摘要：遗传算法是模拟进化论的自然选择和遗传学生物进化过程的模型，模拟一个人工种群的进化过程，并且通过选择、杂交以及变异等机制，种群经过若干代以后，总是达到最优（或近最优）的状态。

本课题首先分析了遗传算法的应用范围（寻路问题，数码问题，囚犯困境，动作控制，找圆心等），其次在函数优化方面求最优解，并且分析了遗传算法的不足之处，介绍了神经网络算法和BP算法，介绍了遗传算法工具箱的使用，编码原则，选择，变异，突变等内容，详细探究了传统BP算法和优化BP算法的异同，并通过实例验证了遗传算法中可行点的判别方法，本课题研究目的已经基本达成。 

关键词：遗传算法；神经网络算法；进化论；BP算法。

目录

摘要

ABSTRACT

1 前言-1

2 遗传算法介绍-2

2.1 遗传算法的一般步骤-2

2.2 基因的编码方式-2

2.3 适应度函数-3

2.4 选择和交叉、变异-3

2.5 遗传和交叉-4

2.6 基因突变(Mutation)-4

3  遗传算法工具箱-5

4  神经网络算法介绍-8

4.1 人工神经网络介绍-8

4.2  BP网络算法介绍-8

4.3 传统的BP算法步骤-8

4.4 改进的BP网络算法步骤-8

5  实例-9

5.1 约束优化问题的遗传算法-9

5.2 直接判别种群的可行性-10

5.3 神经网络方法处理可行点-14

6  结论-16

参 考 文 献

致谢