导读:本文包含了多种群进化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,多种,模型,动态,测试,常数,频谱。
多种群进化论文文献综述
陈昊,许春蕾,黎明,张聪炫[1]（2019）在《基于动态区域划分的多种群进化算法》一文中研究指出针对多种群进化算法中解空间无法准确划分的问题,在进化过程中利用云模型估计优化问题.根据云估计与原问题的差异动态划分解空间;采用聚类算法构建多个子种群,并设计异构进化策略;对区域划分的有效性进行理论分析,证明划分方法能准确缩小搜索空间.实验分析表明:所提出的划分策略既可降低优化问题难度,又能提高算法的有效性与可行性.(本文来源于《应用科学学报》期刊2019年01期）
张娜,胡国亨,金瑜婷,史佳炳,包晓安[2]（2018）在《基于多种群进化算法的测试用例优先级排序研究》一文中研究指出为了提升软件测试的效率,加快软件研发的进度,提出了一种基于多种群进化的测试用例排序算法。该算法首先针对单种群遗传算法容易产生早熟收敛的问题,提出了一种多种群并行进化模型,以增强算法的全局寻优能力;然后根据该模型,结合软件需求覆盖和软件缺陷检测率,综合考虑代码覆盖率、测试用例设计信息和历史执行信息叁个方面的因素,提出了一种动态调整测试用例优先级的计算方法。实验结果表明:与传统的面向单一目标覆盖的测试用例优先级排序算法相比,该算法的测试速率和软件缺陷检测能力得到一定的提升。(本文来源于《浙江理工大学学报(自然科学版)》期刊2018年02期）
王俊铭,刘佳琦,陈志刚,郭霖[3]（2016）在《基于多种群进化与粒子群优化混合的频谱分配算法》一文中研究指出为了解决认知无线网络中的频谱分配问题,提出一种基于多种群进化与粒子群优化混合的频谱分配算法。它采用图论着色模型,首先使用遗传算法将多个种群进行独立进化,以提高种群的全局搜索能力;然后选出每个种群中的最优的个体作为粒子群优化的粒子,并通过控制每个粒子的初始速度方向来加快算法的收敛速度。最后以系统总收益最大化和用户间的公平性为优化目标与遗传算法和粒子群算法进行了对比实验,仿真结果表明,该算法在收敛速度、认知用户接入公平性和系统总收益3个方面的性能均优于遗传算法和粒子群算法。(本文来源于《计算机科学》期刊2016年04期）
刘树勇,李娜,曾鸣,王磊,刘丽霞[4]（2016）在《基于改进的混合多种群进化算法的城市能源系统供需优化方法研究》一文中研究指出对城市能源系统供需优化方法进行研究。首先,以能源系统总成本最小为目标,建立考虑多类能源规划约束条件的城市能源系统供需优化模型;其次,引入改进的混合多种群进化算法,确定模型的寻优流程;最后,采用终端能源消费预测模型的相关结果作为需求约束量,将模型应用于T市进行算例分析。算例结果表明,应用所构建模型获取的未来规划期内最优能源供应结果,满足城市能源相关政策文件要求,能够有效引导T市能源供应向清洁、可持续化方向发展。(本文来源于《电力建设》期刊2016年01期）
钱程[5]（2015）在《面向多峰优化问题的多种群进化算法研究》一文中研究指出很多科学计算和工程优化问题总是存在着多个最优解,这类问题可以被称为多峰优化问题,在解决这类多峰优化问题时决策者往往需要优化算法能够提供尽可能多的最优解。近年来,进化算法开始被广泛应用于多峰优化问题的求解中,其中多种群策略是进化算法在多峰优化领域中所采用的一种有效策略。本文采纳系统工程的理论与方法,通过对现有多种群策略在不同多峰优化环境中的实验研究,分析它们的优劣点,进而提出更为有效的多种群策略,以改善进化算法在多峰优化问题中的性能。具体的研究内容包括:1)对相关研究工作进行概述。对求解静态多峰优化问题和动态多峰优化问题的进化算法的研究现状分别进行综述,此外还对粒子群优化算法进行简单介绍。2)对求解静态多峰优化问题的进化算法进行研究。以两个经典多种群进化算法—SPSO和CPSO为对象,通过一系列仿真实验分析这两种算法所采用的多种群构造策略(Species机制和Cluster机制)在求解静态多峰优化问题时的优势和缺点;进而通过结合Species机制和Cluster机制的特点,提出一种更为有效的多种群构造策略,并通过仿真实验对所提出的新型多峰优化算法的有效性进行检验。3)对求解动态多峰优化问题的进化算法进行研究。以叁个经典的动态优化算法—QSO、SPSO和SAMO为对象,通过一系列仿真实验分析种群数量对动态优化算法求解动态多峰优化问题的影响程度;进而提出一种鲁棒的自适应多种群策略,并通过仿真实验检验所提出的改进算法求解动态多峰优化问题的性能。(本文来源于《东北大学》期刊2015-06-01）
