2017全國數(shù)學(xué)建模優(yōu)秀競賽獲獎?wù)撐?/h1>
時間:
秋梅1032由 分享
數(shù)學(xué)建模競賽是實(shí)現(xiàn)數(shù)學(xué)教育創(chuàng)新的重要載體,在我國倡導(dǎo)素質(zhì)教育的今天,數(shù)學(xué)建模受到的關(guān)注與日俱增。下文是學(xué)習(xí)啦小編為大家整理的關(guān)于2017全國數(shù)學(xué)建模優(yōu)秀的內(nèi)容,歡迎大家閱讀參考!
數(shù)學(xué)建模優(yōu)秀論文篇1
淺談數(shù)學(xué)建模方法的幾點(diǎn)思考
【摘 要】首先闡述數(shù)學(xué)建模內(nèi)涵;其次分析數(shù)學(xué)建模與數(shù)學(xué)教學(xué)的關(guān)系;最后總結(jié)出提高數(shù)學(xué)教學(xué)效果的幾點(diǎn)思考。
【關(guān)鍵詞】數(shù)學(xué)建模;數(shù)學(xué)教學(xué);教學(xué)模式
什么是數(shù)學(xué)建模,為什么要把數(shù)學(xué)建模的思想運(yùn)用到數(shù)學(xué)課堂教學(xué)中去?經(jīng)過反復(fù)閱讀有關(guān)數(shù)學(xué)建模與數(shù)學(xué)教學(xué)的文章,仔細(xì)研修數(shù)十個高校的數(shù)學(xué)建模精品課程,數(shù)學(xué)建模優(yōu)秀教學(xué)案例等,筆者對數(shù)學(xué)教學(xué)與數(shù)學(xué)建模進(jìn)行初步探索,形成一定認(rèn)識。
一、數(shù)學(xué)建模
數(shù)學(xué)建模即運(yùn)用數(shù)學(xué)知識與數(shù)學(xué)思想,通過對實(shí)際問題數(shù)學(xué)化,建立數(shù)學(xué)模型,并運(yùn)用計(jì)算機(jī)計(jì)算出結(jié)果,對實(shí)際問題給出合理解決方案、建議等。系統(tǒng)的談數(shù)學(xué)建模需從以下三個方面談起。
1.數(shù)學(xué)建模課程。
“數(shù)學(xué)建模”課程特色鮮明,以綜合門類為基礎(chǔ),重實(shí)踐,重應(yīng)用。旨在使學(xué)生打好數(shù)學(xué)基礎(chǔ),增強(qiáng)應(yīng)用數(shù)學(xué)意識,提高實(shí)踐能力,建立數(shù)學(xué)模型解決實(shí)際問題。注重培養(yǎng)學(xué)生參與現(xiàn)代科研活動主動性與參與工程技術(shù)開發(fā)興趣,注重培養(yǎng)學(xué)生創(chuàng)新思維及創(chuàng)新能力等相關(guān)素質(zhì)。
2.數(shù)學(xué)建模競賽。
1985年,美國工業(yè)與應(yīng)用數(shù)學(xué)學(xué)會發(fā)起的一項(xiàng)大學(xué)生競賽活動名為“數(shù)學(xué)建模競賽”。旨在提高學(xué)生學(xué)習(xí)數(shù)學(xué)主動性,提高學(xué)生運(yùn)用計(jì)算機(jī)技術(shù)與數(shù)學(xué)知識和數(shù)學(xué)思想解決實(shí)際問題綜合能力。學(xué)生參與這項(xiàng)活動可以拓寬知識面,培養(yǎng)自己團(tuán)隊(duì)意識與創(chuàng)新精神。