摘要:遗传算法是计算机科学中的一个广泛使用的算法，它是以达尔文的生物进化论为基础通过模仿染色体的进化过程来实现对目标函数的优化。混合遗传算法是对标准遗传算法的一种改进算法，它的主要思想是把其他具有较强局部搜索能力的算法与遗传算法有效地结合起来，从而形成一个新的混合算法。本文对混合遗传算法的基本流程进行了详细介绍，并将混合遗传算法应用在Group Travel问题和Flow Shop问题这两个计算机科学的经典问题中。实验结果表明混合遗传算法能很有效的解决上述问题。 

 

关键词：混合遗传算法；爬山法； Group Travel问题；Flow Shop问题

 

目录

摘要

Abstract

1 绪论-1

2 混合遗传算法-2

2.1 遗传算法-2

2.1.1 遗传算法的概要-2

2.1.2 染色体和基因-3

2.1.3 初始种群的生成-3

2.1.4 遗传算法的操作-3

2.1.5 适应度计算-6

2.1.6 退出条件-6

2.2 爬山法-6

2.3 模拟退火算法-7

2.4 混合遗传算法-8

2.4.1 混合遗传算法的概念-8

2.4.2 混合遗传算法的流程-9

3 Group Travel问题-10

3.1 定义问题-10

3.2 具体案例-10

3.2.1 编码-10

3.2.2 解码-11

3.3 爬山法-11

3.4 模拟退火法-12

3.5 混合遗传算法-14

3.5.1 适应度计算-14

3.5.2 初始种群的生成-14

3.5.3 选择-15

3.5.4 交叉-16

3.5.5 变异-16

3.5.6 终止条件-16

3.5.7 结果-16

4 Flow Shop问题-18

4.1 定义问题-18

4.2 具体案例-18

4.2.1 编码-19

4.2.2 解码-19

4.3 适应度计算-20

4.4 初始种群的生成-21

4.5 选择-21

4.6 交叉-21

4.6.1 单点交叉-21

4.6.2 两点交叉-22

4.6.3 均匀交叉-23

4.7 变异-24

4.7.1 基本变异-24

4.7.2 均匀变异-24

4.7.3 自适应变异算子-25

4.8 退出条件-25

4.9 结果-25

结    论-27

参 考 文 献-28

致    谢-29