摘要:交互式遗传算法是一类解决隐式性能指标优化问题的进化优化算法，它将传统的进化机制与人的智能评价相结合，通过人给出进化个体的适应值，代替难以（或无法）显式表示的适应度函数。已有研究结果表明，人的疲劳问题是交互式遗传算法的核心问题。

本文针对上述的问题，采用区间数作为进化个体适应值，通过曲线的拟合建立其模型，并对模型进行检验与更新。在曲线的拟合时，我们首先利用最小二乘法原理进行曲线的拟合，并进行了回归分析，更新模型；然后接着我们对已建立的模型进行了改进，利用极大熵法对数据重新拟合，得到的模型与之前的模型进行了比较，基于极大熵法曲线的拟合更接近我们给出的测试数据。

关键词   交互式遗传算法；极大熵法；区间数

目录

摘要

Abstract

1 绪论-1

1.1问题的提出及研究的意义-1

1.2 国内外研究现状及发展动态分析-1

1.3 存在的不足之处-2

1.4 本文的主要工作-3

2 交互式遗传算法-4

2.1交互式遗传算法-4

2.2交互式遗传算法的起源与发展-4

2.3交互式遗传算法的工作原理-4

2.4本章小结-6

3 曲线拟合-7

3.1问题引入-7

3.2曲线拟合-7

3.2.1线性拟合-7

3.2.2非线性拟合-8

3.3本章小结-9

4基于区间适应值的交互式遗传算法代理模型-10

4.1算法的提出-10

4.2进化个体区间适应值-10

4.3基于区间端点适应值的交互式遗传算法代理模型-11

4.3.1训练数据的获取-11

4.3.2代理模型的选择-12

4.3.3基于代理模型的进化个体适应值-13

4.3.4代理模型的更新-13

4.4算法步骤-13

4.5算法的性能分析-14

4.6模型的应用检验-14

4.7本章小结-16

5基于区间适应值的交互式遗传算法代理模型的改进-17

5.1极大熵函数的导出-17

5.1.1极大熵函数-17

5.2非线性曲线拟合的极大熵法-18

5.3算法步骤-19

5.4改进的模型-19

5.5本章小结-20

结论-22

致谢-23

参考文献-24