同時這項(xiàng)活動推動了數(shù)學(xué)教師與數(shù)學(xué)教學(xué)專家對數(shù)學(xué)體系、教學(xué)方式與教學(xué)知識重新認(rèn)識。1992年,教育部高教司和中國工業(yè)與數(shù)學(xué)學(xué)會創(chuàng)辦了“全國大學(xué)生數(shù)學(xué)建模競賽”。截止2012年10月已舉辦有21屆。大力推進(jìn)了我國高校數(shù)學(xué)教學(xué)改革進(jìn)程。
3.數(shù)學(xué)建模與創(chuàng)新教育。
創(chuàng)新教育是現(xiàn)代教育思想的靈魂。數(shù)學(xué)建模競賽是實(shí)現(xiàn)數(shù)學(xué)教育創(chuàng)新的重要載體。如2012年A題,葡萄酒的評價中,要求學(xué)生對葡萄酒原料與釀造、儲存于葡萄酒色澤、口味等有全面認(rèn)識;而2012年D題,機(jī)器人行走避障問題,要求學(xué)生了解對機(jī)器人行走特點(diǎn);2008年B題,乘公交看奧運(yùn),要求學(xué)生了解公交換乘系統(tǒng)。大學(xué)生數(shù)學(xué)建模競賽試題涉及不是單一數(shù)學(xué)知識。因此數(shù)學(xué)教師在數(shù)學(xué)教學(xué)中必須融合其它學(xué)科知識。同時學(xué)生參與數(shù)學(xué)建模競賽有助于增強(qiáng)其積極思考應(yīng)用數(shù)學(xué)知識創(chuàng)造性解決實(shí)際問題的意識。
二、數(shù)學(xué)建模與數(shù)學(xué)教學(xué)的關(guān)系
數(shù)學(xué)建模是數(shù)學(xué)應(yīng)用與實(shí)踐的重要載體;數(shù)學(xué)教學(xué)旨在傳授數(shù)學(xué)知識與數(shù)學(xué)思想,激發(fā)學(xué)生應(yīng)用數(shù)學(xué)解決實(shí)際問題的意識。數(shù)學(xué)建模與數(shù)學(xué)教學(xué)相輔相成,數(shù)學(xué)建模思想與數(shù)學(xué)教學(xué)將有助于提高教學(xué)效果,反之傳統(tǒng)應(yīng)試扼殺了學(xué)生學(xué)習(xí)數(shù)學(xué)的興趣與主觀能動性;數(shù)學(xué)教學(xué)效果,在數(shù)學(xué)建模過程中體現(xiàn)顯著。
三、數(shù)學(xué)教學(xué)
1.數(shù)學(xué)教學(xué)“教”什么。電子科技大學(xué)的黃廷祝老師說:“數(shù)學(xué)教學(xué),最重要的就是數(shù)學(xué)的精神、思想和方法,而數(shù)學(xué)知識是第二位的。”因此數(shù)學(xué)教師不僅要傳授數(shù)學(xué)知識,更要讓學(xué)生知道數(shù)學(xué)的來龍去脈,領(lǐng)會數(shù)學(xué)精神實(shí)質(zhì)。
2.如何提高數(shù)學(xué)教學(xué)效果。提高數(shù)學(xué)教師自身素質(zhì)是關(guān)鍵,創(chuàng)新數(shù)學(xué)教學(xué)模式是手段,革新評價機(jī)制是保障。
①提高數(shù)學(xué)教師自身素質(zhì)。
