【正文】 曲 靖 師 范 學(xué) 院學(xué)生畢業(yè)論文（設(shè)計(jì)）題目：基于 Matlab 的遺傳算法程序設(shè)計(jì)及優(yōu)化問題求解院 （ 系 ） ： 數(shù)學(xué)與信息科學(xué)學(xué)院專 業(yè)：　　 信息與計(jì)算科學(xué) 班 級： 20221121 班 學(xué) 號：　 2022112104 論 文 作 者 ：　　　　沈秀娟 　　　 指 導(dǎo) 教 師 ：　　　　劉 俊　　 　 指 導(dǎo) 教 師 職 稱 ：　　　　教　授　 2022 年 5 月基于 Matlab 的遺傳算法程序設(shè)計(jì)及優(yōu)化問題求解摘 要遺傳算法作為一種新的優(yōu)化方法，廣泛地用于計(jì)算科學(xué)、模式識別和智能故障診斷等方面，它適用于解決復(fù)雜的非線性和多維空間尋優(yōu)問題，近年來也得到了較為廣闊的應(yīng)用. 本文介紹了遺傳算法的發(fā)展、原理、特點(diǎn)、應(yīng)用和改進(jìn)方法，以及基本操作和求解步驟，再基于Matlab編寫程序?qū)崿F(xiàn)遺傳算法并求解函數(shù)的優(yōu)化問題. 程序設(shè)計(jì)過程表明，用Matlab語言進(jìn)行優(yōu)化計(jì)算，具有編程語句簡單，用法靈活，編程效率高等優(yōu)點(diǎn). 經(jīng)仿真驗(yàn)證，該算法是正確可行的.關(guān)鍵詞：遺傳算法；Matlab；優(yōu)化Matlabbased geic algorithm design and optimization of procedures for problem solvingAbstract：As a new optimizated method,geic algorithm is widely used in putational science,pattern recognition,intelligent fault is suitable to solve plex nonlinear and multidimensionaloptimization problem .And it has been more widely used in paper describes the development of geic algorithms,principle,features,application and improvement of the same time,it introduces basic operation andsolution then,it achievesgeicalgorithm on the matlab programming andsolves the function optimization program design process shows that this optimization calculation has advantages of simple programminglanguage,flexible usage and high efficiency in Matlab language. The algorithm iscorrect and feasible by simulated authentication.Keywords: Geic algorithm； Matlab；Optimization 目 錄1 引言 12 文獻(xiàn)綜述 1 國內(nèi)外研究現(xiàn)狀及評價(jià) ???????????????????????????????????????????????????????????????????????????????????????????????????1 提出問題 ???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????23 遺傳算法的理論研究 2 遺傳算法的產(chǎn)生背景 ???????????????????????????????????????????????????????????????????????????????????????????????????????2 遺傳算法的起源與發(fā)展 ???????????????????????????????????????????????????????????????????????????????????????????????????3 遺傳算法的起源???????????????????????????????????????????????????????????????????????????????????????????????????????????????3 遺傳算法的發(fā)展???????????????????????????????????????????????????????????????????????????????????????????????????????????????3 遺傳算法的數(shù)學(xué)基礎(chǔ)研究 ???????????????????????????????????????????????????????????????????????????????????????????????4 遺傳算法的組成要素 ???????????????????????????????????????????????????????????????????????????????????????????????????????6 遺傳算法的基本原理 ???????????????????????????????????????????????????????????????????????????????????????????????????????7 遺傳算法在實(shí)際應(yīng)用時(shí)采取的一般步驟 ???????????????????????????????????????????????????????????????????????8 遺傳算法的基本流程描述 ???????????????????????????????????????????????????????????????????????????????????????????????9 遺傳算法的特點(diǎn) ?????????????????????????????????????????????????????????????????????????????????????????????????????????????10 遺傳算法的改進(jìn) ?????????????????????????????????????????????????????????????????????????????????????????????????????????????11 遺傳算法的應(yīng)用領(lǐng)域 ????????????????????????????????????????????????????????????????????????????????????????????????????124 基于 MATLAB 的遺傳算法實(shí)現(xiàn) 145 遺傳算法的函數(shù)優(yōu)化的應(yīng)用舉例 176 結(jié)論 18 主要發(fā)現(xiàn) ?????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????18 啟示 ?????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????18 局限性 ?????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????19 努力的方向 ?????????????????????????????????????????????????????????????????????????????????????????????????????????????????????19參考文獻(xiàn) 20致　謝 21附 錄 2211 引言遺傳算法(Geic Algorithm)是模擬自然界生物進(jìn)化機(jī)制的一種算法即遵循適者生存、優(yōu)勝劣汰的法則也就是尋優(yōu)過程中有用的保留無用的則去除. 在科學(xué)和生產(chǎn)實(shí)踐中表現(xiàn)為在所有可能的解決方法中找出最符合該問題所要求的條件的解決方法即找出一個(gè)最優(yōu)解. 這種算法是1960年由Holland提出來的其最初的目的是研究自然系統(tǒng)的自適應(yīng)行為并設(shè)計(jì)具有自適應(yīng)功能的軟件系統(tǒng). 它的特點(diǎn)是對參數(shù)進(jìn)行編碼運(yùn)算不需要有關(guān)體系的任何先驗(yàn)知識沿多種路線進(jìn)行平行搜索不會落入局部較優(yōu)的陷阱，能在許多局部較優(yōu)中找到全局最優(yōu)點(diǎn)是一種全局最優(yōu)化方法 [13]. 近年來，遺傳算法已經(jīng)在國際上許多領(lǐng)域得到了應(yīng)用. 該文將從遺傳算法的理論和技術(shù)兩方面概述目前的研究現(xiàn)狀描述遺傳算法的主要特點(diǎn)、基本原理以及改進(jìn)算法，介紹遺傳算法的應(yīng)用領(lǐng)域，并用MATLAB實(shí)現(xiàn)了遺傳算法及最優(yōu)解的求解.2 文獻(xiàn)綜述 國內(nèi)外研究現(xiàn)狀及評價(jià)國內(nèi)外有不少的專家和學(xué)者對遺傳算法的進(jìn)行研究與改進(jìn). 比如：1991年（ADJACENCY BASED CROSSOVER） ，這個(gè)算子是特別針對用序號表示基因的個(gè)體的交叉，并將其應(yīng)用到了TSP問題中，通過實(shí)驗(yàn)對其進(jìn)行了驗(yàn)證. 2022年，戴曉明等應(yīng)用多種群遺傳并行進(jìn)化的思想，對不同種群基于不同的遺傳策略，如變異概率，不同的變異算子等來搜索變量空間，并利用種群間遷移算子來進(jìn)行遺傳信息交流，以解決經(jīng)典遺傳算法的收斂到局部最優(yōu)值問題. 