陈昊,黎明,陈曦[6]（2012）在《动态环境下基于预测机制的多种群进化算法》一文中研究指出提出一种动态环境下基于预测机制的多种群进化算法,将预测机制引入到动态进化算法的研究中,对算法所得的某些信息进行记忆,根据记忆序列构建预测模型,当环境发生变化时能够通过预测模型对动态环境进行预先判断.算法采用自组织侦查的多种群策略,多个子种群对搜索子空间进行局部搜索,主种群用于确定新的搜索子空间.在子种群的自适应调整、子种群间的拥挤操作等方面进行了改进,根据子种群所跟踪的最优解位置信息构建预测模型,当环境发生变化时通过预测及子种群的进化实现对动态环境的自适应跟踪.以移动峰问题为测试对象,实验结果表明新算法具有良好的处理动态问题的能力.(本文来源于《小型微型计算机系统》期刊2012年04期）
陈珍珍[7]（2012）在《疾病对多种群进化影响的研究》一文中研究指出本篇学位论文研究疾病对多种群进化的影响.首先,把疾病引入到多种群模型中,建立了一类感染疾病的捕食被捕食模型,分析了模型的长期动力学行为,并给出了对应的数值模拟图.然后,用两种离散化方法对拥有内部平衡点的3维K-型竞争Lotka-Volterra模型进行离散化,分析离散化后的模型在平衡点附近的局部动态行为,得到结果：3维离散化K-型竞争Lotka-Volterra模型与其相对应的连续模型不是动态一致的.本论文共分为四章.第一章,介绍了几类种群动力学模型的历史背景、研究发展状况以及本文的主要工作.第二章,研究了一类感染疾病的捕食-被捕食模型.把疾病引入到多种群模型中,建立了一类感染疾病的捕食被捕食模型,分析了模型的长期动力学行为.得到了易感者存活或易感者与感染者共存、易感者与捕食者共存或叁者共存的充分条件,并给出了对应的数值模拟图.第叁章,研究了3维离散K-型竞争Lotka-Volterra模型.用两种离散化方法对拥有内部平衡点的3维K-型竞争Lotka-Volterra模型进行离散化,分析离散化后的模型在平衡点附近的局部动态行为,得到了结果：3维离散K-型竞争Lotka-Volterra模型与其相对应的连续模型不是动态一致的.第四章,结论和展望.(本文来源于《鲁东大学》期刊2012-04-02）
吕卉,周聪,邹娟,郑金华[8]（2010）在《基于多种群进化的遗传算法》一文中研究指出针对单个种群的遗传算法容易陷入局部收敛而出现早熟的情况,提出了一种新的多种群遗传算法,用多线程并行处理的方法实现种群之间同步进化。实验证明,基于多种群的遗传算法能够有效地避免局部收敛问题,通过与简单遗传算法进行比较,所提出的新算法不仅收敛速度快,而且收敛效率高,是一种可行、有效的算法。(本文来源于《计算机工程与应用》期刊2010年28期）
谢能刚,潘创业,李锐,王璐[9]（2010）在《基于多种群进化算法的多目标并行博弈设计》一文中研究指出针对多目标决策问题,提出一种基于多种群进化算法的多目标并行博弈设计方法,利用Fortran语言编制了相应计算程序.将多目标设计问题描述为博弈问题,在博弈分析中,根据各博弈方在博弈次序和过程上具有同时性和独立性,采用并行计算技术.在以MPI为平台的集群环境中实现数值算例、补偿滑轮组变幅机构、拱型结构的多目标并行博弈设计.计算分析结果显示:该方法的计算精度高、收敛速度快、可以防止早熟、有较好的平衡负载能力,可有效求解多目标问题.(本文来源于《数值计算与计算机应用》期刊2010年02期）
