导读:本文包含了遗传模型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,神经网络,模型,组合,排课,抗压强度,测试。
遗传模型论文文献综述
江志强,王金波,王晓华[1]（2019）在《基于特征模型和遗传算法的测试用例自动生成》一文中研究指出一个好的测试用例集,意味着通过较小的测试开销实现较高的测试效率。为实现这一目标,一种基于特征模型的测试用例生成方法被提出,该方法在特征模型的基础上,结合组合测试策略和遗传算法,自动生成最小测试用例集。实验表明,该方法能够很好地实现特征组合覆盖,生成覆盖率良好,同时能够有效检错的测试用例集。(本文来源于《计算机与数字工程》期刊2019年12期）
圣文顺,赵翰驰,孙艳文[2]（2019）在《基于改进遗传算法优化BP神经网络的销售预测模型》一文中研究指出随着经济的快速发展,众多企业步入科学化管理的时代.销售预测是企业经营活动中必不可少的一个环节,预测的准确性直接关系到销售经营的成败.因此提出基于传统BP神经网络与时间序列预测模型为一体的改良BP神经网络预测模型,通过该模型的预测,可以更可靠地预测企业在未来单位时间内的销售额.改良神经网络参考了同步时间序列的预测做出了自我校准,并利用遗传算法达到通过校准得到自我优化的目的,简化网络结构,提高预测的准确度.(本文来源于《计算机系统应用》期刊2019年12期）
郑戍嘉[3]（2019）在《基于量子遗传SVM的公共图书馆每日读者流通人次预测模型》一文中研究指出本文以量子遗传SVM为核心,构建数学模型,对公共图书馆每日读者流通人次(借还书人次)进行预测。模型以上海市嘉定区图书馆为数据实例,考察各种影响因素后,以若干量化特征数据为输入,每日读者流通人次为输出目标,在此基础之上成功地训练并获取了预测模型。实验表明,在全程贴近实际目标预测系统构建的指导思想下(适用、稳定、准确),此方法建立的相应短期预测系统取得了较好的预测效果,系统的应用将有效地提升图书馆智慧服务的层级。(本文来源于《软件》期刊2019年12期）
马猛,王克华,曲亮,窦套存,沈曼曼[4]（2019）在《鸡18周龄体重的主基因+多基因混合遗传模型分析》一文中研究指出为探索鸡产蛋初期体重的内在遗传变化规律,确定控制产蛋初期体重的主基因对数,本研究以东乡绿壳蛋鸡(P_1)和单冠白莱航鸡(P_2)为亲本构建F2资源群体,测定亲本(P_1、P_2)、子一代(F_1)和子二代(F_2)产蛋初期18周龄体重,运用数量性状主基因+多基因混合遗传模型软件SEA-G4F2对鸡18周龄体重进行遗传分析。结果表明,最适合鸡18周龄体重的主多基因混合遗传模型为两对加性-显性-上位性主基因+加性-显性多基因混合遗传模型,即为24个模型中的E-1模型;主基因遗传力为0.25,多基因遗传力为0。综上,主基因对鸡18周龄体重调控作用远大于多基因。(本文来源于《山东农业科学》期刊2019年11期）
毕翔,吴家伟,陆阳[5]（2019）在《基于遗传算法优化的软件可靠性组合模型评估》一文中研究指出文章针对现有软件可靠性组合模型评估方法在模型选择、评估精度和评估效率方面的不足,从软件可靠性模型特征的形式化定义出发,借助特征量化获取的特征矩阵,给出了构建软件可靠性模型基本集的统一方法。依据软件可靠性评估的特点,对传统遗传算法的适应度函数和爬山操作进行了改进,并将其用于基模型权值的求解。在此基础上,给出了基于加权组合基模型的软件可靠性评估方法。实例验证表明,该方法在全局评估精度和评估效率上均有显着提升。(本文来源于《合肥工业大学学报(自然科学版)》期刊2019年11期）
邵孟良,于颖敏[6]（2019）在《基于遗传算法的BP神经网络气液两相流持液率预测模型优化》一文中研究指出基于遗传算法(Genetic Algorithm,GA)对BP(Back Propagation)神经网络模型的初始阈值及权值进行优化,弥补了单一BP网络模型预测气液两相流持液率时收敛速度慢随机性大等问题。为了对优化后的BP网络模型进行可行性验证,以倾斜管道为研究对象,对倾斜管道内气液两相流的持液率进行预测,并与前人获得的预测结果进行对比。结果显示:基于GA优化后的BP神经网络模型预测倾斜管道内气液两相流的持液率精度较高,且收敛速度较快。通过与倾斜管道气液两相流持液率的实际值对比得出,与传统的持液率预测公式相比,优化后的BP神经网络模型预测结果与实际值偏差较小,验证了本文优化模型的准确性及可行性。(本文来源于《西安石油大学学报(自然科学版)》期刊2019年06期）
李姝昱,崔潇涵,李延卓,颜小飞[7]（2019）在《基于遗传-逐步回归时空模型的大坝变形监控指标拟定》一文中研究指出为掌握大坝整体的变形规律,采用遗传-逐步回归法建立了大坝空间变形场的时空分布模型,并利用置信区间法动态控制的特点,拟定了变形的区间监控指标,根据每一时刻的环境量,对大坝变形安全状态实时监控。(本文来源于《国际碾压混凝土坝技术新进展与水库大坝高质量建设管理——中国大坝工程学会2019学术年会论文集》期刊2019-11-11）
