导读:本文包含了遗传演化算法论文开题报告文献综述及选题提纲参考文献，主要关键词:配筋优化设计,复杂应力构件,遗传算法,渐进演化算法
遗传演化算法论文文献综述
黄星[1]（2016）在《遗传递增演化算法配筋优化设计》一文中研究指出本文借鉴遗传演化算法中遗传算法和渐进演化算法的结合方式,在遗传算法和递增演化算法的基础上,提出遗传递增演化算法,在增加周围有效材料的选择性上引入生物遗传进化理论,并以ANSYS有限元分析软件的非线性分析为平台,采用钢筋混凝土分离式模型,探讨遗传递增演化算法在钢筋混凝土复杂应力构件配筋优化设计上的应用,直观地完成在荷载作用或应力约束条件下简支深梁、简支开洞深梁、开洞剪力墙等钢筋混凝土复杂应力构件的配筋优化设计,所得钢筋拓扑结果符合受力机理,演化方向正确,布置明确,与遗传演化算法所得钢筋拓扑结果分析、比较,证实遗传递增演化算法的可行性、有效性、准确性、通用性等,并能为钢筋混凝土配筋优化设计提供指导、参考。主要内容有：(1)阅览大量文献,总结了结构优化算法和复杂应力构件设计方法,详细介绍了遗传算法和渐进演化算法,探讨了其基本原理、实现步骤和优缺点,研究了遗传演化算法中遗传算法和渐进演化算法的结合方式,为遗传递增演化算法的提出奠定了坚实的理论依据和基础。(2)在递增演化算法的基础上,引入遗传算法,把遗传进化思想应用于递增演化算法单元的增加性上,提出遗传递增演化算法,并详细介绍了遗传递增演化算法的基本原理和实现步骤,方便读者了解和使用遗传递增演化算法。(3)将提出的遗传递增演化算法,应用到钢筋混凝土复杂应力构件配筋优化设计中来,以ANSYS有限元分析为平台,采用钢筋混凝土分离式模型,考虑分析结构弹塑性和材料非线性等,对简支深梁、开孔简支深梁、开洞剪力墙等钢筋混凝土复杂应力构件,以单位钢筋材料下结构刚度最大化为结构优化目标,以应变能为灵敏度,以钢筋为优化对象,通过性能指数和收敛准则,进行遗传递增算法配筋优化设计,并与遗传演化算法结果进行分析、对比,验证了遗传递增演化算法的可行性、准确性、有效性、通用性等。(4)扩展遗传递增演化算法在钢筋混凝土复杂应力构件配筋优化设计上的应用,以ANSYS有限元分析为平台,采用钢筋混凝土分离式模型,考虑分析结构弹塑性和材料非线性等,对简支深梁、开孔简支深梁、开洞剪力墙等钢筋混凝土复杂应力构件,以应力约束条件下结构重量最轻为结构优化目标,以钢筋应力为适应度,以钢筋为优化对象,通过收敛准则,进行遗传递增演化算法配筋优化设计,提高遗传递增演化算法的通用性、易用性等。(本文来源于《湖南大学》期刊2016-05-26）
肖雨果,盛鹰,ZENG,Lingxi[2]（2016）在《一种用于结构拓扑优化的改进遗传演化算法》一文中研究指出拓扑优化是结构优化设计领域中的重点和热点课题。结构渐进优化法(ESO)和遗传演化算法(GESO)是近年来提出的拓扑优化方法,可用于寻找结构最优的拓扑形状,指导结构概念设计。但这两种方法均存在诸多缺点,在工程应用中具有局限性。针对ESO和GESO方法的缺陷,发展了适用于拓扑优化的一种基于并行小生境比对法的改进遗传算法,并将改进遗传算法与ESO方法相结合,提出了灵敏度过滤技术和单元删除的修正判据,建立了引导式单元删除策略和孤立单元判断机制,形成了一种新的改进遗传演化算法(Improved Genetic Evolutionary Algorithm,IGEA),并以VC++作为编程平台,编写了集改进遗传算法、有限元、IGEA方法于一体的拓扑优化程序,有效实现了结构拓扑优化设计。算例表明,提出的IGEA方法优于ESO和GESO方法。(本文来源于《四川理工学院学报(自然科学版)》期刊2016年02期）
于梦,谷琼,蔡之华[3]（2013）在《遗传和差分演化算法的特征选择在高光谱图像降维中的应用》一文中研究指出高光谱遥感使宽波段遥感中不可探测的物质可以被探测,成为了遥感界的一场新的革命.由于高光谱遥感图像波段多、光谱分辨率高、数据量庞大,给高光谱遥感数据实际应用分析带来极大不便.以特征选择为目的,以协方差矩阵特征值法为评价算法,设计实现了基于遗传算法和差分演化算法的降维过程.通过与传统的序列向前搜索的特征选择进行对比实验,比照搜索结果和算法耗时,验证了演化算法在特征选择的实现过程中具有良好的性能,证明了演化算法在高光谱图像降维中的实用价值.其中差分演化算法搜索结果十分稳定,可以替代完全搜索来寻找最优解.(本文来源于《湖北文理学院学报》期刊2013年08期）
