导读:本文包含了约束遗传算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,弹道,区间,自适应,自然数,中值,不等式。
约束遗传算法论文文献综述
汤祁忠,李雄,叶茂,孟亮飞,刘浩[1]（2019）在《基于经典遗传算法的末端多约束弹道优化方法》一文中研究指出为了满足现代战争的新要求,增强导弹的飞行弹道性能,提出了一种针对末端多约束的弹道优化方法。在经典遗传算法的基础上,采用直接单重打靶法离散化控制变量,同时基于简化的纵向平面弹道模型,设计了末端多约束弹道的优化方法。在单/双/多性能指标约束下,进行了3个具体算例的仿真,验证了该方法的通用性、可行性和实用性。结果表明:对不同末端约束问题,只需要改变相应性能指标,该方法就能完成末端多约束下的弹道优化工作。该方法对末端多约束弹道优化问题具有一定参考价值,在开展导弹总体方案论证工作时,具有一定借鉴和支撑作用。(本文来源于《战术导弹技术》期刊2019年04期）
王铮,孙雨泽,杨小鹏,龙腾[2]（2019）在《分布式雷达节点位置优化的多约束遗传算法研究》一文中研究指出分布式雷达是近年来国内外广泛关注的一种新体制雷达,具有机动性强、成本低、可靠性高等优点。但是由于分布式雷达节点的稀疏布置,容易产生栅瓣、高旁瓣等问题,严重影响雷达系统性能。本文基于多约束遗传算法提出了一种分布式雷达节点位置优化方法。该方法首先基于约束最小间距对节点位置进行实值映射编码,并对遗传算法的种群进行初始化,然后对种群进行先增广后收缩的选择处理,再根据自适应概率进行交叉和变异处理,最后经迭代实现分布式雷达节点位置的优化设计。该方法不仅能够有效抑制系统栅瓣,还能够满足多约束需求显着降低系统旁瓣电平。与已有方法相比,该方法简单易行、全局搜索能力强。通过仿真验证了所提方法的有效性和稳健性。(本文来源于《信号处理》期刊2019年06期）
梅国浚[3]（2019）在《基于遗传算法和模型约束的漏洞挖掘技术研究与实现》一文中研究指出当前模糊测试技术已成为二进制漏洞挖掘领域的主流技术。随着该技术的发展,目前已有多种智能化技术引入到传统的模糊测试中,以提高测试效率。其中基于模型约束的模糊测试技术能够大大提高生成有效测试样本的概率,但其变异过程缺乏指导,数据变异目标不明确,导致测试效率低下;基于路径反馈的模糊测试技术能够使样本变异具有方向性,但对于具有复杂逻辑校验的目标程序,该方法的代码穿透能力弱。除此之外,以上两种方法均存在代码覆盖率过度依赖初始样本的缺陷,换言之如果初始样本中不存在某些特定的文件结构类型组合,则测试过程中覆盖到相应处理代码块的可能性将会很低。基于以上背景,本文提出一种基于遗传算法和模型约束的漏洞挖掘方法。本方法通过模型约束技术产生有效测试样本,结合基于路径反馈信息的模糊测试技术对数据变异的方向进行指导,并利用遗传算法的优势,不断丰富测试样本中文件结构组合类型的多样性,不断迭代生成高质量测试样本,以提升模糊测试的效率。本文设计并实现了一套基于遗传算法和模型约束的模糊测试框架MogeFuzzer,通过对多款PNG文件格式解析软件的测试表明,相比于传统的基于模型约束的模糊测试方法,本文提出的方法在代码覆盖率和模糊测试效率方面均有明显的提高。截止目前,该框架已经发现了多个二进制高危漏洞,其中有两个已被证明是可进行远程命令执行的超高危漏洞。(本文来源于《北京邮电大学》期刊2019-05-08）
