拟真实比赛中的发球场景。乒乓球发球机能提高球员的反应能力、击球技术和运动感知能力，使他们的训练更加精确和有效。此外，这种机器也可以用于比赛或娱乐活动，让乒乓球爱好者享受到更有趣的体验。

介绍了乒乓球发球机的种类、优势及存在的问题，并设计了一种以乒乓球发球取球为原理的乒乓球发球机。运用齿轮与弹钩相结合的方法，设计了一种新型的乒乓球发球机，并通过三个收球槽滚子的转动来完成发球。在此基础上，以AutoCAD 为工具，进行了乒乓球发球器零件及装配体的三维图纸设计。这种发球器结构简单，体积适中，拆装方便，可发出不同角度，不同速度，不同转速的球，适合各个年龄段使用。

关键词：乒乓球发球机设计结合

1 绪论

1.1 论文选题的根据和研究意义

乒乓球作为一项世界范围内广泛普及的运动，其技术含量和观赏性都得到了人民广泛的认可和喜爱。在乒乓球运动中，发球是取胜的关键之一，尤其在高水平比赛中更是如此。然而，人工发球存在不可避免的局限性，如难以实现高速度和高精度的发球等，这就需要乒乓球发球机来满足这些要求。因此，设计和研究乒乓球发球机具有重要的实际应用价值和研究意义。

乒乓球发球机可以帮助球员在任何时间、任何地点进行训练，提高球员的技术水平和反应能力。同时，发球机还可以让乒乓球爱好者更好地享受乒乓球运动的乐趣，尤其是那些无法找到合适的对手进行训练的人群。此外，乒乓球发球机还可以为乒乓球赛事的比赛、测试等提供可靠的数据支持，可以使比赛更加公正、客观，也为乒乓球技术的研究和发展提供了基础条件。因此，乒乓球发球机的设计和研究具有广泛的应用前景和研究价值。设计出高质量的乒乓球发球机，不仅能满足乒乓球爱好者的需求，也可以为乒乓球竞技运动的进步做出贡献。此外，乒乓球发球机的设计与制造涉及到机械、电子、控制等多个学科领域的综合应用，因此，它还可以为相关学科领域的教学和科研提供实践基础和应用场景。总之，乒乓球发球机的设计和研究是具有重要实际应用价值和研究意义的课题，它不仅可以满足乒乓球爱好者的需求，更可以推动乒乓球运动的发展和相关领域的教学和科研。

开题报告

本科生毕业设计（论文）开题报告

论文题目遗传算法及其应用

一．选题的目的与意义

遗传算法（Genetic Algorithm）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，是一种通过模拟自然进化过程搜索最优解的方法，它是由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）。90年代，遗传算法迎来了兴盛发展时期，无论是理论研究还是应用研究都成了十分热门的课题。尤其是遗传算法的应用研究格外活跃，不但它的应用领域扩大，而且利用遗传算法进行优化和规则学习的能力也显著提高，同时产业应用方面的研究也在摸索之中。

遗传算法的整体搜索策略和优化搜索方法在计算时不依赖于梯度信息或其它辅助知识，而只需要影响搜索方向的目标函数和相应的适应度函数，所以遗传算法提供了一种求解复杂系统问题的通用框架，它不依赖于问题的具体领域，对问题的种类有很强的鲁棒性，所以GA在函数优化，组合优化、生产调度问题、自动控制、机器人学、图象处理、人工生命、遗传编码和机器学习等方面获得了广泛的运用。从遗传算法的理论和技术两方面概述目前的研究现状；描述遗传算法的主要特点、基本原理；应用遗传算法来解决函数优化、组合优化等方面的案例。

二．遗传算法的发展现状

1991年DWhitey在他的论文中提出了基于领域交叉的交叉算子，这个算子是特别针对用序号表示基因的个体的交叉，并将其应用到了TSP问题中，通过实验对其进行了验证。

D.H.Ackley等提出了随即迭代遗传爬山法采用了一种复杂的概率选举机制，此机制中由m个“投票者”来共同决定新个体的值（m表示群体的大小）实验结果表明，SIGH与单点交叉、均匀交叉的神经遗传算法相比，所测试的六个函数中有四个表现出更好的性能，而且总体来讲，SIGH比现存的许多算法在求解速度方面更有竞争力。