胡桂武[4]（2010）在《求解供应链伙伴选择的泛遗传差异演化算法》一文中研究指出伙伴选择是供应链组建过程中的关键问题,也是一个难题,针对该问题,构造了融入特殊自然演化规则的泛遗传算法,并且与差异演化算法结合,得到了泛遗传差异演化算法,克服了差异演化算法局部收敛的缺陷,提高了其全局收敛的能力。实验表明,针对供应链伙伴选择问题,泛遗传差异演化算法优于传统的遗传算法和差异演化算法。(本文来源于《计算机工程与应用》期刊2010年25期）
周志明,潘林[5]（2007）在《一种基于数值遗传算法的求解TSP问题的演化算法》一文中研究指出近年来,TSP问题的应用非常广,但当前较成熟的算法大都基于局部优化,而局部优化往往无法求出最优解。研究了一种求解TSP问题的演化算法,该算法兼顾了两父体算子与一元算子的优点,并具有免疫算法的免疫记忆功能,是一个具有较强的选择压力和适应地改变的变化算子的演化算法。与其他遗传算法和免疫算法相比具有收敛速度更快,结果更优的特点。(本文来源于《长江大学学报(自科版)理工卷》期刊2007年02期）
刘霞[6]（2007）在《结构优化设计的遗传演化算法研究》一文中研究指出结构优化设计目前正处于蓬勃发展时期,工程师们越来越多地意识到合理设计方法的重要性,追求以最小的代价获取最大的利益。过去几十年间连续结构的拓扑优化方法有很大的发展,应用范围不断拓广,特别是在航空航天、机械制造等领域重量的减轻对设计相当重要,优化方法的应用已颇为成熟。与其它领域相比,工程结构优化设计理论和应用的重要性尚未得到足够的重视,发展相对缓慢,结构设计仍停留在依靠工程师个人经验分析试算的阶段。目前我国仍处在建设高潮期,据建设部的预测,至2020年建筑工程面积将达到300亿平米,这种情况对于我们这样一个资源相对匮乏的国家,在建筑工程领域发展和应用最优设计方法已迫在眉睫,为此本文针对结构优化设计中较难的拓扑优化问题展开研究。目前求解拓扑优化问题能力较强的算法有演化结构优化算法(ESO算法)、均匀化方法、密度函数法、仿生学算法等,其中演化结构优化算法(ESO算法)以其概念清晰、规则简单、计算方便的优点受到很多学者的青睐,但同时又因不能保证所得解为最优解受到一些学者的质疑。遗传算法(GA)属于仿生学算法,近年来的研究表明它具备找到最优解的长处。但遗传算法本身并不具有明确的结构优化设计的背景,虽然在计算数学层面上它能有效地解决组合优化的一些问题,具体应用于结构工程时,由于计算太耗时仅限于桁架结构的优化,无法进一步拓展到平面或空间结构。本文在这两种算法的基础上首次提出了一种新的拓扑优化方法“遗传演化算法(GESO算法)”,遗传演化算法继承了演化结构优化算法的灵敏度计算方法和基本步骤,从一个包含了最优解的初始设计域出发,根据遗传算法优胜劣汰的思想,以选择、变异、杂交等遗传算子决定单元的取舍,避免了错误的单元舍去,保证了算法所得解的最优性。新的遗传演化算法所得解的质量均好于原有的演化结构优化算法,同时计算效率又高于遗传算法。本文在提出新算法后,详细研究了算法中各计算参数对算法性能的影响,结果表明新算法鲁棒性好,最优解对计算参数不敏感,采用不同计算参数时均能找到最优解。本文所做的另一项具有创新性的工作是利用Michell准则与遗传演化算法联合寻优。Michell准则是澳大利亚工程师Michell 1904年用数学解析方法研究的最优结构应满足的条件,符合这一条件的结构称为Michell桁架。然而直接由Michell准则建立Michell桁架十分难,目前缺乏有效的求解方法。本文一方面采用已有的多个符合Michell准则的虚应变场检验校核了遗传演化算法所得解的最优性,另一方面通过遗传演化算法得到了新的符合Michell准则的实际结构,为进一步获得不Ⅱ同类型Michell桁架打下基础。