协同进化遗传算法的比较研究开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

本课题的意义、国内外研究概况、应用前景等（列出主要参考文献）

本课题的意义：

协同进化（coevolution）一词是1964年ehrlich和rave在《evolution》

2. 研究的基本内容和问题

研究的目标、内容和拟解决的关键问题

研究目标：

以三种改进的协同遗传算法（双精英协同进化遗传算法[6]、m-精英协同进化数值优化算法[7]、个体优势遗传算法）为研究目标，对三种算法主要从从收敛速度和收敛效果两大方向的性能进行比较和分析。在计算机上用19种测试函数对三种协同进化算法进行比较测试，以检测三种算法的优化程度。比较三种算法采用精英策略所发挥的效果。

3. 研究的方法与方案

研究方法、技术路线、实验方案及可行性分析

研究方法及实验方案：

1、从最基础的开始，依次学习传统的遗传算法，精英保留策略，协同遗传算法，基于精英保留策略的协同遗传算法。学习算法的执行流程，针对其中改进的方面进行探讨，研究算法

4. 研究创新点

特色之处

（1）本次毕业设计所要研究的遗传算法，是在已经引进精英保留策略，协同进化思想的基础上进一步对遗传算法进行优化的改进算法，其性能远远高于传统的遗传算法。

（2）在windows上编写程序，用测试函数（多峰多维函数、多模态函数）测试三种算法的性能，以便更直观、更具体的评价算法的优劣性，为遗传算法的优化研究提供有力的数据证明。

5. 研究计划与进展

研究计划及预期进展

（1）2013年12月，查阅相关文献资料和技术档案，学习双精英协同进化遗传算法、m-精英协同进化数值优化算法，研究个体优势遗传算法的程序。

（2）2014年1月，修改个体优势遗传算法的测试函数，实现m精英协同进化遗传算法的仿真。