1. 研究目的与意义（文献综述）

1.1背景资料

遗传算法（genetic algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度（fitness）大小选择（selection）个体，并借助于自然遗传学的遗传算子（geneticoperators）进行组合交（crossover）和变异（mutation），产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解（decoding），可以作为问题近似最优解。

1.2国内外研究现状分析（文献查阅报告）

2. 研究的基本内容与方案

2.1 目标

设计开发遗传算法演示系统，包括交互式界面，函数极限问题求解及过程展示，tsp问题求解及过程展示。

2.2基本内容(系统要完成的功能，例如功能结构图，和详细的功能描述)

3. 研究计划与安排

经过仔细的分析和研究，现把毕业设计的进度做如下大概的安排：

(1)1-2周：理解毕业设计要求，收集、查阅相关资料。

(2)3-5周：根据软件工程学的方法，进行系统分析和设计,提交系统总体设计方案。并完成英文资料的翻译。

4. 参考文献（12篇以上）

1.蔡自兴等 人工智能及其应用[m] 第5版 清华大学出版社 2016.7

2.王勇臻等 求解多旅行商问题的改进分组遗传算法[j] 电子与信息学报 2017 第39卷 第1期 p198-205 1009-5896

3.马永杰等 遗传算法研究进展[j] 计算机应用研究 2012 第4期 p1201-1206，1210 1001-3695