【正文】 畢業(yè)設(shè)計（論文）題　　目 智能算法在優(yōu)化問題中的應(yīng)用研究摘 要智能算法在在現(xiàn)代生活、工程實踐中應(yīng)用比較廣泛,主要是用來解決優(yōu)化問題，智能算法包含種類較多，如遺傳算法，蟻群算法，模擬退火法等,這些算法在解決優(yōu)化問題時，首先研究遺傳算法通過解決函數(shù)優(yōu)化實例、交叉重組解決巡回商旅問題以及通過二重結(jié)構(gòu)編碼背包問題的應(yīng)用，其次研究蟻群算法函數(shù)極值問題、通過螞蟻系統(tǒng)和局部搜索方法相結(jié)合解決二次分配問題、通過改進蟻群算法的技術(shù)熱電聯(lián)產(chǎn)經(jīng)濟調(diào)度問題等，充分利用了蟻群優(yōu)勢，利用信息素來解決優(yōu)化問題.關(guān)鍵詞：遺傳算法；蟻群算法；遺傳算子；順序交叉；優(yōu)化問題AbstractIntelligent algorithm in modern life, more and more extensive application in engineering practice, is mainly used to solve optimization problems, the research on it has important significance. This paper mainly studies intelligent algorithms application in optimization, intelligent algorithm contains more categories, such as genetic algorithm, ant colony algorithm, simulated annealing method, these algorithms in solving optimization problems, it has its own characteristics. In this paper, firstly the study of genetic algorithm to solve the problem through a crossover rebination tour business as well as through dualistic coding knapsack problem application. The study of ant colony algorithm ant algorithm and local search method by bining the two distribution, through the improvement of ant colony algorithm technology cogeneration economic dispatch problem and through the incentive method of robot cooperation strategy, make full use of the advantages of using the pheromone of ant colony, solve the problem of optimization.Key words: genetic algorithm。 ant colony algorithm。 genetic operator。 order crossover。 optimization problem目 錄摘 要 IAbstract II緒 論 1第1章 智能算法的基礎(chǔ) 3 智能算法的概述 3 智能算法的概念及特點 3 智能算法的分類 3第2章 遺傳算法在優(yōu)化問題中的應(yīng)用 5 遺傳算法的原理 5 遺傳算法函數(shù)優(yōu)化實例 7 遺傳算法在巡回商問題中的應(yīng)用 12 順序表示和交叉 12 路徑的表示和交叉 13 遺傳算法在背包問題中的應(yīng)用 16 背包問題概述 16 二重結(jié)構(gòu)的編碼的遺傳算法 16 模擬結(jié)果 18第3章 蟻群算法在優(yōu)化問題中的應(yīng)用 19 蟻群算法的概述 19 19 蟻群算法的基本原理 19 基本蟻群算法的程序流程圖 21 蟻群算法在函數(shù)極值問題中的應(yīng)用 22 函數(shù)極值的基本原理 22 函數(shù)極值的算法實現(xiàn) 22 算法優(yōu)化實例 23 二次分配問題的蟻群算法 24 24 QAP的蟻群算法步驟 24 實驗結(jié)論 26 改進的蟻群算法在熱電聯(lián)產(chǎn)經(jīng)濟調(diào)度中的應(yīng)用 26 熱電聯(lián)產(chǎn)經(jīng)濟調(diào)度問題的描述 26 改進蟻群算法的技術(shù) 27 實驗結(jié)論 29結(jié) 論 30參考文獻 31致 謝 32緒 論 現(xiàn)代的生活、工程實踐中，經(jīng)常會遇到一些比較新穎的算法或理論，如遺傳算法、禁忌搜索、通常會遇到各種各樣的問題，而這些問題，經(jīng)常難以得到很好的解決，如果需要解決這些問題，則需采取比較特殊的算法，優(yōu)化問題可以通過智能算法，計算盈虧，用料最省，可以更加簡便，更加迅速的解決一些復(fù)雜的數(shù)學(xué)難題. 