资料简介：
毕业设计 基于FPGA的进化算法设计——用遗传算法解决TSP问题，共43页,17868字
1 绪论
1.1 引言
现代科学理论研究与实践中存在着大量与优化、自适应相关的问题，但除了一些简单的情况之外，人们对于大型复杂系统的优化和自适应问题仍然无能为力。然而，自然界中的生物却在这方面表现出了其优异的能力，它们能够以优胜劣汰、适者生存的自然进化规则生存和繁衍，并逐步产生出对其生存环境适应性很高的优良物种。遗传算法正是借鉴生物的自然选择和遗传进化机制而开发出的一种全局优化自适应概率搜索算法。遗传算法使用群体搜索技术，它通过对当前群体施加选择、交叉、变异等一系列遗传操作，从而产生出新一代的群体，并逐步使群体进化到包含或接近最优解的状态。由于其具有思想简单、易于实现、应用效果明显等优点而被众多应用领域所接受，并在自适应控制、组合优化、模式识别、机器学习、人工生命、管理策略等领域得到了广泛应用。遗传算法给我们呈现出的是一类通用的算法框架，该框架不依赖于问题的种类。遗传算法是一类具有较强鲁棒性的优化算法，特别是对于一些大型、复杂非线性系统，它更表现出了比其他传统优化方法更加独特和优越的性能。隐含并行性和全局搜索特性是遗传算法的两大显著特征。遗传算法是新发展起来的一门学科，各种理论、方法尚未成熟，有待于进一步地发展和完善，但它却为我们解决许多复杂问题提供了希望。尽管在遗传算法的研究和应用过程中出现许多难题，同时也会产生许多不同的算法设计观点，然而，目前遗传算法的各种应用实践已经展现出了其优异的性能和巨大的发展潜力，它的发展前景激励着各类专业技术人员把遗传算法的理论和方法运用于自己的工作实践中。我们相信，随着研究工作的进一步深入和发展，遗传算法必将在智能计算领域中起到关键作用。货郎担问题(Traveling Salesman Problem ,TSP)，也称为巡回旅行商问题，是一个较古的问题。最早可以追溯到1759年Euler提出的骑士旅行问题。TSP问题是一个典型的、容易描述但是难以处理的NP完全问题，同时TSP问题也是诸多领域内出现的多种复杂问题的集中概括和简化形式。目前求解TSP问题的主要方法有启发式搜索法、模拟退火算法、遗传算法等。
本设计重点是将运用遗传算法的是适应度函数设计、遗传算法的选择、交叉、变异程序设计和硬件部分的编码方法设计等工作。并参与了各个子程序的集成、调试工作， 最后完成系统软件各子模块的集成与调试，在计算机上模拟仿真后，利用Celoxica公司的DK2， Xilinx公司的EDA工具ISE 5.1, 以及Celoxica公司的RC200硬件开发板和生成BCD码在SE-5型EDA实验箱上显示结果，最终在FPGA上实现用Handel-C描述的基于FPGA遗传算法的设计。
......
资料文件预览：
共1文件夹，1个文件，文件总大小：2.27MB，压缩后大小：462.73KB
- 毕业设计-供配电箱变系统设计
272152$wxb1024$论文.doc [2.27MB]
我要下载：供配电箱变系统设计