导读:本文包含了自适应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,自适应,货位,灾变,分配,堆垛,点焊。
自适应遗传算法论文文献综述
朱会霞,刘佳鑫,刘凤超,李彤煜,王辉暖[1]（2019）在《自适应遗传算法优化种植业结构与资源分配问题》一文中研究指出研究了种植业结构与农业资源分配最优组合问题,采用自适应遗传算法求解有约束问题的方法,对四种农作物在耕地面积和氮、磷、钾肥供应量一定情况下,最大纯收益数学模型进行了优化。仿真结果验证了自适应遗传算法的正确性和实用性,为该类问题的优化提供了一种新的方法,也为农业生产部门种植业结构与农业资源的合理规划提供了科学的依据。(本文来源于《辽宁工业大学学报(自然科学版)》期刊2019年06期）
任宇佳[2]（2019）在《基于自适应遗传算法的自动化立体仓库入库货位分配优化研究》一文中研究指出本文针对企业在货位分配中存在的问题,提出了以出入库效率,巷道作业均衡以及同类产品相邻为原则的多目标入库货位分配模型,采用基于自适应遗传算法的权重系数变化法对模型进行求解,并进行算法的对比,验证有效性。(本文来源于《中国储运》期刊2019年11期）
赵铁军,罗羽枭[3]（2019）在《基于改进自适应遗传算法的点焊机器人TSP路径规划》一文中研究指出基于TSP问题建立焊点路径数学模型。同时为改善遗传算法自身收敛速度慢问题,采取适应度计算评估、适应度比例选择步骤;为了提高计算速度与避免局部最优缺陷,采用自适应交叉、变异算子,以及加入进化逆转步骤操作来提升算法全局计算和搜索能力。最后利用RobotStuidio仿真软件建立点焊工艺加工站,进一步检验算法在实际编程中的应用。(本文来源于《机械工程师》期刊2019年10期）
冯九林,殷锋,黄光华[4]（2019）在《一种异型改进的自适应遗传算法》一文中研究指出遗传算法搜寻全局最优解的优异特性使其在许多应用领域中获得了很好的运用,但该算法作为一种随机优化算法,对求解相对繁杂的全局优化问题易使最优解收敛至局部最优解.而标准的自适应遗传算法是在遗传算法的基础上对交叉率的值和变异率的值进行线性自适应调整,在收敛性能有所提升,但仍然不能有效避免算法的早熟.提出一种异型改进的自适应遗传算法(Heterogenic improved adaptive GA,简称HIAGA),即在对变异率和交叉率进行曲线自适应调整的同时应用精英保留策略的方法.仿真实验结果表明,HIAGA算法在处理收敛速度和避免搜寻结果成为局部最优解等方面能达到较好的处理效果.(本文来源于《西南民族大学学报(自然科学版)》期刊2019年05期）
雷永锋,彭浩,孙莉莉[5]（2019）在《基于正弦式自适应遗传算法的堆垛机路径优化研究》一文中研究指出针对自动化立体仓储系统中堆垛机的路径优化问题,在分析AS/RS对货物的分配原则的基础上,论述了堆垛机的3种作业模式,得出了基于AGA的优化算法——正弦式自适应遗传算法。最后通过建立数学模型对算法进行分析,并结合MATLAB进行仿真验证。系统运行结果表明,该算法能有效地降低由AGA引起的交叉概率p_c和变异概率p_m所带来的影响,进而避免种群进化停滞和陷于局部最优等现象,提高堆垛机作业的效率。(本文来源于《机械与电子》期刊2019年09期）
孙文娟,陈海波,黄颖青[6]（2019）在《基于自适应遗传算法的爆炸冲击响应谱时域重构优化方法》一文中研究指出为解决现有爆炸冲击响应谱(Shock Response Spectrum,SRS)加速度重构方法依赖于大量试验数据的问题,对比了阻尼正弦与小波两种不同加速度重构方法在合成爆炸冲击响应谱时的性能。将对重构SRS质量的评估转化为与目标谱匹配度的最小值优化问题,并首次将自适应遗传算法(Adaptive Genetic Algorithm, AGA)应用于SRS重构的优化问题中。对比了交叉先行、变异先行和不定向3种不同的AGA在爆炸冲击响应谱时域重构优化中的性能,并与基本遗传算法(Genetic Algorithm, GA)进行对比。结果表明,AGA的优化结果比GA有较大幅度的改善,且不定向AGA所得结果是3种AGA方法中最好的,其SRS各频点数值均在(–3/+6)dB容差范围之内,与目标谱的匹配度更好。仿真对比算例验证了该方法在冲击响应谱的时域重构应用中具有较高的准确性和实用性,为进一步提高航天器结构在爆炸冲击载荷下响应的计算精度提供了支撑。(本文来源于《高压物理学报》期刊2019年05期）
