。众多选民中都有自己的属性。对此将模拟建立个目标状态矩阵其中代表选举的总人数，代表每个人的属性指标，每行代表每个人及其属性，每列为所有被选取代表的属性。选举的具体约束条件如下民族，其满足条件,地域表示被选代表的所属地域，要尽量考虑到不同地域，其应满足,年龄是每个代表的年龄，应满足,职业代表职业通常是有限个，要考虑职业的人数比例，应满足,性别是代表的性别，用户可以根据人口比例和职业特点，确定性别比例，应满足,由实际情况，如果需要增加其他指标可以使预测更加符合实际其中被选定的指标其属性远不止这些，但属性过多会降低预测的成功率，并且结果单，当然些重要指标和属性是必不可少的。数学模型方程表示所选出的人，方程表示选出人的总数，根据合法选民的特征应该满足正态分布或近似正态分布。当设为第个指标分量个数，为指标总数，可有实际用户指定。可以的除方程的个数每个指标都应该满足该模型。在方程中符号的含义表示第个人，表示第个指标，表示指标的第分量取值或表示第个人具有第个指标的第个分量属性，为第个人的年龄，为总人数为人第个指标的第个分量为个指标第分量允许的误差。种有效的遗传算法在求解预测选举中的应用算法求解过程定义,,为项指标相应的优先级参数，为第个指标的分量转移顺序参数。构造适应度函数定义,染色体编码本文将用每个选民代表的类型将对应个子染色体的二进制编码方案，例如全国参加选举的人口有个，每个类型的代表数量为本次选举代表的类型总数，则染色体的长度为，其中共有个子染色体子染色体代表种类型选民的选举情况，染色体可以表示为染色体上每位为或，其中表示不被选为代表，表示被选为选举代表染色体要尽量满足上述的系列条件，其中总人数的约束，地域，民族为必要性约束条件，这里在初始染色体设定时其应满足这三个约束条件，并使其在整个遗传过程中始终满足，这样不但可以保证最终得到正确结果，还可以有效的减少搜索空间。根据实际需要和被选代表的属性特点，可以让染色体满足下条件，其中为被选代表的总人数，,其中为第类型代表的总人数，且被选代表的总人数，为第类型选民的人数。选择，交叉为了产生新的个体，遗传算法仿照生物学中杂交的办法，对染色体的个部位进行交叉换位。常用的交叉算子有单点交叉，多点交叉，均匀交叉，顺序交叉，匹配交叉等。根据在预测选举的问题中的实际情况，有选民总人数，不同类型选民属性的约束。为了使后代满足这两个硬性条件，本文采用了集体交叉的策略，让两个染色体中的对应染色体同属性选民进行集体交叉以产生新的个体，可以满足硬性条件的要求。变异遗传算法是模仿生物学中基因突变的的方法，将个体字符串位符号进行逆变，由变为或由变为，个体是否进行突变及那个部位进行突变，都由事先给定的的概率决定，只有对普通的变异算子进行改进才能适应选举的预测问题。本文设计两种变异算子，种方法称为组内两点变异，即在子染色体中先随机选取个具有与变异位相反的位进行变异，以保持子染色体的平衡。另种称为组内基因互换采用的是在子染色体内以位为中心交换两边基因位的方法。实践中采取两种变异相结合的方法，即在变异时选对个体进行按概率组内两点变异，在按小概率组内基因互换，本文采取了这两种变异相结合的方法，结果表明收敛方式比较好。算法描述用流程图描述如下图算法流程实例模拟根据人口结构属性，例如上述的年龄，性别，民族等等。可有每个国家自己根据情况设定本文针对个国家或地区进行了，初步试验总人数各项指标,我们可以模拟次试验得到种群的平均适应度和最优适应度随遗传代数的变化曲线。图注虚线是种群平均适应度，实线是最优个体适应度图种群的平均适应度和最优个体适应度的变化模拟曲线表几种不同算法结果比较不同方法变化结果简单遗传算法时间随机算法所用时间本方法相对误差简单遗传算法相对误差随机算法相对误差结论上述算法表明，在遗传选择方式上和变异方式上对普通的遗传算法做了些变化，使其更能够适用选举预测问题的实际需要，大大减小实际工作量，降低预测风险。模拟试验结果表明本文提出的算法，容易得到全局最优解，具有可行性，符合实际情况。在选举预测方面有定实际应用价值。该方法可以进步研究，在交叉和变异进行自适应变化，可以取得更好的效果。参考文献,,,,,,李国杰。计算机智能个重要的研究方向，智能计算机基础研究北京清华大学出版社，张文修，梁怡。