学位论文 > 优秀研究生学位论文题录展示

若干组合优化的智能计算方法与应用研究

作　者: 杨金辉
导　师: 梁艳春
学　校: 吉林大学
专　业: 计算机应用技术
关键词: 车间作业调度问题广义旅行商问题组合优化遗传算法广义染色体蚁群算法核函数主成分分析
分类号: TP183
类　型: 博士论文
年　份: 2008年
下　载: 694次
引　用: 2次
阅　读: 论文下载

内容摘要

本文对用于组合优化的若干智能计算方法进行了理论和应用研究。重点研究了基于克隆选择的Memetic算法对车间作业调度问题的求解,广义染色体遗传算法对旅行商问题的求解,蚁群优化算法对广义旅行商问题的求解,基于核的主成分分析方法对房地产公司绩效的评价等问题。具体内容包括:(1)针对车间作业调度问题,提出了一种基于克隆选择原理的Memetic算法。该算法采用了一种基于操作的编码方法和一种新的重组操作,分别设计了一种基于克隆选择和模拟退火原理的全局搜索和局部搜索方法。(2)对广义染色体遗传算法的特性进行了分析,给出了广义染色体长度的界限和编码空间大小的分析,并验证了广义染色体遗传算法求解经典旅行商问题(Classical Traveling Salesman Problem,CTSP)的可行性。(3)提出了一种用于求解广义旅行商问题的扩展蚁群优化算法。该方法引入了遗传算法中的变异过程和局部搜索技术,以避免算法收敛于局部极小值。(4)提出了主成分分析与自组织映射的混合模型(Principle Components Analysis and Self-Organizing Map, PCA-SOM),该模型首先利用主成分分析(Principal Components Analysis,PCA)建立公司财务状况综合评价模型,然后利用自组织映射网络(Self-Organizing Map,SOM)模型对上述财务状况评价模型的有效性进行检验。最后,将一类非线性映射函数应用于主成分分析中,形成了一种新的核主成分分析(Kernel Principle Components Analysis, KPCA)模型。该模型在上市公司综合绩效评价中取得了较好的应用效果。

全文目录

内容提要  4-8
第一章绪论  8-12
  1.1 选题背景与意义  8-10
  1.2 论文研究内容  10-12
第二章基础知识  12-32
  2.1 遗传算法  14-20
    2.1.1 遗传算法简介  15-17
    2.1.2 GA 基本概念和基本操作  17
    2.1.3 求解TSP 的遗传操作方法  17-20
  2.2 蚁群算法  20-24
    2.2.1 基本蚁群算法的原理  21
    2.2.2 基本蚁群系统模型及其实现  21-23
    2.2.3 蚁群算法研究现状  23-24
  2.3 模拟退火算法  24-27
    2.3.1 模拟退火算法的模型  25-26
    2.3.2 模拟退火算法的参数控制问题  26
    2.3.3 模拟退火算法在局部搜索中的应用  26-27
  2.4 Memetic 算法  27-32
    2.4.1 Memetic 算法简介  27-28
    2.4.2 Memetic 算法描述与实现  28-30
    2.4.3 Memetic 算法研究现状  30-32
第三章车间作业调度问题的智能求解方法  32-53
  3.1 引言  32-33
  3.2 车间作业调度问题  33-36
    3.2.1 车间作业调度问题概述  33-35
    3.2.2 车间作业调度问题的复杂性分析  35-36
  3.3 基于克隆选择的Memetic 算法求解车间作业调度问题  36-48
    3.3.1 算法概述  36-37
    3.3.2 克隆选择算法  37-38
    3.3.3 编码与解码  38-40
    3.3.4 初始群体的生成  40-41
    3.3.5 亲和度函数的设定  41-43
    3.3.6 重组与变异  43-44
    3.3.7 基于模拟退火的局部搜索算法  44-48
  3.4 数值模拟试验及结果  48-52
    3.4.1 参数的设定及其调整  48-49
    3.4.2 仿真结果  49-52
  3.5 本章小结  52-53
第四章（广义）旅行商问题求解  53-74
  4.1 引言  53-55
  4.2 广义染色体遗传算法求解TSP 问题  55-58
    4.2.1 染色体编码长度分析  56
    4.2.2 编码空间分析  56-57
    4.2.3 GCGA 通用性的实验验证  57-58
  4.3 蚁群优化算法求解GTSP 问题  58-65
    4.3.1 蚁群优化算法求解GTSP 问题  58-61
    4.3.2 扩展蚁群算法  61-62
    4.3.3 考虑群体影响的蚁群优化算法  62
    4.3.4 变异操作  62-63
    4.3.5 2-OPT 局部搜索  63-64
    4.3.6 数值模拟  64-65
  4.4 本章小结  65-74
第五章基于核的主成分分析方法及SOM 在上市公司综合绩效评价中的应用  74-97
  5.1 引言  74-76
  5.2 基于主成分分析的上市公司综合绩效评价  76-83
    5.2.1 主成分分析的概念及基本思想  76-77
    5.2.2 主成分分析的数学模型、算法及几何意义  77-82
    5.2.3 综合评价指标的设定  82-83
  5.3 基于核主成分分析的上市公司综合绩效评价  83-93
    5.3.1 核方法简介  83
    5.3.2 基于核的主成分分析  83-86
    5.3.3 综合评价指标的设定  86-87
    5.3.4 利用(核)PCA 对房地产类上市公司进行综合评价  87-93
  5.4 SOM 神经网络检验  93-96
  5.5 本章小结  96-97
第六章全文总结  97-100
参考文献  100-110
攻博期间发表的学术论文及其他成果  110-111
致谢  111-113
中文摘要  113-117
Abstract  117-120

若干组合优化的智能计算方法与应用研究

内容摘要

全文目录

相似论文