楚克明,吴立云[7]（2019）在《自适应遗传算法在混流装配线排序中的应用》一文中研究指出混流装配线排序对实现准时化生产、提高生产效率至关重要。以保持均匀的零/部件消耗速率为目标,运用自适应遗传算法(Adaptive Genetic Algorithm,AGA)对混流装配线排序进行优化分析。构建了以零/部件均匀消耗速率为目标的优化模型,应用MATLAB软件对自适应遗传算法和标准遗传算法(Standard Genetic Algorithm,SGA)进行了编程,并对一个混流装配线实例进行排序分析。结果表明,AGA求出的最优解目标函数值26 723优于SGA求出的最优解目标函数值26 759,说明自适应遗传算法对解决此类问题有更好的搜索能力和更快的收敛速度。(本文来源于《现代制造工程》期刊2019年09期）
王策,董兆伟,孙立辉,姜军强,史振杰[8]（2019）在《新型灾变自适应遗传算法及其应用》一文中研究指出遗传算法经常被应用于工业生产中的最优化问题当中,但是在面对非线性、多极值、多变量的问题时容易在早期寻优过程中陷入局部最优解范围.本文通过对传统的遗传算法添加灾变操作,减少了遗传算法常见的"早熟"现象,配合灾变操作的迭代次数的变化设置了遗传操作自适应变化,增强了算法后期的寻优能力.该算法以河北某钢铁企业的实际生产数据进行检验,实验结果表明该算法能在保证烧结矿性能质量的前提下,有效的降低原料成本,有效降低早熟现象的发生,提高了算法的整体搜索能力,在工业生产当中的最优化问题当中可以发挥很好的效果.(本文来源于《计算机系统应用》期刊2019年09期）
董蒙,栾希亭,吴宝元,梁俊龙[9]（2019）在《基于自适应遗传算法的电液伺服系统控制》一文中研究指出针对提高冲压发动机可调尾喷管用电液伺服系统控制性能问题,通过定义负载流量与负载压力,利用小偏量法建立系统线性模型,并设计基于自适应改进遗传算法的控制器,从而提升系统控制性能。分别对经典PID控制中比例、积分、微分3个参数及智能模糊控制中隶属函数、控制规则的58个参数进行全局寻优,前者采用二进制编码,后者采用十进制编码,克服设计者在进行无优化算法控制器设计时的经验主观性及控制系统性能未达最优的缺点。利用MATLAB进行数字离散系统编程仿真,结果表明:较优化前,遗传算法优化后的PID控制调节时间与超调更小,优化后的模糊控制响应时间更短且无超调,且后者响应时间和超调皆小于前者,即非线性智能模糊控制较线性PID控制更具优化潜力。(本文来源于《机床与液压》期刊2019年14期）
刘景鑫,李林林,李治华,张耘赫[10]（2019）在《一种求解旅行商问题的基于外部存档的自适应遗传算法》一文中研究指出旅行商问题是一类经典的组合最优化问题,在理论研究和实际应用领域具有重要的研究价值。本文提出了一种自适应遗传算法,通过变异率的自适应策略平衡算法的全局性和局部性,同时利用外部存档策略为种群进化提供具有全局指导信息的父代个体,提高了算法的收敛速度。通过对TSPLIB标准库中实例的测试,验证了算法的可行性和有效性。(本文来源于《计算机时代》期刊2019年07期）
自适应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：
本文针对企业在货位分配中存在的问题,提出了以出入库效率,巷道作业均衡以及同类产品相邻为原则的多目标入库货位分配模型,采用基于自适应遗传算法的权重系数变化法对模型进行求解,并进行算法的对比,验证有效性。
（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。
自适应遗传算法论文参考文献
[1].朱会霞,刘佳鑫,刘凤超,李彤煜,王辉暖.自适应遗传算法优化种植业结构与资源分配问题[J].辽宁工业大学学报(自然科学版).2019
[2].任宇佳.基于自适应遗传算法的自动化立体仓库入库货位分配优化研究[J].中国储运.2019
[3].赵铁军,罗羽枭.基于改进自适应遗传算法的点焊机器人TSP路径规划[J].机械工程师.2019
[4].冯九林,殷锋,黄光华.一种异型改进的自适应遗传算法[J].西南民族大学学报(自然科学版).2019
[5].雷永锋,彭浩,孙莉莉.基于正弦式自适应遗传算法的堆垛机路径优化研究[J].机械与电子.2019
[6].孙文娟,陈海波,黄颖青.基于自适应遗传算法的爆炸冲击响应谱时域重构优化方法[J].高压物理学报.2019
[7].楚克明,吴立云.自适应遗传算法在混流装配线排序中的应用[J].现代制造工程.2019
[8].王策,董兆伟,孙立辉,姜军强,史振杰.新型灾变自适应遗传算法及其应用[J].计算机系统应用.2019
[9].董蒙,栾希亭,吴宝元,梁俊龙.基于自适应遗传算法的电液伺服系统控制[J].机床与液压.2019
[10].刘景鑫,李林林,李治华,张耘赫.一种求解旅行商问题的基于外部存档的自适应遗传算法[J].计算机时代.2019
论文知识图