遗传算法数学基础。西安交通大学出版社,袁亚湘，孙文瑜，最优化理论于方法。北京，科学出版社，邹丽珊，共同进化及其应用研究湘潭大学，郑启富，神经元网络和遗传算法研究及其在化工中的应用浙江大学，刘淳安，无偏好多目标优化进化算法及其应用,西安电子科技大学,张晓波并行遗传算法求解应急系统最短路径的研究，太原理工大学,赵雪平,遗传规划在高速公路联网收费数据处理再利用的研究长沙理工大学,郑武基于遗传算法的商品混凝土配送模型研究，中南大学,于信伟，复杂煤层模拟及连续采煤机构参数优化辽宁工程技术大学,,,,,蒋春暄亚光速和超光速映射理论物理，蒋春暄关于引力本质的探讨北京天文台刊,蒋春暄大统理论参看相对论再思考宋正海等主编，地震出版社将春暄新引力理论和宇宙膨胀理论，攻读硕士期间发表的学术论文张继明，于宪伟种改进的进化规划算法池州学院学报自然科学版已发表于年第期。张继明，于宪伟改进的遗传算法在预测选举中的应用安徽师范大学学报，已投稿。张旭，于宪伟，张继明广义热传导方程的扩展可积系统四川大学学报自然科学版已投稿。张旭，于宪伟，张继明类非线性广义方程族的可积系统中山大学学报自然科学版已投稿。致谢本文的工作是在导师于宪伟老师的悉心指导下完成的。在攻读硕士学位三年中自始至终作者都得到于宪伟导师的指导和教诲，使我在硕士期间收益很大。尤其是于宪伟老师的远见卓识，精深广博的才华学识，严谨治学的科研作风，以及对科学研究的丝不苟，对工作的认真负责，对学生的严格要求，这些都使我终身收益，三年来导师对我的学习和工作倾注了大量心血，正是在导师的教导下使我在学业方面有长足的进步。在此，谨向辛勤培育我的恩师致以深深的谢意和崇高的敬意。忠心的感谢数学系各位领导和老师，研究生院的领导和老师对作者在学习和生活上给予的关心和帮助。感谢师兄张旭，师妹齐美美，班长王晓磊，苏再兴，刘茉和级数学系研究生所有同学给我的学习和生活上的帮助。感谢父母这么多年对我培养,在渤海大学三年的学习生活是那么的难忘。至此临别之际，万语千言化作忠心的感谢，感谢所有帮助我的老师和同学们,肖扬，王骁，刘风新。在线组卷考试研究，北京化工大学学报,,李敏强，寇纪松，林丹等，遗传算法基本理论与应用，北京科学出版社，魏平，张元，种求解组卷问题的遗传算法，宁波大学学报，理工版,,林雪明，张钧良，蒋伟钢，基于知识点的试题库组卷算法的建立，微机发展,郭崇慧，唐焕文，种改进的进化规划算法及收敛性，高等学校计算数学学报胡云昌等求解多峰性函数全局最优解的进化规划算法及其应用研究,中国造船王广东，杨丽，余建星，基于改进进化算法的螺旋桨设计方法研究船舶工程年期。杨皎平，高雷阜，赵宏霞，聚类分析在多极值函数优化中的应用辽宁工程技术大学学报，年期。,,,,石玉等。求解求解多峰性函数全局优化最优解的进化算法及其应用研究,中国造船李敏强，寇纪松，林丹，李书全。遗传算法的基本理论应用。科学出版社,,,,,郝鑫，广义回归神经网络和遗传算法研究及其在化工中的应用浙江大学，张晓伟，混合遗传算法的研究西北大学,,,,,,,,,模拟进化的优化算法，这三种方法统称进化算法简称。其中遗传算法是进化算法中产生最早影响最大应用广泛的个研究方向。进化算法是种基于自然选择和遗传变异等生物进化机制的全局性概率搜索算法。在形式上它也是种迭代算法，从选定初始解出发，通过不断迭代逐步改进当前解，直到得到最优解或满意解。进化算法对优化问题求解具体步骤随机给定组初始解评价当前解的性能根据评价结果，从当前解中选择定数量的解作为基因操作对象对于选择的解进行基因操作，得到组新解对这组解进行评价若满足终止条件，则停止计算，否则转到进化算法是种随机性搜索方法，他的特点是群体搜索性进化算法的搜索过程是从组初始点开始搜索而不是从个初始点开始搜索。这能有效的跳出局部极值点，以最大的概率找到整体最优解。通用性进化算法只使用解的使用性信息，不需要传统的导数信息，因此算法适用性广泛。算法的形式简单明了不仅便于与其他方法结合，而且适用与其他方法并行计算，可以有效的解决复杂的优化问题。鲁棒性对同个问题的进化算法的多次求解中得到结果是相似的。下面我们介绍下几种不同进化算法遗传算法年在其文献中提出了所谓的监控程序的概念，他意识到利用群体进行进化比单个个体的进化效果显著，并引进了选择