李军华[10]（2009）在《基于知识和多种群进化的遗传算法研究》一文中研究指出遗传算法是基于进化过程中的信息遗传机制和优胜劣汰的自然选择原则的全局概率搜索算法,具有良好的鲁棒性、全局收敛性和隐含并行性。但是,传统遗传算法本身并没有形成明确的知识体系,不能利用搜索空间的局部信息指导搜索,导致收敛速度缓慢,局部搜索能力差,存在早熟收敛等现象。引入问题的相关知识来改善遗传算法搜索效果,并利用遗传算法已有的经验以及能反映进化本质的知识来指导进化,提高算法的寻优效果和效率,将使问题获得更好的解决。基于这一认识,本文将问题域知识、进化过程知识和多种群进化机制引入遗传算法,形成基于知识和多种群进化的遗传算法。本文的主要工作和成果如下:(1)在遗传算法中引入问题相关解,研究结果表明引入的知识与问题之间的相关程度越高对问题的求解的帮助越大。本文提出基于个体相似性的自适应遗传算法,加大不相似个体之间的交叉率,可以保证群体多样性,从而改善算法的全局搜索能力,而降低相似个体之间的交叉概率,则可以节约计算资源,提高运算速度。(2)在深入分析了种群的多样性的基础上,提出了基于种群多样性的动态种群规模遗传算法。该算法在进化过程中减小种群规模,而当进化到多样性缺少阶段时则加大种群规模而构造出的一种局部搜索能力和全局搜索能力都较强的算法。实验表明该方法不易陷入局部收敛,不仅具有很强的跳出局部极值的能力,且收敛速度较快。(3)借鉴自然界中的种群分工现象,提出了遗传机制不同的双种群遗传算法和叁种群遗传算法,在不同的子种群中,采用不同的策略控制进化过程,具有均衡算法的局部搜索能力和全局探索能力。实验表明采用不同遗传机制的多物种进化机制有助于增加遗传算法搜索到最优个体的概率,抑制算法的早熟收敛。(4)借鉴物种进化中多物种进化的现象适应,提出基于聚类的并行遗传算法,对所有进化个体进行聚类分析,不同聚类簇采用不同的进化策略。本文对该算法的收敛性进行了理论证明,同时实验结果表明该算法搜索到全局最优解的概率有很大提高,同时较好地保持种群多样性。(5)对噪声环境下的遗传算法进行了深入的研究,采用信号滤波中的非线性滤波方法计算个体目标函数值,有效减小噪声对适应度评价的影响。提出了两个新的评价指标——平均收敛精度和最优解分布标准差,实验说明这两个新的指标可以有效反映算法在噪声环境下的优化性能。将基于聚类的并行遗传算法应用于噪声环境下的优化问题,结果表明基于聚类的并行遗传算法能有效抑制噪声的影响。(本文来源于《南京航空航天大学》期刊2009-12-01）
多种群进化论文开题报告
（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：
为了提升软件测试的效率,加快软件研发的进度,提出了一种基于多种群进化的测试用例排序算法。该算法首先针对单种群遗传算法容易产生早熟收敛的问题,提出了一种多种群并行进化模型,以增强算法的全局寻优能力;然后根据该模型,结合软件需求覆盖和软件缺陷检测率,综合考虑代码覆盖率、测试用例设计信息和历史执行信息叁个方面的因素,提出了一种动态调整测试用例优先级的计算方法。实验结果表明:与传统的面向单一目标覆盖的测试用例优先级排序算法相比,该算法的测试速率和软件缺陷检测能力得到一定的提升。
（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。
多种群进化论文参考文献
[1].陈昊,许春蕾,黎明,张聪炫.基于动态区域划分的多种群进化算法[J].应用科学学报.2019
[2].张娜,胡国亨,金瑜婷,史佳炳,包晓安.基于多种群进化算法的测试用例优先级排序研究[J].浙江理工大学学报(自然科学版).2018
[3].王俊铭,刘佳琦,陈志刚,郭霖.基于多种群进化与粒子群优化混合的频谱分配算法[J].计算机科学.2016
[4].刘树勇,李娜,曾鸣,王磊,刘丽霞.基于改进的混合多种群进化算法的城市能源系统供需优化方法研究[J].电力建设.2016
[5].钱程.面向多峰优化问题的多种群进化算法研究[D].东北大学.2015
[6].陈昊,黎明,陈曦.动态环境下基于预测机制的多种群进化算法[J].小型微型计算机系统.2012
[7].陈珍珍.疾病对多种群进化影响的研究[D].鲁东大学.2012
[8].吕卉,周聪,邹娟,郑金华.基于多种群进化的遗传算法[J].计算机工程与应用.2010
[9].谢能刚,潘创业,李锐,王璐.基于多种群进化算法的多目标并行博弈设计[J].数值计算与计算机应用.2010
[10].李军华.基于知识和多种群进化的遗传算法研究[D].南京航空航天大学.2009
论文知识图
