隨著科技的發(fā)展,智能算法的研究飛速發(fā)展起來(lái).由于智能算法大多是模擬了自然過(guò)程,因此或多或少存在一些缺陷.為了提升其性能,取長(zhǎng)補(bǔ)短,很多混合算法應(yīng)運(yùn)而生.將遺傳算法與傳統(tǒng)算法相結(jié)合構(gòu)造的混合算法就是其中的一種.L-M（Levenberg-Marquardt）算法是一種解優(yōu)化問(wèn)題的傳統(tǒng)算法,它的結(jié)構(gòu)簡(jiǎn)單,適用范圍廣,一些學(xué)者用它構(gòu)造混合遺傳算法,求解非線性方程組和函數(shù)優(yōu)化問(wèn)題.而互補(bǔ)問(wèn)題作為一種優(yōu)化問(wèn)題,可以轉(zhuǎn)化為非線性方程組,進(jìn)而轉(zhuǎn)化為優(yōu)化問(wèn)題.因此本文主要針對(duì)解互補(bǔ)問(wèn)題研究如何用L-M算法改進(jìn)遺傳算法.第1章介紹互補(bǔ)問(wèn)題的算法研究歷程和遺傳算法的改進(jìn)方向.第2章介紹互補(bǔ)問(wèn)題進(jìn)行等價(jià)轉(zhuǎn)化的方法,以及遺傳算法和L-M算法的運(yùn)算流程.第3章至第5章主要結(jié)合線性互補(bǔ)問(wèn)題和水平線性互補(bǔ)問(wèn)題的六個(gè)算例,分別用遺傳算法、L-M算法以及利用L-M算法改進(jìn)后的遺傳算法進(jìn)行數(shù)值實(shí)驗(yàn),并選用其中三個(gè)不同類型的算例詳細(xì)介紹了精確解的求解過(guò)程和轉(zhuǎn)化為等價(jià)的非線性方程組的過(guò)程.第3章借助謝菲爾德（Sheffield）遺傳算法工具箱,將求最值的通用遺傳算法簡(jiǎn)化為求最小值的遺傳算法,并進(jìn)行數(shù)值實(shí)驗(yàn),使得計(jì)算結(jié)果精度更... 

【文章來(lái)源】：長(zhǎng)春工業(yè)大學(xué)吉林省

【文章頁(yè)數(shù)】：54 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

算例1適應(yīng)度進(jìn)化曲線

第3章解互補(bǔ)問(wèn)題的遺傳算法15表3-1遺傳算法運(yùn)算結(jié)果算例迭代次數(shù)計(jì)算結(jié)果誤差值算例11000（2.7466e-04，1.5000，0，1.0000，1.9074e-06，0.5000）1.0459e-11算例2141（9.5368e-7，0，0，0，1）0算例3281（0，0，0，0，9.5368e-07，0，0，0，0，1.0000）0算例41000（0.3572，0.4286，0.3571）1.6068e-08算例51000（0.3750，0.4717，0.5000，0.5020，0.5010，0.5000，0.5000，0.4922，0.4685，0.3750）0.0026算例61000（0.7500，2.0000，0.2500，2.0000）3.5150e-10適應(yīng)度進(jìn)化情況如圖3.1—3.6所示.圖3.1算例1適應(yīng)度進(jìn)化曲線圖3.2算例2適應(yīng)度進(jìn)化曲線圖3.3算例3適應(yīng)度進(jìn)化曲線

第3章解互補(bǔ)問(wèn)題的遺傳算法15表3-1遺傳算法運(yùn)算結(jié)果算例迭代次數(shù)計(jì)算結(jié)果誤差值算例11000（2.7466e-04，1.5000，0，1.0000，1.9074e-06，0.5000）1.0459e-11算例2141（9.5368e-7，0，0，0，1）0算例3281（0，0，0，0，9.5368e-07，0，0，0，0，1.0000）0算例41000（0.3572，0.4286，0.3571）1.6068e-08算例51000（0.3750，0.4717，0.5000，0.5020，0.5010，0.5000，0.5000，0.4922，0.4685，0.3750）0.0026算例61000（0.7500，2.0000，0.2500，2.0000）3.5150e-10適應(yīng)度進(jìn)化情況如圖3.1—3.6所示.圖3.1算例1適應(yīng)度進(jìn)化曲線圖3.2算例2適應(yīng)度進(jìn)化曲線圖3.3算例3適應(yīng)度進(jìn)化曲線

【參考文獻(xiàn)】：
期刊論文
[1]線性互補(bǔ)問(wèn)題解存在的一個(gè)正則性條件[J]. 姜興武,姜舶洋,王秀玉.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2019(03)
[2]基于改進(jìn)的遺傳算法在函數(shù)優(yōu)化中的應(yīng)用[J]. 閆春,厲美璇,周瀟.  計(jì)算機(jī)應(yīng)用研究. 2019(10)
[3]求解線性互補(bǔ)問(wèn)題的Levenberg-Marquardt型算法[J]. 劉志敏,杜守強(qiáng),王瑞瑩.  應(yīng)用數(shù)學(xué)學(xué)報(bào). 2018(03)
[4]GA與PSO的混合研究綜述[J]. 李紅亞,彭昱忠,鄧楚燕,龔道慶.  計(jì)算機(jī)工程與應(yīng)用. 2018(02)
[5]非線性互補(bǔ)問(wèn)題的凝聚同倫方法[J]. 徐維華,王秀玉,姜舶洋.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2017(24)
[6]線性互補(bǔ)問(wèn)題解存在的一個(gè)條件[J]. 劉銘,王明明,王秀玉.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2017(01)
[7]解非線性互補(bǔ)問(wèn)題的光滑牛頓方法[J]. 俞昊東.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2016(23)
[8]非線性互補(bǔ)問(wèn)題的兩種數(shù)值解法[J]. 周光輝,張從軍,張成虎,王月虎.  數(shù)學(xué)雜志. 2016(04)
[9]解非線性方程組的擬牛頓混合遺傳算法[J]. 何俊紅,趙天緒.  西北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(03)
[10]水平互補(bǔ)問(wèn)題二次優(yōu)化求解[J]. 王秀玉,李維娜.  長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào). 2015(01)

碩士論文
[1]線性與非線性互補(bǔ)問(wèn)題的若干算法[D]. 李歡歡.中南大學(xué) 2014
[2]求解非線性問(wèn)題的混合遺傳算法研究[D]. 葉海.福建師范大學(xué) 2009



本文編號(hào)：3288534