【全国大学生数学建模竞赛获奖优秀论文作品学习借鉴】M0802

基于遗传算法与射影几何理论的数码相机定位模型

摘要

在数码相机定位领域中，对特征点匹配和系统标定的研究存在着巨大的理论与现实

意义。

针对问题一，利用空间坐标变换理论，得到含参的物平面到像平面的映射关系，提

取特征点进行匹配，建立以偏差最小为目标函数的规划模型，用遗传算法进行优化搜索，

确定参数得到最优映射关系，从而求解圆心对应的像坐标。

针对问题二，首先对图像进行数字化处理，提取图像轮廓的坐标矩阵，改变模型一

的目标函数再次建立规划模型，用Matlab编写遗传算法进行求解，得 5个圆心的像坐标

为：A’(324,201)，B’(418,203)，C’(632,209)，D’(587,498)，E’(290,499)。对结果进行分析，

得结论圆度比越大的类椭圆对应的圆心像坐标越精确。

针对问题三，引入差异度作为检验模型的标准，给出模型检验方法，并对差异度因

子的精度和稳定性进行了讨论。分析后得知该检验方法精度与数码相机分辨率成正相

关，而其稳定性在面对非对称图形时较高。

针对问题四，运用射影几何理论，在相机主光轴平行放置和非平行放置两种情况下，

分别建立了以实际圆心距和理论圆心距的误差最小为目标的规划模型。在模型讨论中还

进一步引入径向畸变，使模型更加贴近实际情况。

在模型推广中，重新设计了一种标靶。根据射影变换理论，引入共线性作为模型检

验因子，并给出了检验原理和方法，是第三问的另一个有益的研究方向。

关键词：空间坐标变换遗传算法差异度检验射影几何理论一、问题重述

数码相机定位有着广泛的应用，最常用的定位方法是双目定位，即用两部相机来定

位。对物体上一个特征点，用两部固定的相机拍摄可以获得该点在像平面上的坐标，只

要知道两部相机精确的相对位置，就可通过几何方法确定特征点的位置，这一过程称为

系统标定。标定的做法是在一块平板上画出若干个点，同时用这两部相机照相得到像平

面上的像点，利用这两个像点的几何关系就可以得到这两部相机的相对位置。然而，无

遗传算法（GeneticAlgorithms）

遗传算法

前引：

1、TSP问题

1.1 TSP问题定义

旅⾏商问题（Traveling Salesman Problem，TSP）称之为货担郎问题，TSP问题是⼀个经典组合优化的NP完全问题，组合优化问题是对存在组合排序或者搭配优化问题的⼀个概括，也是现实诸多领域相似问题的简化形式。

1.2 TSP问题解法

传统精确算法：穷举法，动态规划

近似处理算法：贪⼼算法，改良圈算法，双⽣成树算法智能算法：模拟退⽕，粒⼦群算法，蚁群算法，遗传算法等

遗传算法：

性质：全局优化的⾃适应概率算法

2.1 遗传算法简介

遗传算法的实质是通过群体搜索技术，根据适者⽣存的原则逐代进化，最终得到最优解或准最优解。它必须做以下操

作：初始群体的产⽣、求每⼀个体的适应度、根据适者⽣存的原则选择优良个体、被选出的优良个体两两配对，通过随

机交叉其染⾊体的基因并随机变异某些染⾊体的基因⽣成下⼀代群体，按此⽅法使群体逐代进化，直到满⾜进化终⽌条

件。

2.2 实现⽅法

根据具体问题确定可⾏解域，确定⼀种编码⽅法，能⽤数值串或字符串表⽰可⾏解域的每⼀解。

对每⼀解应有⼀个度量好坏的依据，它⽤⼀函数表⽰，叫做适应度函数，⼀般由⽬标函数构成。

确定进化参数群体规模、交叉概率、变异概率、进化终⽌条件。

案例实操

我⽅有⼀个基地，经度和纬度为（70，40）。假设我⽅飞机的速度为1000km/h。我⽅派⼀架飞机从基地出发，侦察完所有

⽬标，再返回原来的基地。在每⼀⽬标点的侦察时间不计，求该架飞机所花费的时间（假设我⽅飞机巡航时间可以充分

长）。已知100个⽬标的经度、纬度如下表所列:

3.2 模型及算法

求解的遗传算法的参数设定如下：

种群⼤⼩M=50；最⼤代数G=100;

交叉率pc=1，交叉概率为1能保证种群的充分进化；

变异概率pm=0.1，⼀般⽽⾔，变异发⽣的可能性较⼩。

编码策略:

初始种群：⽬标函数：

交叉操作：变异操作：选择：

算法图：代码实现：

基于MATLAB控制系统的仿真与应用毕业设计论文

摘要：

本论文基于MATLAB控制系统仿真平台，通过对其中一控制系统的仿真分析，运用MATLAB软件实现了该控制系统的数学建模、系统仿真以及系统参数优化等功能。首先，介绍了控制系统的基本概念和主要组成部分，并提出了仿真和优化的目标。然后，通过MATLAB软件实现了对该控制系统的数学建模和仿真，并通过仿真结果验证了系统的控制效果。最后，通过参数优化方法对系统的控制参数进行了优化，并进一步提高了系统的控制性能和稳定性。

关键词：MATLAB控制系统；仿真；参数优化

1.引言

控制系统是现代自动化技术中重要的组成部分，广泛应用于各个领域。控制系统的性能和稳定性对于保证系统的正常运行具有重要作用。而仿真分析和参数优化是提高控制系统性能和稳定性的重要手段。MATLAB是一种功能强大、灵活性高的工程计算软件，被广泛应用于各个领域的仿真分析和参数优化。

2.控制系统的数学建模和仿真

控制系统的数学建模是控制系统仿真的基础。通过对控制系统的数学模型的建立，可以利用MATLAB软件进行系统的仿真分析。本文选择了其中一控制系统作为研究对象，通过对该系统进行数学建模，得到了控制系统的状态方程和传递函数。然后，利用MATLAB软件对该控制系统进行了仿真分析，并得到了系统的时间响应和频率响应等仿真结果。 3.控制系统参数优化

控制系统参数优化是提高系统控制性能和稳定性的关键步骤。本文采用了一种常用的参数优化方法，即遗传算法。通过对遗传算法的原理和步骤进行介绍，对控制系统的控制参数进行了优化。通过MATLAB软件实现了该方法，并得到了最优的系统参数。

4.结果分析与讨论

通过系统的仿真和参数优化，本文得到了一组最优的系统参数，并对比了原始参数和优化参数的仿真结果。仿真结果表明，经过参数优化后，系统的控制性能和稳定性得到了显著改善。

5.结论

本文基于MATLAB控制系统仿真平台，实现了对其中一控制系统的数学建模、系统仿真以及系统参数优化等功能。通过仿真分析和参数优化，提高了系统的控制性能和稳定性。实验结果表明，该方法能够有效改善控制系统的性能，具有良好的应用前景。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。