导读:本文包含了小种群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,种群,车间,方差,水平线,作业,牦牛。
小种群遗传算法论文文献综述
刘志海,薛媛,周晨,柏海龙,崔鑫龙[1]（2019）在《基于遗传算法的机器人路径规划的种群初始化改进》一文中研究指出针对遗传算法应用于机器人路径规划问题时随机生成初始种群的盲目性,对初始化算法进行了改进。首先在起点和终点所在行之间的各栅格行中随机选择一个自由栅格以保证路径的无障碍性,由于这些栅格组成的路径不连续,故设计了中点连接法连接间断点,最后对路径进行简化以避免重复路径。将此算法与文献[8]的自适应遗传算法在相同环境下仿真,实验结果表明:改进种群初始化的遗传算法能有效提高解的质量,提高进化速度。(本文来源于《机床与液压》期刊2019年21期）
李杨帆[2]（2018）在《基于双种群遗传算法的L公司生产线平衡问题研究》一文中研究指出本文通过对L公司连接器线圈生产线平衡问题的研究,根据客户需求及生产情况,建立生产平衡率最优及均衡指数最低的多目标优化数学模型,在Matlab环境下进行双种群遗传算法设计,实现工作站负荷均衡,节省生产成本,消除作业间生产过剩。(本文来源于《价值工程》期刊2018年33期）
周帅,黄宗南[3]（2018）在《基于改善初始种群的免疫遗传算法优化JSP问题》一文中研究指出合理安排加工任务可以最大化的利用设备。针对单件车间问题采用免疫遗传算法进行求解,设计了具体的初始种群改善方法,将采用能动法和无延迟法生成个体替换随机初始种群中适应度最低的个体的方法融入到初始种群生成过程,提高初始种群质量。通过标准案例测试,与无改善初始种群的算法比较,表明了改善算法的良好求解性能。(本文来源于《计量与测试技术》期刊2018年05期）
薛愈洁[4]（2018）在《基于非随机初始种群遗传算法的学习分类器系统》一文中研究指出学习分类器系统能够通过简单位串规则的学习有效地引导个体在一个环境中的行为。通过分析基于遗传算法的学习分类器系统的实现原理,提出一种以规则为基础的分类系统,借助训练数据集来实现类别的精确描述,并以数据挖掘中的基准数据鸢尾花卉数据集作为应用对象,实现学习分类器中的消息与分类器系统匹配、桶队列算法信用分配以及基于遗传算法的规则发现。仿真结果表明,通过学习分类器系统优化后,鸢尾花分类的精度好于单个算法的精度。(本文来源于《计算机时代》期刊2018年03期）
孙佳正,郭骏[5]（2018）在《改进的双种群遗传算法在矩形件排样中的应用》一文中研究指出在矩形件排样问题中,按照面积大小的顺序排放通常比随机排放效果要好,因此在遗传算法的随机初始的种群中加入部分按照面积大小排序的个体以达到加速收敛的目的。然而在同一个种群中,这部分个体适应度高,迭代前期快速扩散,使得种群多样性降低,导致遗传算法过早熟。针对此缺陷把随机个体作为一个种群,按照面积大小排序的个体作为另一个种群并采用特定的交叉方式保证此种群子代个体大体上按面积大小排序局部乱序。此外,针对最低水平线搜索算法搜索频率低的缺陷,增多了搜索的发生时机,实现更频繁的调整排序提高遗传算法局部搜索能力。实验结果表明了改进后算法的有效性。(本文来源于《计算机工程与应用》期刊2018年15期）
牛琳[6]（2017）在《改进的初始种群的遗传算法在柔性车间调度中的应用》一文中研究指出针对柔性作业车间调度中单纯的遗传算法容易陷入局部陷阱问题,结合柔性作业车间调度的特点,采用模拟退火算法融合遗传算法对调度领域进行了研究。应用模拟退火算法能跳出局部陷阱的能力及克服了遗传算法过早熟的现象,很大程度上降低算法的收敛速度,同时提高了全局的收敛性。基于Matlab2012b软件编程实现混合调度算法,文中仿真实例用混合调度算法,将结果与单纯的遗传算法得到的结果进行比较,证明了混合算法的优势。(本文来源于《组合机床与自动化加工技术》期刊2017年08期）
郑国文,谢习华[7]（2017）在《基于改进双种群遗传算法的复合材料层合板铺层优化设计》一文中研究指出针对复合材料层合板铺层优化设计过程中易出现的算法早熟及收敛慢的问题,结合多种群遗传算法和自适应遗传算法,提出一种引入自适应算子的改进双种群遗传算法。在算法过程中以对称复合材料层合板为例进行验证,通过Patran建立有限元初始模型,采用Matlab编写遗传算法主程序及数据传递程序,实现对Nastran的输入输出文件的读写,并在以Tsai-Wu准则为基础确立的适应度函数下,对复合材料层合板的铺层顺序进行优化。对比传统遗传算法,结果表明该改进算法能够明显提高优化效率,并能够有效收敛于全局最优解,对解决复合材料结构优化设计问题有一定的指导意义。(本文来源于《玻璃钢/复合材料》期刊2017年06期）
