论文部分内容阅读
遗传算法是一种新兴的技术，是借鉴生物界自然选择和进化机制发展起来的全局的概率搜索算法。本文对遗传算法进行了研究与改进，并结合旅行销售商(TSP)这个著名的NP完全难题，对求解带有约束条件的TSP问题进行了深入的研究。
基于遗传算法的搜索策略目前已经在许多方面得到了成功的应用。如何把遗传算法应用于数据挖掘是近年来的热点，而数据挖掘算法的好坏直接影响到所发现知识的质量，因此挖掘算法是数据挖掘的一个研究重点。本文讨论了遗传算法在数据挖掘中的设计与应用，提出了这种基于精英重组的遗传算法，取得了较好的分类效果。
论文中工作主要有以下几点：
1、本文介绍了简单遗传算法的基本原理、设计方法和基本步骤及其在TSP问题中的应用现状。提出了根据种群中个体的分布情况和个体的多样性判定遗传算法的截止代数。
2、提出了一种改进的双种群遗传算法，应用于求解带软时间窗的TSP问题，通过加入带有时间窗约束条件的惩罚函数，初始化两个种群，分别选择不同的交叉、变异概率。每次迭代后，交换种群间的优势个体所携带的遗传信息，以打破种群内的平衡状态，跳出局部最优解，取得了良好的效果。
3、最后，提出了把双种群遗传算法应用于数据挖掘中的分类系统。并结合人体特征分类系统，给出了特征提取的实例，具有较好的分类预测能力。