梁文丽[8]（2019）在《基于遗传算法排课问题模型的研究》一文中研究指出排课是教学过程中的重要任务之一,优质的课程表可以提高教师、学生的上课效率。基于此,笔者通过建立硬、软约束模型,设计适应度函数,以及选择、交叉和变异等操作,最后得到最优排课方案。实验结果表明,遗传算法提高了排课算法的运算效率,能够得到更多的最优排课方案。(本文来源于《信息与电脑(理论版)》期刊2019年21期）
闫春,厉美璇,周潇[9]（2019）在《基于改进的遗传算法优化BP神经网络的车险欺诈识别模型》一文中研究指出为了提高BP神经网络在保险欺诈识别中的准确率,利用改进的遗传算法优化BP神经网络初始权重,以克服BP神经网络容易陷入局部极小点、收敛速度慢以及样本依赖性等问题的缺点。改进的遗传算法充分考虑了遗传算法中种群适应度的集中分散程度,并且非线性地自适应调节遗传算法的交叉概率与变异概率。同时为了加快寻优效率,将排序选择策略与最优保存策略相结合。以某保险公司汽车保险历史索赔数据为样本,采用该算法进行模拟和预测。实证结果表明:相比于IAGA-BP、GA-BP、BP叁种算法,该识别算法在识别准确率上有很大提高。(本文来源于《山东科技大学学报(自然科学版)》期刊2019年05期）
陈金鸿,张柳叶,贾学勇,张磊,梁精龙[10]（2019）在《基于遗传算法建立球团矿配料寻优模型的研究》一文中研究指出球团矿作为高炉入炉的必备原料,其性能直接影响铁水质量和高炉顺行,对球团矿进行入炉前的质量检测不可或缺。以球团矿物理性能指标中的抗压强度、制备过程中的粘结率作为球团矿质量指标进行预测,并对球团矿进行配料寻优。首先,对所搜集的数据进行正态性检验和相关性分析;然后,建立多元线性回归分析模型,分别拟合出抗压强度、粘结率与原料之间的多元线性回归方程;最后,建立配料寻优模型,在已知球团矿抗压强度、粘结率的情况下,将抗压强度、粘结率的实测值与预测值之差作为寻优目标,采用遗传算法和熵权法反向优化对模型进行求解。研究发现:原料w(Ca)、二元碱度(R_2=CaO/SiO_2)、叁元碱度(R_3=(CaO+MgO)/SiO_2)与球团矿抗压强度、粘结率存在相关性,可以较好地探究原料与指标的关系并实现配料优化。利用多元线性回归分析模型求解的抗压强度预测相对误差为4.826%,粘结率的预测相对误差为4.360%;利用配料寻优模型求解得到最合适的3种配料预测值与实测值之间的预测相对误差分别为1.18%、0.99%、2.63%,该误差相对于回归分析的误差更小,可作为球团厂配料参考的重要依据,进而为改善球团矿质量提供依据。(本文来源于《烧结球团》期刊2019年05期）
遗传模型论文开题报告
（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：
随着经济的快速发展,众多企业步入科学化管理的时代.销售预测是企业经营活动中必不可少的一个环节,预测的准确性直接关系到销售经营的成败.因此提出基于传统BP神经网络与时间序列预测模型为一体的改良BP神经网络预测模型,通过该模型的预测,可以更可靠地预测企业在未来单位时间内的销售额.改良神经网络参考了同步时间序列的预测做出了自我校准,并利用遗传算法达到通过校准得到自我优化的目的,简化网络结构,提高预测的准确度.
（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。
遗传模型论文参考文献
[1].江志强,王金波,王晓华.基于特征模型和遗传算法的测试用例自动生成[J].计算机与数字工程.2019
[2].圣文顺,赵翰驰,孙艳文.基于改进遗传算法优化BP神经网络的销售预测模型[J].计算机系统应用.2019
[3].郑戍嘉.基于量子遗传SVM的公共图书馆每日读者流通人次预测模型[J].软件.2019
[4].马猛,王克华,曲亮,窦套存,沈曼曼.鸡18周龄体重的主基因+多基因混合遗传模型分析[J].山东农业科学.2019
[5].毕翔,吴家伟,陆阳.基于遗传算法优化的软件可靠性组合模型评估[J].合肥工业大学学报(自然科学版).2019
[6].邵孟良,于颖敏.基于遗传算法的BP神经网络气液两相流持液率预测模型优化[J].西安石油大学学报(自然科学版).2019
[7].李姝昱,崔潇涵,李延卓,颜小飞.基于遗传-逐步回归时空模型的大坝变形监控指标拟定[C].国际碾压混凝土坝技术新进展与水库大坝高质量建设管理——中国大坝工程学会2019学术年会论文集.2019
[8].梁文丽.基于遗传算法排课问题模型的研究[J].信息与电脑(理论版).2019
[9].闫春,厉美璇,周潇.基于改进的遗传算法优化BP神经网络的车险欺诈识别模型[J].山东科技大学学报(自然科学版).2019
[10].陈金鸿,张柳叶,贾学勇,张磊,梁精龙.基于遗传算法建立球团矿配料寻优模型的研究[J].烧结球团.2019
论文知识图