數(shù)學(xué)教師自身素質(zhì)是提高數(shù)學(xué)教學(xué)效果的關(guān)鍵。2010年胡書記在《國務(wù)院關(guān)于加強(qiáng)教師隊(duì)伍建設(shè)的意見》中明確提出,我國教育出了問題,問題關(guān)鍵在教師隊(duì)伍。數(shù)學(xué)學(xué)科特點(diǎn)鮮明。若數(shù)學(xué)教師數(shù)學(xué)素養(yǎng)與綜合能力不強(qiáng),則提高數(shù)學(xué)教學(xué)效果將無從談起。因此數(shù)學(xué)教師需通過如參加培訓(xùn)、學(xué)習(xí)精品課程、同行評教、與專家探討等途徑努力提高自身素養(yǎng)。
?、趧?chuàng)新數(shù)學(xué)教學(xué)模式 。
(1)必須轉(zhuǎn)變教學(xué)理念。首先要轉(zhuǎn)變繼承性教育理念,注重培養(yǎng)學(xué)生綜合素質(zhì)與實(shí)際操作能力。其次要轉(zhuǎn)變注入式教育理念,注重發(fā)揮學(xué)生主體能動性。再次要轉(zhuǎn)變應(yīng)試教育理念。注重素質(zhì)的培養(yǎng)是長久發(fā)展之計(jì)。最后要轉(zhuǎn)變傳統(tǒng)教學(xué)模式??萍及l(fā)展為教育教學(xué)實(shí)現(xiàn)提供多種選擇。教育工作者應(yīng)提供多種教學(xué)模式以提高學(xué)習(xí)效果。
(2)必須改革數(shù)學(xué)教學(xué)模式。傳統(tǒng)講授式教學(xué)模式有很多不足,學(xué)生參與不夠,不能發(fā)揮學(xué)生的主體能動性。因此,在今后數(shù)學(xué)教學(xué)中,要注重發(fā)揮學(xué)生的主體能動性,如增加課題互動環(huán)節(jié),采用小組討論,教師引導(dǎo)等方式。
在數(shù)學(xué)教學(xué)過程中,要巧用提問。教師可針對某一具體教學(xué)內(nèi)容根據(jù)數(shù)學(xué)思維方式特點(diǎn)巧設(shè)提問,讓學(xué)生回答,教師在關(guān)鍵的地方進(jìn)行啟發(fā)點(diǎn)撥,并適當(dāng)?shù)目偨Y(jié)。在問答過程中,培養(yǎng)學(xué)生分析和思考問題、解決問題能力;在數(shù)學(xué)教學(xué)過程中,可采用分組討論形式。采用小組討論與集體展示、互評相結(jié)合。旨在教育學(xué)生學(xué)會傾聽,分析不同;學(xué)會表達(dá),勇于提出見解,培養(yǎng)學(xué)生團(tuán)隊(duì)意識。
在數(shù)學(xué)課堂上可通過對典型案例的剖析,使學(xué)生親歷發(fā)現(xiàn)問題、認(rèn)識問題和解決問題的過程。培養(yǎng)學(xué)生實(shí)際動手操作能力。
(3)建立多元化評價機(jī)制。一是要建立多元化教師教學(xué)評價機(jī)制。采用多元化考核、綜合評定教師教學(xué)效果的方法,有利于教師發(fā)展。二是要建立多元化學(xué)生學(xué)習(xí)效果評價機(jī)制。多元化評價機(jī)制對學(xué)生評價更客觀、公正,有利于發(fā)揮學(xué)生主觀能動性。
參考文獻(xiàn):
[1]姜啟源.數(shù)學(xué)模型(第三版)[M].北京:高等教育出版社,2003.
[2]李翠平.創(chuàng)新數(shù)學(xué)教學(xué)模式初探[J].學(xué)苑教育,2012(4).