周睿,何利文,唐澄澄,侯小宇,陆钱春[4]（2019）在《基于多目标约束遗传算法的SDN路径增强算法》一文中研究指出SDN控制器的出现有效地解决了传统网络设施僵化等问题,它可以通过自身的网络拓扑模块掌握全局拓扑,并且计算出符合全局最优的网络路径。但是,现如今的网络环境日益复杂,想要计算出可以有效满足带宽、时延、丢包率等约束的路由变得尤为困难,传统的精确算法已经很难满足各种网络业务的需求。实际上计算满足多目标多约束的路径问题本质上属于多目标优化问题(MOP),很难用精确的数学方法解决。所以借助启发式算法的思想,针对该问题,提出了一种改进的多目标约束遗传算法来找到全局最优的路径,在传统遗传算法的基础下根据网络的特性,对初始种群生成的算法进行了改进,使得初始路径满足了大部分的约束条件,实现对传统的计算路径算法的增强及优化的目标。实验结果表明,该算法可以在满足各种业务约束条件的前提下达到多个路径优化目标的效果。(本文来源于《计算机技术与发展》期刊2019年07期）
朱会霞,李微微,李彤煜,刘凤超,张彩虹[5]（2019）在《区间自适应遗传算法优化无约束非线性规划问题》一文中研究指出针对无约束非线性规划传统优化方法存在的问题,将区间自适应遗传算法引入无约束非线性规划优化中,算法可以利用当前进化信息,自适应移动搜索区间,找到全局最优解,故可缩短搜索区间长度,提高编码精度,降低算法计算量,解决了传统遗传算法处理优化问题时,给定区间必须包含最优解这一问题,这也是本算法有别于其他优化算法的独特优势,为某些最优解所在区间难以估计的无约束非线性规划问题的优化提供了一条有效可行的途径.系统阐述了区间自适应遗传算法的原理,给出了算法优化无约束非线性规划问题的步骤,以MatlabR2016b仿真方式对算法进行了实例测试,结果表明,方法是一种计算稳定、正确、有效、可靠实用的无约束非线性规划优化方法.(本文来源于《数学的实践与认识》期刊2019年04期）
张建军,赵玉亮,王玉琢[6]（2018）在《基于遗传算法的多约束网格检查对策问题研究》一文中研究指出综合考虑物品数量以及列容量约束,将隐藏成本与检查概率引入支付函数,建立一种新的多约束的网格检查对策模型.根据矩阵对策性质及Hlder不等式,将对策论问题转化为非线性整数规划问题.提出一个基于遗传算法的模型求解方法,将归一化处理得到的变量进行二进制编码,通过数据变换将问题转化为无约束问题,采用轮盘赌选择、多点交叉及单点变异操作求解模型.仿真结果表明了模型及所提算法的有效性.(本文来源于《数学的实践与认识》期刊2018年24期）
夏双,汤中于,芦楠楠[7]（2018）在《基于混合Steady-state遗传算法的约束车辆路径规划方法》一文中研究指出本文针对约束车辆路径规划问题,采用Steady-state遗传算法构建了带虚设点的多车辆路径自然数编码形式,据此建立了约束车辆路径规划模型。为进一步提高算法收敛最优解的方向及效率,在混合使用各种交叉算子及变异算子基础上,提出了个体进一步优化的两种局部优化算法。仿真实验表明,算法求得的最优解相对已有文献公布的结果更优。(本文来源于《教育现代化》期刊2018年44期）
梁海志,乔东生,李芦钰,张纪刚,欧进萍[8]（2018）在《基于遗传算法的半潜式平台动力定位系统动态约束可行域推力分配法》一文中研究指出半潜式平台动力定位系统,在模块化设计过程中,需通过推力分配方法将控制力分配到各个底层推进器中。针对推力分配问题,为充分考虑推力器的物理性能及可执行性,文中采用推力变化率和转角变化率作为控制参数,建立基于耗能最小的优化模型。分配过程中,为避免推力器间相互作用造成的推力损失,基于推力损失模型,依据干扰程度对系统推力器进行分组,各组中根据上游推力器的推力方向动态设置下游推力器的推力方向可行域,最后利用遗传算法对半潜式平台动力定位推力分配系统进行数值模拟。结果表明:遗传算法易于处理复杂的边界条件,通过动态设置可行域可以增加系统的操作性并有效减小推力损失,提高系统经济性。(本文来源于《船舶力学》期刊2018年10期）
