论文题目：基于三值光学计算机的遗传算法的设计与实现
摘要：三值光学计算机是一种新型光学计算机,这种计算机具有自己独特的优势,比如巨位性、低能耗、并行性等。随着三值光学计算机的发展完善,学者在面对复杂问题时,利用该计算机成为了一种很好的方法和思路。遗传算法是一种经典智能算法,应用领域十分广泛。但是传统的遗传算法在解决复杂的优化组合和函数优化等问题时,存在搜索时间长、收敛速度慢、容易陷入局部最优解等问题。除此之外,遗传算法本身具有并行性,十分易于并行化处理。首先,介绍了遗传算法的基本理论和遗传算法遗传操作的常用方法,讨论了遗传算法并行化的几种模型和遗传算法的特点,为文章后面遗传算法的改进和研究做出了理论上的铺垫。其次,阐述了三值光学计算机的加法和乘法原理、特点和编程方式等内容。为了改善遗传算法的早熟等问题,本文在遗传算法中引入基于自适应概率的自交叉算子,实现了遗传算法的改进。分析遗传算法的并行性,并结合三值光学计算机可以并行运算的特点,设计了基于三值光学计算机的主从式并行遗传算法,给出实现步骤。对基于三值光学计算机的主从式遗传算法和电子计算机上的普通遗传算法的时钟周期进行对比分析,并进行仿真实验。选取旅行商问题进行实验验证,旅行商问题是一个被学术界广泛研究的优化组合问题。实验结果表明,改进的遗传算法在收敛速度和解的质量上有明显的提升。最后,设计了基于三值光学计算机的粗粒度并行遗传算法和基于三值光学计算机的细粒度并行遗传算法,给出实现步骤,并进行仿真实验。选取5个经典的测试函数来测试和比较三种算法性能。实验结果表明,改进的两种遗传算法与普通遗传算法相比在收敛速度上有明显的提升。本文为其它群智能算法的改进提供了新的思路,为三值光学计算机应用的探索提供了新的途径。
关键词：三值光学计算机;并行遗传算法;旅行商问题;函数优化
学科专业：电子信息（计算机技术）（专业学位）
摘要
ABSTRACT
第1章 绪论
1.1 课题来源
1.2 课题的意义及背景
1.3 课题的研究现状
1.3.1 三值光学计算机的研究现状
1.3.2 遗传算法的研究现状
1.4 论文的主要研究内容
1.5 论文结构
第2章 遗传算法基础
2.1 遗传算法组成要素
2.1.1 编码及初始种群的产生
2.1.2 适应度函数
2.1.3 遗传操作
2.2 并行遗传算法
2.3 遗传算法的特点
2.4 本章小结
第3章 基于TOC的主从式并行遗传算法设计与实现
3.1 三值光学计算机相关技术
3.1.1 三值光学计算机简介
3.1.2 MSD加法
3.1.3 MSD乘法
3.1.4 三值光学计算机的编程技术
3.2 遗传算法的并行性分析
3.3 遗传算法的改进
3.4 基于TOC的主从式并行遗传算法的设计
3.5 仿真实验
3.5.1 旅行商问题
3.5.2 实验数据和参数设定
3.5.3 时钟周期和能耗分析
3.5.4 结果与分析
3.6 本章小结
第4章 基于TOC的粗粒度并行遗传算法设计与实现
4.1 基于TOC的粗粒度并行遗传算法设计
4.2 仿真实验
4.2.1 函数优化问题的描述
4.2.2 实验结果及分析
4.3 本章小结
第5章 基于TOC的细粒度并行遗传算法设计与实现
5.1 基于TOC的细粒度并行遗传算法设计
5.2 仿真实验
5.2.1 实验介绍
5.2.2 实验结果
5.2.3 实验结果分析
5.3 本章小结
结语
参考文献
致谢