导读:本文包含了反序杂交算子论文开题报告文献综述及选题提纲参考文献，主要关键词:旅行商问题,反序-杂交算子,免疫克隆选择算法
反序杂交算子论文文献综述
王玉亭,孙剑,李俊青,潘全科[1]（2010）在《基于改进反序-杂交算子的免疫克隆选择算法》一文中研究指出反序-杂交算子在求解TSP时容易陷入局部最优。为了优化电路板布局,提高计算快速性,对反序-杂交算子进行了改进,设计了1st-Inver-over算子和2nd-Inver-over算子。采用1st-Inver-over算子和2nd-Inver-over算子作为主要免疫基因操作算子实现了求解TSP的免疫克隆算法,在算法前期,只采用1st-Inver-over算子来保证算法的收敛速度,在算法后期,根据种群的多样性自适应的选取1st-Inver-over算子和2nd-Inver-over算子来协调算法的收敛速度和种群的多样性。仿真结果表明,Inver-over ICSA比经典的GT算法具有更好的收敛性和搜索效率。(本文来源于《计算机仿真》期刊2010年08期）
骆光馨[2]（2007）在《基于反序—杂交算子的改进蚁群算法研究与实现》一文中研究指出作为群体智能的一种典型实例，蚁群算法受到越来越多的关注。它是继模拟退火算法、遗传算法、禁忌搜索算法、人工神经网络算法等启发式搜索算法以后的又一种应用于组合优化问题的启发式搜索算法。蚁群算法不仅能够实现智能搜索、全局优化，而且具有稳健性(鲁棒性)、正反馈、分布式计算、易与其它算法结合等特点。因此，蚁群算法已成为当前群智能领域中最令人感兴趣的研究课题之一。目前蚁群算法的研究尚未成熟，作为一种新兴的智能优化算法，它存在算法自身求解速度缓慢、容易陷入局部最优等缺点。针对这些缺点，本文对蚁群算法基本理论进行了深入分析，对蚁群算法近年来的研究进展进行了归纳总结，并对不足之处进行了深入的分析。通过实验验证蚁群算法的各个参数对算法性能的影响，给出了蚁群算法中各参数的理想取值。在深入研究目前各种蚁群算法的改进模型基础上提出了一种基于反序-杂交算子的改进蚁群算法。利用反序-杂交算子在产生后代时能跳离局部最优值，并且使算法具有自适应性的优点对蚁群算法进行了有效改进，增加了局部解的个数，从而扩大了最优解的选择范围。实验结果表明，本文提出的改进算法，加速了最优解的收敛速度，改善了最优解的质量，从而大大提高了蚁群算法的性能。(本文来源于《哈尔滨工程大学》期刊2007-03-01）
反序杂交算子论文开题报告
（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：
作为群体智能的一种典型实例，蚁群算法受到越来越多的关注。它是继模拟退火算法、遗传算法、禁忌搜索算法、人工神经网络算法等启发式搜索算法以后的又一种应用于组合优化问题的启发式搜索算法。蚁群算法不仅能够实现智能搜索、全局优化，而且具有稳健性(鲁棒性)、正反馈、分布式计算、易与其它算法结合等特点。因此，蚁群算法已成为当前群智能领域中最令人感兴趣的研究课题之一。目前蚁群算法的研究尚未成熟，作为一种新兴的智能优化算法，它存在算法自身求解速度缓慢、容易陷入局部最优等缺点。针对这些缺点，本文对蚁群算法基本理论进行了深入分析，对蚁群算法近年来的研究进展进行了归纳总结，并对不足之处进行了深入的分析。通过实验验证蚁群算法的各个参数对算法性能的影响，给出了蚁群算法中各参数的理想取值。在深入研究目前各种蚁群算法的改进模型基础上提出了一种基于反序-杂交算子的改进蚁群算法。利用反序-杂交算子在产生后代时能跳离局部最优值，并且使算法具有自适应性的优点对蚁群算法进行了有效改进，增加了局部解的个数，从而扩大了最优解的选择范围。实验结果表明，本文提出的改进算法，加速了最优解的收敛速度，改善了最优解的质量，从而大大提高了蚁群算法的性能。
（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。
反序杂交算子论文参考文献
[1].王玉亭,孙剑,李俊青,潘全科.基于改进反序-杂交算子的免疫克隆选择算法[J].计算机仿真.2010
[2].骆光馨.基于反序—杂交算子的改进蚁群算法研究与实现[D].哈尔滨工程大学.2007