目前，在國內(nèi)外的研究中，李士勇等人在《蟻群算法及其應(yīng)用》[1]，對蟻群算法的基本原理進行了系統(tǒng)的闡述，《蟻群的信息系統(tǒng)》[2]，對這些智能算法的應(yīng)用相對比較廣泛，因為智能算法在解決現(xiàn)實生活中的生產(chǎn)、生活等問題，是比較快捷而方便的.在國外， 將隨機所需求的庫存以及運輸?shù)南到y(tǒng)集成為優(yōu)化問題的描述成為馬爾科夫的決策的過程，, 和等研究短期的運輸?shù)南到y(tǒng)集成的優(yōu)化與庫存問題.　，這個算子是特別針對用序號表示基因的個體的交叉，并將其應(yīng)用到了TSP問題中，《遺傳程序設(shè)計：基于自然選擇法則的計算機程序設(shè)計》[3]. 本課題主要研究一下兩個方面:首先研究的是遺傳算法的原理與實例，通過實例研究遺傳算法在優(yōu)化問題中的應(yīng)用；其次研究的是蟻群算法的原理及其實例，：遺傳算法，具體對函數(shù)的優(yōu)化、對巡回商旅問題，背包問題，進行研究，其中，可以通過順序表示與交叉或路徑表示與交叉對巡回商旅問題進行解決；背包問題可以通過對二重結(jié)構(gòu)編碼交叉操作和變異操作的算子需要重新設(shè)計，利用遺傳算法來解決.蟻群算法，具體對函數(shù)極值求解、二次分配問題以及通過對蟻群算法的改進，、3局部搜索、4信息元素的矩陣更新、5多樣化. 通過這些步驟解決的二次分配問題，可以與其他算法和方法相互比較，假如利用簡單的蟻群算法，解決起來會比較困難，而對蟻群算法進行改進之后，會相對容易并可以完整的解決該問題.第1章 智能算法的基礎(chǔ) 智能算法的概述 智能算法的概念及特點傳統(tǒng)的主要有下列幾種優(yōu)化的方法：枚舉法、搜索算法和啟發(fā)式算法.（1）枚舉算法 將可行解的集合范圍內(nèi)的全部可行解一一列舉出來，進而解出精準的最優(yōu)解.（2）搜索算法 尋求一種搜索算法，該算法是在部分或所有的可能情況出現(xiàn)的問題解得空間內(nèi)進行搜索操作，以找到最優(yōu)的解決方案.（3）啟發(fā)式算法 可行解需要通過尋求一種啟發(fā)式的規(guī)則，進而產(chǎn)生，最終求解出最優(yōu)方案.隨著問題種類的不同以及問題規(guī)模的擴大，要尋求一種能以有限的代價來解決搜索和優(yōu)化的通用方法，智能算法為我們提供了一種有效的途徑，它不同于傳統(tǒng)的搜索和優(yōu)化方法.智能算法通常也被稱其為 “軟計算”，它是模擬大自然的原理，根據(jù)其中的啟迪，通過其中得到的啟迪，進行發(fā)明并創(chuàng)造，：（1） 自組織，自適應(yīng)和自學(xué)習性.（2） 智能算法的本質(zhì)并行性.（3） 智能算法不需要求導(dǎo)或其他輔助知識，而只需要影響搜索方向的目標函數(shù)和相應(yīng)的適應(yīng)度函數(shù).（4）智能算法可以更加直接地應(yīng)用.（5）智能算法對給定問題，可以產(chǎn)生許多的潛在解，最終選擇可由使用者確定. 智能算法的分類1遺傳算法（Genetic Algorithm, GA）遺傳算法：遺傳算法是由美國的J. Holland教授于1975年在他的專著《自然界和人工系統(tǒng)的適應(yīng)性》[4]中首先提出的，它是根據(jù)大自然的自身特點,通過模擬自然選擇,進行解決實際問題的一種隨機化搜索算法.2 蟻群算法（Ant Colony Optimization, ACO）蟻群算法（Ant Colony Optimization, ACO）由Colorni，Dorigo和Maniezzo提出的，它們會派一批螞蟻，然后分頭進行四周搜尋，假如一只螞蟻找到食物，它便會回到巢穴中,隨后便告訴其他螞蟻,并且在回去的途中,留下“信息素”（pheromone） ，如果是三只螞蟻同一時刻找到了同一個食物，而又采取不一樣的路線回到巢穴中，那么在較為繞彎的一條道路上的信息素氣味就會相對較淡，蟻群就將傾向沿另外一條相對更近的路線前往這個食物的所在處.3 模擬退火算法（Simulated annealing,SA），尋求它們之間的相似性作為其出發(fā)點. 模擬退火法作為一種比較常用的優(yōu)化算法,如今已十分廣泛的應(yīng)用到工程中.模擬退火的算法求解問題的基本的過程：給處某一個初始的溫度以及初始點，計算這一點的函數(shù)值；