數(shù)學(xué)建模優(yōu)秀論文篇2
遺傳算法及其改進(jìn)研究
摘要:遺傳算法是模擬生物在自然環(huán)境中的遺傳和進(jìn)化過程而形成的一種自適應(yīng)全局優(yōu)化概率搜索算法。本文講述了遺傳算法的相關(guān)知識要點(diǎn),通過對遺傳算法特點(diǎn)的分析,提出遺傳算法的缺點(diǎn),然后針對遺傳算法的缺點(diǎn)提出相應(yīng)的一些改進(jìn)方法。
關(guān)鍵詞:遺傳算法
1 引言
“物競天擇,適者生存”是達(dá)爾文生物進(jìn)化論的基本原理,揭示了物種總是向著更適應(yīng)自然界的方向進(jìn)化的規(guī)律。可見,生物進(jìn)化過程本質(zhì)上是一種優(yōu)化過程,在計(jì)算科學(xué)上具有直接的借鑒意義。在計(jì)算機(jī)技術(shù)迅猛發(fā)展的時代,生物進(jìn)化過程不僅可以在計(jì)算機(jī)上模擬實(shí)現(xiàn),而且還可以模擬進(jìn)化過程,創(chuàng)立新的優(yōu)化計(jì)算方法,并應(yīng)用到復(fù)雜工程領(lǐng)域之中,這就是遺傳算法等一類進(jìn)化計(jì)算方法的思想源泉。
2 遺傳算法概述
遺傳算法是將生物學(xué)中的遺傳進(jìn)化原理和隨[1]優(yōu)化理論相結(jié)合的產(chǎn)物,是一種隨機(jī)性的全局優(yōu)算法。遺傳算法不但具有較強(qiáng)的全局搜索功能和求解問題的能力,還具有簡單通用、魯棒性強(qiáng)、適于并行處理等特點(diǎn),是一種較好的全局優(yōu)化搜索算法。在遺傳算法的應(yīng)用中,由于編碼方式和遺傳算子的不同,構(gòu)成了各種不同的遺傳算法。但這些遺傳算法都有共同的特點(diǎn),即通過對生物遺傳和進(jìn)化過程中選擇、交叉、變異機(jī)理的模仿,來完成對問題最優(yōu)解的自適應(yīng)搜索過程?;谶@個共同點(diǎn),Holland的遺傳算法常被稱為簡單遺傳算法(簡記SGA),簡單遺傳算法只使用選擇算子、交叉算子和變異算子這三種基本遺傳算子,其遺傳進(jìn)化操作過程簡單,容易理解,是其他一些遺傳算法的雛形和基礎(chǔ),這種改進(jìn)的或變形的遺傳算法,都是以其為基礎(chǔ)[1]。
2.1遺傳算法幾個基本概念
個體(IndividualString):個體是遺傳算法中用來模擬生物染色體的一定數(shù)目的二進(jìn)制串,該二進(jìn)制串用來表示優(yōu)化問題的滿意解。
種群(population):包含一組個體的群體,是問題解的集合。
基因模式(Sehemata):基因模式是指二進(jìn)制位串表示的個體中,某一個或某些位置上具有相似性的個體組成的集合,也稱模式。
適應(yīng)度(Fitness):適應(yīng)度是以數(shù)值方式來描述個體優(yōu)劣程度的指標(biāo),由評價函數(shù)F計(jì)算得到。F作為求解問題的目標(biāo)函數(shù),求解的目標(biāo)就是該函數(shù)的最大值或最小值。
遺傳算子(genetic operator):產(chǎn)生新個體的操作,常用的遺傳算子有選擇、交叉和變異。
選擇(Reproduetion):選擇算子是指在上一代群體中按照某些指標(biāo)挑選出的,參與繁殖下一代群體的一定數(shù)量的個體的一種機(jī)制。個體在下一代種群中出現(xiàn)的可能性由個體的適應(yīng)度決定,適應(yīng)度越高的個體,產(chǎn)生后代的概率就越高。
