本书介绍了智能优化算法中的RNA遗传算法，包括RNA遗传算法、具有茎环操作的RNA遗传算法、受蛋白质启发的RNA遗传算法、信息熵动态变异概率的RNA遗传算法、自适应策略的RNA遗传算法、发夹交叉操作RNA遗传算法的桥式吊车支持向量机建模和发夹变异操作RNA遗传算法的桥式吊车神经网络建模方法。本书体现了作者在RNA遗传算法及应用方面的部分研究工作。
更多科学出版社服务，请扫码获取。
目录
前言
外文缩写对照列表
第1章 绪论 1
1.1 基本遗传算法 1
1.2 遗传算法的特点 2
1.3 遗传算法的研究进展 4
1.3.1 遗传算法的理论研究 4
1.3.2 遗传算法的编码问题 5
1.3.3 求解约束问题的遗传算法 6
1.3.4 混合遗传算法 7
1.3.5 融合分子操作的遗传算法 7
1.3.6 多目标遗传算法 8
1.4 遗传算法的系统建模 10
1.5 本书的主要内容 11
参考文献 12
第2章 RNA遗传算法 17
2.1 引言 17
2.2 RNA-GA 18
2.2.1 RNA编码和解码 18
2.2.2 RNA序列基本操作算子 19
2.2.3 基本遗传算法 20
2.2.4 RNA遗传算法及操作算子 20
2.2.5 RNA-GA算法实现步骤 23
2.3 RNA-GA全局收敛性分析 23
2.4 RNA-GA性能分析 26
2.4.1 测试函数 26
2.4.2 RNA-GA参数适应性分析 29
2.4.3 RNA-GA与SGA寻优对比研究 31
2.5 小结 37
参考文献 38
第3章 具有茎环操作的RNA遗传算法 40
3.1 引言 40
3.2 srRNA-GA 41
3.2.1 编码和解码 41
3.2.2 选择操作 41
3.2.3 相似剔除操作 42
3.2.4 交叉操作 42
3.2.5 变异操作 44
3.2.6 简单局部搜索 44
3.2.7 srRNA-GA的实现步骤 45
3.3 测试函数寻优实验 46
3.3.1 测试函数 46
3.3.2 实验结果和分析 46
3.4 小结 50
参考文献 50
第4章 受蛋白质启发的RNA遗传算法 52
4.1 引言 52
4.2 PIRNA-GA 52
4.2.1 编码和解码 52
4.2.2 选择操作 54
4.2.3 交叉操作 55
4.2.4 变异操作 57
4.2.5 PIRNA-GA算法的实现 59
4.3 测试函数寻优实验 60
4.3.1 测试函数 60
4.3.2 计算结果与分析 61
4.4 小结 66
参考文献 67
第5章 信息熵动态变异概率的RNA遗传算法 69
5.1 引言 69
5.2 edmpRNA-GA 70
5.2.1 编码方式 70
5.2.2 选择操作 70
5.2.3 交叉操作 70
5.2.4 变异操作 70
5.2.5 edmpRNA-GA算法实现过程 72
5.3 约束处理 74
5.4 测试函数寻优实验 75
5.4.1 测试函数 75
5.4.2 寻优结果与分析 77
5.5 小结 79
参考文献 80
第6章 自适应策略的RNA遗传算法 82
6.1 引言 82
6.2 ARNA-GA 83
6.2.1 编码方式 83
6.2.2 遗传操作自适应策略 83
6.2.3 选择算子 85
6.2.4 交叉算子 85
6.2.5 变异算子 85
6.2.6 终止条件 87
6.2.7 ARNA-GA算法的实施步骤 87
6.3 测试函数寻优实验与结果分析 88
6.3.1 测试函数 88
6.3.2 参数设置 89
6.3.3 实验结果与分析 89
6.4 小结 93
参考文献 93
第7章 发夹交叉操作RNA遗传算法的桥式吊车支持向量机建模 95
7.1 引言 95
智能优化算法：RNA遗传算法
viii
7.2 最小二乘支持向量机 96
7.3 发夹交叉操作RNA遗传算法 97
7.3.1 编码和解码 97
7.3.2 交叉算子 97
7.3.3 变异算子 99
7.3.4 选择算子 99
7.3.5 算法的实现步骤 99
7.4 桥式吊车支持向量机建模方法和仿真实验结果 101
7.5 小结 104
参考文献 104
第8章 发夹变异操作RNA遗传算法的桥式吊车神经网络建模 106
8.1 引言 106
8.2 RBF 神经网络 107
8.3 发夹变异操作的RNA遗传算法 108
8.3.1 编码和解码 108
8.3.2 交叉算子 108
8.3.3 变异算子 108
8.3.4 选择算子 109
8.3.5 算法的实现步骤 109
8.4 神经网络桥式吊车建模方法与仿真实验结果 111
8.5 小结 115
参考文献 115
书单推荐