陈正鹏,黄纯,张亚萍,康志豪[8]（2017）在《基于改进双种群遗传算法的含分布式电源配电网重构》一文中研究指出针对配电网重构非线性多目标优化问题,建立以配电网的网损、馈线负荷均衡及节点电压质量协调最优为目标的含分布式电源配电网重构模型,并运用双种群遗传算法对其求解。算法采用基于重构环的十进制染色体编码,设定遗传操作策略避免不可行解的产生,并采用移民策略和精英保留策略。同时引进基于矢量距浓度的选择率,提出有自适应规则的混沌局部搜索策略以提高全局寻优能力。选取IEEE33节点和IEEE69节点配电网络系统为例,仿真分析分布式电源接入对配电网的影响,并将本文算法与传统遗传算法进行比较,验证了该算法的可行性和有效性。(本文来源于《电力系统及其自动化学报》期刊2017年04期）
刘芳,马玉磊,周慧娟[9]（2017）在《基于种群多样性的自适应遗传算法优化仿真》一文中研究指出为解决传统遗传算法"早熟"的问题,实现遗传算法的交叉和变异概率随种群进化状态自适应的调整,提出了一种种群多样性的自适应遗传算法。"早熟"产生的主要原因是种群多样性的过早丧失,而保持种群的多样性对于进化起着至关重要的作用。改进的自适应遗传算法引入了能够反映种群进化状态的种群多样性评价指标,利用基因空间种群的方差和熵来评价种群的多样性,将种群的进化状态分为四种情况讨论,根据种群多样性评价指标在不同的状态下对个体操作概率进行动态调整。仿真结果验证了改进算法的有效性,改进方法不仅加快了算法的收敛速度,而且能够有效的保持种群的多样性,一定程度上避免了过早收敛。(本文来源于《计算机仿真》期刊2017年04期）
李炳芬,牛成水,葛勇,宋仁德,张玉安[10]（2017）在《一种求解高寒牧场牦牛种群结构优化问题的遗传算法》一文中研究指出为缓解牦牛种群结构分配不合理导致的草畜矛盾突出、生态环境恶化及农牧民经济收益降低。结合信息化技术及放牧系统优化理论,文中提出了一种求解高寒牧场牦牛种群结构优化问题的遗传算法。首先将高寒牧场牦牛种群结构优化问题转换为数学模型,然后通过改进的遗传算法对模型进行仿真及其求解。最后经仿真实验,充分验证了本文算法的有效性和实用性。实验结果明确证明了该算法可以很好地解决高寒牦牛种群结构优化问题,为高寒牧场牦牛种群的年度出栏结构提供一定的指导作用。(本文来源于《青海大学学报》期刊2017年01期）
小种群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：
本文通过对L公司连接器线圈生产线平衡问题的研究,根据客户需求及生产情况,建立生产平衡率最优及均衡指数最低的多目标优化数学模型,在Matlab环境下进行双种群遗传算法设计,实现工作站负荷均衡,节省生产成本,消除作业间生产过剩。
（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。
小种群遗传算法论文参考文献
[1].刘志海,薛媛,周晨,柏海龙,崔鑫龙.基于遗传算法的机器人路径规划的种群初始化改进[J].机床与液压.2019
[2].李杨帆.基于双种群遗传算法的L公司生产线平衡问题研究[J].价值工程.2018
[3].周帅,黄宗南.基于改善初始种群的免疫遗传算法优化JSP问题[J].计量与测试技术.2018
[4].薛愈洁.基于非随机初始种群遗传算法的学习分类器系统[J].计算机时代.2018
[5].孙佳正,郭骏.改进的双种群遗传算法在矩形件排样中的应用[J].计算机工程与应用.2018
[6].牛琳.改进的初始种群的遗传算法在柔性车间调度中的应用[J].组合机床与自动化加工技术.2017
[7].郑国文,谢习华.基于改进双种群遗传算法的复合材料层合板铺层优化设计[J].玻璃钢/复合材料.2017
[8].陈正鹏,黄纯,张亚萍,康志豪.基于改进双种群遗传算法的含分布式电源配电网重构[J].电力系统及其自动化学报.2017
[9].刘芳,马玉磊,周慧娟.基于种群多样性的自适应遗传算法优化仿真[J].计算机仿真.2017
[10].李炳芬,牛成水,葛勇,宋仁德,张玉安.一种求解高寒牧场牦牛种群结构优化问题的遗传算法[J].青海大学学报.2017
论文知识图