交叉(erossover):交叉是指對選擇后的父代個體進(jìn)行基因模式的重組而產(chǎn)生后代個體的繁殖機(jī)制。在個體繁殖過程中,交叉能引起基因模式的重組,從而有可能產(chǎn)生含優(yōu)良性能的基因模式的個體。交叉可以發(fā)生在染色體的一段基因串或者多段基因串。交叉概率(Pc)決定兩個個體進(jìn)行交叉操作的可能性,交叉概率太小時難以向前搜索,太大則容易破壞高適應(yīng)度的個體結(jié)構(gòu),一般Pc取0.25~0.75
變異(Mutation):變異是指模擬生物在自然的遺傳環(huán)境中由于某種偶然因素引起的基因模式突變的個體繁殖方式。在變異算子中,常以一定的變異概率(Pm)在群體中選取個體,隨機(jī)選擇個體的二進(jìn)制串中的某些位進(jìn)行由概率控制的變換(0與1互換)從而產(chǎn)生新的個體[2]。如果變異概率太小,就難以產(chǎn)生新的基因結(jié)構(gòu),太大又會使遺傳算法成了單純的隨機(jī)搜索,一般取Pm=0.1~0.2。在遺傳算法中,變異算子增加了群體中基因模式的多樣性,從而增加了群體進(jìn)化過程中自然選擇的作用,避免早熟現(xiàn)象的出現(xiàn)。
2.2基本遺傳算法的算法描述
用P(t)代表第t代種群,下面給出基本遺傳算法的程序偽代碼描述:
基本操作:
InitPop()
操作結(jié)果:產(chǎn)生初始種群,初始化種群中的個體,包括生成個體的染色體值、計(jì)算適應(yīng)度、計(jì)算對象值。
Selection()
初始條件:種群已存在。
操作結(jié)果:對當(dāng)前種群進(jìn)行交叉操作。
Crossover()
初始條件:種群已存在。
操作結(jié)果:對當(dāng)前種群進(jìn)行交叉操作。
Mutation()
初始條件:種群已存在。
對當(dāng)前種群進(jìn)行變異操作。
PerformEvolution()
初始條件:種群已存在且當(dāng)前種群不是第一代種群。
操作結(jié)果:如果當(dāng)前種群的最優(yōu)個體優(yōu)于上一代的最優(yōu)本,則將其賦值給bestindi,否則不進(jìn)行任何操作。
Output()
初始條件:當(dāng)前種群是最后一代種群。
操作結(jié)果:輸出bestindi的表現(xiàn)型以及對象值。
3 遺傳算法的缺點(diǎn)及改進(jìn)
遺傳算法有兩個明顯的缺點(diǎn):一個原因是出現(xiàn)早熟往往是由于種群中出現(xiàn)了某些超級個體,隨著模擬生物演化過程的進(jìn)行,這些個體的基因物質(zhì)很快占據(jù)種群的統(tǒng)治地位,導(dǎo)致種群中由于缺乏新鮮的基因物質(zhì)而不能找到全局最優(yōu)值;另一個主要原因是由于遺傳算法中選擇及雜交變異等算子的作用,使得一些優(yōu)秀的基因片段過早丟失,從而限制了搜索范圍,使得搜索只能在局部范圍內(nèi)找到最優(yōu)值,而不能得到滿意的全局最優(yōu)值[3]。為提高遺傳算法的搜索效率并保證得到問題的最優(yōu)解,從以下幾個方面對簡單遺傳算法進(jìn)行改進(jìn)。
3.1編碼方案
因?qū)崝?shù)編碼方案比二進(jìn)制編碼策略具有精度高、搜索范圍大、表達(dá)自然直觀等優(yōu)點(diǎn),并能夠克服二進(jìn)制編碼自身特點(diǎn)所帶來的不易求解高精度問題、不便于反應(yīng)所求問題的特定知識等缺陷,所以確定實(shí)數(shù)編碼方案替代SGA中采用二進(jìn)制編碼方案[4]。
3.2 適應(yīng)度函數(shù)