本文重点研究了两点或多点铰支条件下平面结构在各种荷载作用下的优化拓扑,根据Michell准则和遗传演化算法计算结果,归纳并发现这类结构的优化拓扑所应遵循的规律。本文作者认为两点或多点铰支条件下的平面结构的优化拓扑主要分为两类,一类由直线和圆组成,一类结构由曲线组成,曲线形状大多类似于理论推导过的“Michell悬臂”曲线或圆滚线,这些结论对工程结构优化的概念设计具有重要意义。遗传演化算法被证明能方便地用于钢筋混凝土结构的配筋优化,钢筋混凝土结构由两种不同的材料组成,而且由于混凝土开裂和钢筋的屈服,材料表现出非线性特性,配筋优化计算时是否考虑两种材料的区别,是否考虑材料的非线性成为焦点。为此,本文设计了叁套方案进行配筋优化,运算表明,不区分两种材料的差别,不考虑材料的非线性的方案是最适合遗传演化算法的方案,计算简单,结果实用。因为遗传演化算法擅长建立桁架模型,构件达到承载力极限状态时,荷载可认为是通过由钢筋拉杆和未开裂的混凝土压杆组成的拉压模型传递,构件的破坏是由于传力路径的破坏造成的。所以遗传演化算法配筋优化的过程是先求得构件的拉压杆模型,再在拉杆位置布置钢筋。本文利用遗传演化算法完成了不同跨高比的简支梁、深受弯构件、牛腿、框架节点等构件的配筋优化,提出了配筋优化方案,具有实际意义。(本文来源于《湖南大学》期刊2007-04-09）
吴金华,吴耀武,熊信艮[7]（2003）在《基于退火演化算法和遗传算法的机组优化组合算法》一文中研究指出机组组合问题是编制短期发电计划时首先要解决的问题,合理的开停机方案将带来很大的经济效益。现代电力系统对机组优化组合算法的收敛速度和解的质量要求越来越高,作者从改善传统算法这两方面着手,根据退火演化算法和遗传算法各自的特点,提出了一种用于机组优化组合的组合算法。与传统的一些优化算法相比,该组合算法具有搜索速度快,收敛性好,而且解的质量相当高。通过对实际系统的测算,验证了该方法的有效性和优越性。该方法具有良好的并行性,易于在并行计算机上实现。(本文来源于《电网技术》期刊2003年01期）
遗传演化算法论文开题报告
（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：
拓扑优化是结构优化设计领域中的重点和热点课题。结构渐进优化法(ESO)和遗传演化算法(GESO)是近年来提出的拓扑优化方法,可用于寻找结构最优的拓扑形状,指导结构概念设计。但这两种方法均存在诸多缺点,在工程应用中具有局限性。针对ESO和GESO方法的缺陷,发展了适用于拓扑优化的一种基于并行小生境比对法的改进遗传算法,并将改进遗传算法与ESO方法相结合,提出了灵敏度过滤技术和单元删除的修正判据,建立了引导式单元删除策略和孤立单元判断机制,形成了一种新的改进遗传演化算法(Improved Genetic Evolutionary Algorithm,IGEA),并以VC++作为编程平台,编写了集改进遗传算法、有限元、IGEA方法于一体的拓扑优化程序,有效实现了结构拓扑优化设计。算例表明,提出的IGEA方法优于ESO和GESO方法。
（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。
遗传演化算法论文参考文献
[1].黄星.遗传递增演化算法配筋优化设计[D].湖南大学.2016
[2].肖雨果,盛鹰,ZENG,Lingxi.一种用于结构拓扑优化的改进遗传演化算法[J].四川理工学院学报(自然科学版).2016
[3].于梦,谷琼,蔡之华.遗传和差分演化算法的特征选择在高光谱图像降维中的应用[J].湖北文理学院学报.2013
[4].胡桂武.求解供应链伙伴选择的泛遗传差异演化算法[J].计算机工程与应用.2010
[5].周志明,潘林.一种基于数值遗传算法的求解TSP问题的演化算法[J].长江大学学报(自科版)理工卷.2007
[6].刘霞.结构优化设计的遗传演化算法研究[D].湖南大学.2007
[7].吴金华,吴耀武,熊信艮.基于退火演化算法和遗传算法的机组优化组合算法[J].电网技术.2003