《基因算法及其应用》求取 ⇩

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Ⅰ110

附录Ⅱ117

后记126

参考文献130