采用基于順序的適應(yīng)度函數(shù),基于順序的適應(yīng)度函數(shù)最大的優(yōu)點(diǎn)是個體被選擇的概率與目標(biāo)函數(shù)的具體值無關(guān),僅與順序有關(guān)[5]。構(gòu)造方法是先將種群中所有個體按目標(biāo)函數(shù)值的好壞進(jìn)行排序,設(shè)參數(shù)β∈(0,1),基于順序的適應(yīng)度函數(shù)為:
(1)
3.3 選擇交叉和變異
在遺傳算法中,交叉概率和變異概率的選取是影響算法行為和性能的關(guān)鍵所在,直接影響算法的收斂性。在SGA中,交叉概率和變異概率能夠隨適應(yīng)度自動調(diào)整,在保持群體多樣性的同時保證了遺傳算法的收斂性。在自適應(yīng)基本遺傳算法中,pc和pm按如下公式進(jìn)行自動調(diào)整:
(2)
(3)
式中:fmax為群體中最大的適應(yīng)度值;fave為每代群體的平均適應(yīng)度值;f′為待交叉的兩個個體中較大的適應(yīng)度值;f為待變異個體的適應(yīng)度值;此處,只要設(shè)定k1、k2、k3、k4為(0,1)之間的調(diào)整系數(shù),Pc及Pm即可進(jìn)行自適應(yīng)調(diào)整。本文對標(biāo)準(zhǔn)的遺傳算法進(jìn)行了改進(jìn),改進(jìn)后的遺傳算法對交叉概率采用與個體無關(guān),變異概率與個體有關(guān)。交叉算子主要作用是產(chǎn)生新個體,實(shí)現(xiàn)了算法的全局搜索能力。從種群整體進(jìn)化過程來看,交叉概率應(yīng)該是一個穩(wěn)定而逐漸變小,到最后趨于某一穩(wěn)定值的過程;而從產(chǎn)生新個體的角度來看,所有個體在交叉操作上應(yīng)該具有同等地位,即相同的概率,從而使GA在搜索空間具有各個方向的均勻性。對公式(2)和(3)進(jìn)行分析表明,適應(yīng)度與交叉率和變異率呈簡單的線性映射關(guān)系。當(dāng)適應(yīng)度低于平均適應(yīng)度時,說明該個體是性能不好的個體,對它就采用較大的交叉率和變異率;如果適應(yīng)度高于平均適應(yīng)度,說明該個體性能優(yōu)良,對它就根據(jù)其適應(yīng)度值取相應(yīng)的交叉率和變異率。
當(dāng)個體適應(yīng)度值越接近最大適應(yīng)度值時,交叉概率和變異概率就越小;當(dāng)?shù)扔谧畲筮m應(yīng)度值時,交叉概率和變異概率為零。這種調(diào)整方法對于群體處于進(jìn)化的后期比較合適,這是因?yàn)樵谶M(jìn)化后期,群體中每個個體基本上表現(xiàn)出較優(yōu)的性能,這時不宜對個體進(jìn)行較大的變化以免破壞了個體的優(yōu)良性能結(jié)構(gòu);但是這種基本遺傳算法對于演化的初期卻不利,使得進(jìn)化過程略顯緩慢[6]。因?yàn)樵谘莼跗冢后w中較優(yōu)的個體幾乎是處于一種不發(fā)生變化的狀態(tài),而此時的優(yōu)良個體卻不一定是全局最優(yōu)的,這很容易導(dǎo)致演化趨向局部最優(yōu)解。這容易使進(jìn)化走向局部最優(yōu)解的可能性增加。同時,由于對每個個體都要分別計(jì)算Pc和Pm,會影響程序的執(zhí)行效率,不利于實(shí)現(xiàn)。
對自適應(yīng)遺傳算法進(jìn)行改進(jìn),使群體中具有最大適應(yīng)度值的個體的交叉概率和變異概率不為零,改進(jìn)后的交叉概率和變異概率的計(jì)算公式如式(4)和(5)所示。這樣,經(jīng)過改進(jìn)后就相應(yīng)地提高了群體中性能優(yōu)良個體的交叉概率和變異概率,使它們不會處于一種停滯不前的狀態(tài),從而使得算法能夠從局部最優(yōu)解中跳出來獲得全局最優(yōu)解[7]。
(4)
(5)
