摘要:遗传算法（GA）是人工智能中的一个重要的算法，它是以达尔文的“生物进化论”为基础通过模仿生物的进化过程来实现对目标函数的优化。小生境遗传算法是对基本遗传算法的一种改进算法，它的主要思想是将单一种群划分为多个种群，多个种群在进化的过程中同时推进，并在进化进程中按照一定的策略在各个不同种群中交换染色体，以保证个体的丰富性。本文中对小生境遗传算法的基本流程和模式进行了详细介绍，并将小生境遗传算法应用在N-Queen问题和TSP问题等人工智能中的经典问题中。在实验中将传统遗传算法的结果和小生境遗传算法的结果进行比较，多个实验结果表明小生境遗传算法能够有效的解决上述问题。

关键词：小生境；遗传算法；TSP问题；N-Queen问题 

目录

摘要

Abstract

1 绪论-1

1.1 引言-1

1.2 遗传算法的研究现状-1

1.2.1 人工智能-2

1.2.2并行遗传算法的研究-2

1.3论文研究意义-2

1.4 论文的结构安排-3

2 小生境遗传算法-4

2.1 遗传算法的基本概念-4

2.2 遗传算法的原理-4

2.3 遗传算法的操作步骤-5

2.3.1 编码-5

2.3.2 群体的设计-6

2.3.3 遗传算法基本操作-7

2.4 小生境策略-16

2.4.1 迁移-16

2.4.2全局模型 – work/farmer模式-19

2.4.3 扩散模型-19

3 N-Queen问题-20

3.1 小生境GA算法求解N-Queen问题详细过程-20

3.1.1编码-20

3.1.2 个体评价-20

3.1.3 选择-21

3.1.4 交叉-21

3.1.5 变异-21

3.1.6 终止条件-21

3.1.7 实验-21

4 旅行商问题（TSP）-23

4.1 基于小生境GA算法的TSP问题的详细描述-23

4.1.1 计算路径长度-23

4.1.2 选择和交叉-24

4.1.3 基因突变-26

4.1.4 实验-26

结    论-28

参 考 文 献-29

致    谢-30