國內(nèi)外很多文獻(xiàn)都對遺傳算法進(jìn)行了研究. 現(xiàn)查閱到的國內(nèi)參考文獻(xiàn)[119]中, 周勇、周明分別在文獻(xiàn)[1]、[2]中介紹了遺傳算法的基本原理；徐宗本在文獻(xiàn)[3]中探討了包括遺傳算法在內(nèi)的解全局優(yōu)化問題的各類算法，文本次論文寫作提出了明確的思路；張文修、王小平、張鈴分別在文獻(xiàn)[4]、[5]、[6]從遺傳算法的理論和技術(shù)兩方面概述目前的研究現(xiàn)狀；李敏強(qiáng)、吉根林、玄光南分別在文獻(xiàn)[7]、[8]、[9]中都不同程度的介紹了遺傳算法的特點(diǎn)以及改進(jìn)算法但未進(jìn)行深入研究；馬玉明、張麗萍、戴曉輝、柴天佑分別在文獻(xiàn)[10]、[11]、[12]、[13]中探討了遺傳算法產(chǎn)生的背景、起源和發(fā)展；李敏強(qiáng)、徐小龍、林丹、張文修分別在文獻(xiàn)[14]、[15]、[16]、[17]探討了遺傳算法的發(fā)展現(xiàn)狀及以后的發(fā)展動向；李敏強(qiáng)，寇紀(jì)凇，林丹，李書全在文獻(xiàn)2[18]中主要論述了遺傳算法的具體的實(shí)施步驟、應(yīng)用領(lǐng)域及特點(diǎn)；孫祥，徐流美在文獻(xiàn)[19]中主要介紹了Matlab的編程語句及基本用法. 所有的參考文獻(xiàn)都從不同角度不同程度的介紹了遺傳算法但都不夠系統(tǒng)化不夠詳細(xì)和深入. 提出問題隨著研究的深入，人們逐漸認(rèn)識到在很多復(fù)雜情況下要想完全精確地求出其最優(yōu)解既不可能，也不現(xiàn)實(shí)，因而求出近似最優(yōu)解或滿意解是人們的主要著眼點(diǎn)之一. 很多人構(gòu)造出了各種各樣的復(fù)雜形式的測試函數(shù)，有連續(xù)函數(shù)，有離散函數(shù)，有凸函數(shù)，也有凹函數(shù)，人們用這些幾何特性各異的函數(shù)來評價(jià)遺傳算法的性能. 而對于一些非線性、多模型、多目標(biāo)的函數(shù)優(yōu)化問題用其他優(yōu)化方法較難求解遺傳算法卻可以方便地得到較好的結(jié)果. 鑒于遺傳算法在函數(shù)優(yōu)化方面的重要性，該文在參考文獻(xiàn)[119]的基礎(chǔ)上，用Matlab語言編寫了遺傳算法程序, 并通過了調(diào)試用一個(gè)實(shí)際例子來對問題進(jìn)行了驗(yàn)證，這對在Matlab環(huán)境下用遺傳算法來解決優(yōu)化問題有一定的意義.3 遺傳算法的理論研究 遺傳算法的產(chǎn)生背景科學(xué)研究、工程實(shí)際與國民經(jīng)濟(jì)發(fā)展中的眾多問題可歸結(jié)作“極大化效益、極小化代價(jià)”這類典型模型. 求解這類模型導(dǎo)致尋求某個(gè)目標(biāo)函數(shù)（有解析表達(dá)式或無解析表達(dá)式）在特定區(qū)域上的最優(yōu)解. 而為解決最優(yōu)化問題目標(biāo)函數(shù)和約束條件種類繁多，有的是線性的，有的是非線性的；有的是連續(xù)的，有的是離散的；有的是單峰值的，有的是多峰值的. 隨著研究的深入，人們逐漸認(rèn)識到：在很多復(fù)雜情況下要想完全精確地求出其最優(yōu)解既不可能，也不現(xiàn)實(shí)，因而求出近似最優(yōu)解或滿意解是人們的主要著眼點(diǎn)之一. 總的來說，求最優(yōu)解或近似最優(yōu)解的方法有三種: 枚舉法、啟發(fā)式算法和搜索算法.(1)枚舉法. 枚舉出可行解集合內(nèi)的所有可行解以求出精確最優(yōu)解. 對于連續(xù)函數(shù)，該方法要求先對其進(jìn)行離散化處理，這樣就有可能產(chǎn)生離散誤差而永遠(yuǎn)達(dá)不到最優(yōu)解. 另外，當(dāng)枚舉空間比較大時(shí)該方法的求解效率比較低，有時(shí)甚至在目前最先進(jìn)的計(jì)算工具上都無法求解.(2)啟發(fā)式算法. 尋求一種能產(chǎn)生可行解的啟發(fā)式規(guī)則以找到一個(gè)最優(yōu)解或近似最3優(yōu)解. 該方法的求解效率雖然比較高，但對每一個(gè)需要求解的問題都必須找出其特有的啟發(fā)式規(guī)則，這個(gè)啟發(fā)式規(guī)則無通用性不適合于其它問題.(3)搜索算法. 尋求一種搜索算法，該算法在可行解集合的一個(gè)子集內(nèi)進(jìn)行搜索操作以找到問題的最優(yōu)解或近似最優(yōu)解. 該方法雖然保證了一定能夠得到問題的最優(yōu)解，但若適當(dāng)?shù)乩靡恍﹩l(fā)知識就可在近似解的質(zhì)量和求解效率上達(dá)到一種較好的平衡.隨著問題種類的不同以及問題規(guī)模的擴(kuò)大，要尋求一種能以有限的代價(jià)來解決上述最優(yōu)化問題的通用方法仍是一個(gè)難題. 而遺傳算法卻為我們解決這類問題提供了一個(gè)有效的途徑和通