其中:fmax為群體中最大的適應(yīng)度值;fave為每代群體的平均適應(yīng)度值;f′為待交叉的兩個個體中較大的適應(yīng)度值;f為待變異個體的適應(yīng)度值;pc1為最大交叉概率;pm1為最大變異概率。
3.4 種群的進(jìn)化與進(jìn)化終止條件
將初始種群和產(chǎn)生的子代種群放在一起,形成新的種群,然后計(jì)算新的種群各個體的適應(yīng)度,將適應(yīng)度排在前面的m個個體保留,將適應(yīng)度排在后面m個個體淘汰,這樣種群便得到了進(jìn)化[8]。每進(jìn)化一次計(jì)算一下各個個體的目標(biāo)函數(shù)值,當(dāng)相鄰兩次進(jìn)化平均目標(biāo)函數(shù)之差小于等于某一給定精度ε時,即滿足如下條件:
(6) 式中,
為第t+1次進(jìn)化后種群的平均目標(biāo)函數(shù)值,
為第t次進(jìn)化后種群的平均目標(biāo)函數(shù)值,此時,可終止進(jìn)化。
3.5 重要參數(shù)的選擇
GA的參數(shù)主要有群里規(guī)模n,交叉、變異概率等。由于這些參數(shù)對GA性能影響很大,因此參數(shù)設(shè)置的研究受到重視。對于交叉、變異概率的選擇,傳統(tǒng)選擇方法是靜態(tài)人工設(shè)置?,F(xiàn)在有人提出動態(tài)參數(shù)設(shè)置方法,以減少人工選擇參數(shù)的困難和盲目性。
4 結(jié)束語
遺傳算法作為當(dāng)前研究的熱點(diǎn),已經(jīng)取得了很大的進(jìn)展。由于遺傳算法的并行性和全局搜索等特點(diǎn),已在實(shí)際中廣泛應(yīng)用。本文針對傳統(tǒng)遺傳算法的早熟收斂、得到的結(jié)果可能為非全局最優(yōu)收斂解以及在進(jìn)化后期搜索效率較低等缺點(diǎn)進(jìn)行了改進(jìn),改進(jìn)后的遺傳算法在全局收斂性和收斂速度方面都有了很大的改善,得到了較好的優(yōu)化結(jié)果。
參考文獻(xiàn)
[1]邢文訓(xùn),謝金星.現(xiàn)代優(yōu)化計(jì)算方法[M].北京:清華大學(xué)出版社,1999:66-68.
[2]王小平,曹立明.遺傳算法理論[M].西安交通大學(xué)出版社,2002:1-50,76-79.
[3]李敏強(qiáng),寇紀(jì)淞,林丹,李書全.遺傳算法的基本理論與應(yīng)用[M].科學(xué)出版社, 2002:1-16.
[4]涂承媛,涂承宇.一種新的收斂于全局最優(yōu)解的遺傳算法[J].信息與控制,2001,30(2):116-138
[5]陳瑋,周激,流程進(jìn),陳莉.一種改進(jìn)的兩代競爭遺傳算法[J].四川大學(xué)學(xué)報(bào):自然科學(xué)版,2003.040(002):273-277.
[6]王慧妮,彭其淵,張曉梅.基于種群相異度的改進(jìn)遺傳算法及應(yīng)用[J].計(jì)算機(jī)應(yīng)用,2006,26(3):668-669.
[7]金晶,蘇勇.一種改進(jìn)的自適應(yīng)遺傳算法[J].計(jì)算機(jī)工程與應(yīng)用,2005,41(18):64-69.
[8]陸濤,王翰虎,張志明.遺傳算法及改進(jìn)[J].計(jì)算機(jī)科學(xué),2007,34(8):94-96
猜你喜歡:
1.數(shù)學(xué)建模相關(guān)優(yōu)秀論文
4.有關(guān)數(shù)學(xué)建模優(yōu)秀論文
5.小學(xué)數(shù)學(xué)建模優(yōu)秀論文
>>>下一頁更多精彩的“數(shù)學(xué)優(yōu)秀論文”