黄建国,陈圣兵[9]（2018）在《多约束条件下基于竞争遗传算法的学习资源推荐算法》一文中研究指出个性化学习资源推荐是在线学习系统的关键技术之一。由于学习资源具有空间大、数据稀疏和多约束等特点,传统的推荐方法难以满足现代教育的要求。本文首先分析了推荐学习资源的约束条件,并建立了约束矩阵来表示学习资源的各项约束值。然后,借鉴生物的种群竞争原理,提出了一种新的竞争遗传算法(CGA),解决经典遗传算法在处理个性化学习资源推荐时出现的早熟问题。当相似个体达到一定的水平时,通过竞争使得相似个体数量不再扩大,为其它类型个体留下进化空间,保证进化多样性。实验结果表明,CGA能够更好地支持多约束的学习资源。(本文来源于《辽宁科技学院学报》期刊2018年04期）
刘波[10]（2018）在《应用遗传算法求解约束P-中值问题》一文中研究指出本文介绍了一种在高性能计算机集群上运行的特定遗传算法,这种算法能近似的解决约束p-中值问题。由于约束p-中值问题已经被证明是NP问题,传统的算法在合理的时间内无法有效地解决它。而使用像遗传算法这样的元启发式算法能近似的解决该问题。为了获得最佳解决方案,我们设计了一种并行算法,并让它在高性能计算集群上运行。(本文来源于《计算机产品与流通》期刊2018年08期）
约束遗传算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
分布式雷达是近年来国内外广泛关注的一种新体制雷达,具有机动性强、成本低、可靠性高等优点。但是由于分布式雷达节点的稀疏布置,容易产生栅瓣、高旁瓣等问题,严重影响雷达系统性能。本文基于多约束遗传算法提出了一种分布式雷达节点位置优化方法。该方法首先基于约束最小间距对节点位置进行实值映射编码,并对遗传算法的种群进行初始化,然后对种群进行先增广后收缩的选择处理,再根据自适应概率进行交叉和变异处理,最后经迭代实现分布式雷达节点位置的优化设计。该方法不仅能够有效抑制系统栅瓣,还能够满足多约束需求显着降低系统旁瓣电平。与已有方法相比,该方法简单易行、全局搜索能力强。通过仿真验证了所提方法的有效性和稳健性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
约束遗传算法论文参考文献
[1].汤祁忠,李雄,叶茂,孟亮飞,刘浩.基于经典遗传算法的末端多约束弹道优化方法[J].战术导弹技术.2019
[2].王铮,孙雨泽,杨小鹏,龙腾.分布式雷达节点位置优化的多约束遗传算法研究[J].信号处理.2019
[3].梅国浚.基于遗传算法和模型约束的漏洞挖掘技术研究与实现[D].北京邮电大学.2019
[4].周睿,何利文,唐澄澄,侯小宇,陆钱春.基于多目标约束遗传算法的SDN路径增强算法[J].计算机技术与发展.2019
[5].朱会霞,李微微,李彤煜,刘凤超,张彩虹.区间自适应遗传算法优化无约束非线性规划问题[J].数学的实践与认识.2019
[6].张建军,赵玉亮,王玉琢.基于遗传算法的多约束网格检查对策问题研究[J].数学的实践与认识.2018
[7].夏双,汤中于,芦楠楠.基于混合Steady-state遗传算法的约束车辆路径规划方法[J].教育现代化.2018
[8].梁海志,乔东生,李芦钰,张纪刚,欧进萍.基于遗传算法的半潜式平台动力定位系统动态约束可行域推力分配法[J].船舶力学.2018
[9].黄建国,陈圣兵.多约束条件下基于竞争遗传算法的学习资源推荐算法[J].辽宁科技学院学报.2018
[10].刘波.应用遗传算法求解约束P-中值问题[J].计算机产品与流通.2018
论文知识图
