导读:本文包含了早熟收敛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,代数,全局,最优,模糊,算子,种群。
早熟收敛论文文献综述
张宇山,郝志峰,黄翰[1]（2014）在《二元进化策略的全局收敛与早熟收敛》一文中研究指出离散状态马尔科夫链理论已经广泛应用于进化算法的收敛性和时间复杂度分析中,而连续状态马尔科夫过程理论由于需要用到比较高深的数学工具,应用还不多.引入连续状态马尔科夫过程理论,以测度论为工具,借助公理化的条件数学期望理论推导出关键的转移概率的计算公式,分析了以(1+1)ES为代表的连续型进化算法的收敛性,从理论上证明若采用常变异算子,包括正态分布、柯西分布在内的一大类常用变异分布可使(1+1)ES依概率收敛到全局最优解的ε-邻域;构造了一个带适应值平台的函数,从理论上证明某些自适应变异算子即使以正态分布、柯西分布为变异分布也会导致(1+1)ES陷入早熟收敛.通过仿真实验验证了理论分析.结果表明自适应调整机制并非总是有效的.(本文来源于《计算机研究与发展》期刊2014年04期）
聂军[2]（2013）在《基于遗传算法的早熟收敛分析与防止》一文中研究指出遗传算法是一种搜索最优解的仿生算法,是模拟生物进化过程的计算模型,在自动控制、生产调度、图像处理等众多领域有着广泛的应用,但遗传算法中的早熟收敛是一个不可忽视的现象,导致不能搜索到全局最优解。本文对遗传算法作了深入的研究,分析导致早熟收敛的原因,提出防止早熟收敛的各种措施。(本文来源于《软件工程师》期刊2013年11期）
李险峰,董绍华[3]（2011）在《改善收敛早熟的混合遗传算法》一文中研究指出针对传统遗传算法收敛早熟问题,在传统包含模拟退火的混合遗传算法的基础上,设计加入了"包含浓度均衡措施的复制算法",通过调整轮盘赌扇区面积,防止个体适应度的两极分化。从而避免了算法过早收敛于局部最优解;同时通过一个工程实例计算验证了算法的可行性。(本文来源于《计算机系统应用》期刊2011年10期）
李明,涂璟,周知进[4]（2010）在《一种克服早熟收敛的收缩因子粒子群算法》一文中研究指出针对收缩因子粒子群算法容易陷入局部最优的问题,首先提出一种判断该算法早熟收敛的指标,以此判断算法是否陷入局部最优。随后提出一种解决算法早熟收敛的方法,即在算法出现早熟收敛后,将搜索空间分割为若干子空间,分别在子空间中初始化粒子,以保证粒子在整个空间的均匀分布,并且在初始化粒子的同时清除粒子的所有"记忆".仿真结果表明改进后的算法在收敛特性上有明显改善。(本文来源于《第二十九届中国控制会议论文集》期刊2010-07-29）
曳永芳,杜永清,行小帅[5]（2010）在《一种抑制早熟收敛的改进遗传算法》一文中研究指出遗传算法在许多优化问题中都有成功的应用,但其本身也存在一些不足.针对遗传算法的早熟收敛问题,本文在分析基本遗传算法的遗传算子和控制参数的基础之上提出一种改进算法.改进的遗传算法采用了实数编码、算术交叉算子、非均匀变异算子,并对控制参数进行了较合理地选取.改进遗传算法前期能均匀地搜索解空间,后期能对局部进行越来越细微的搜索,并使个体可以进入最优点的吸引域,在一定选择条件的作用下,算法后期可使群体逐渐集中到最优点的吸引域内,从而防止了遗传算法的过早收敛.理论和实例分析均表明,改进后的遗传算法在一些性能上明显优于基本遗传算法,较好地避免了遗传算法的早熟收敛,提高了遗传算法的进化效率,具有良好的有效性和可行性.(本文来源于《山西师范大学学报(自然科学版)》期刊2010年02期）
范培蕾,张晓今,杨涛[6]（2009）在《克服早熟收敛现象的粒子群优化算法》一文中研究指出为了在不了解优化函数是否存在多个局部点对早熟收敛现象进行准确判定,提出了早熟收敛判定方法;为了突破局部极值的限制以再次寻优计算,引入了基于混沌变异的粒子群算法,对出现早熟收敛现象的粒子群进行混沌变异,使得最优点不会在一点重复出现,并采用平均截止代数和截止代数分布熵组成的平面测度对算法的优化效率进行度量。仿真结果表明此算法能有效地克服早熟收敛现象,全局寻优能力较强,寻优速度较快,有效地解决了收敛性能和全局寻优能力之间的矛盾。(本文来源于《计算机应用》期刊2009年S1期）
巩固,郝国生,杨帆[7]（2009）在《一种改进的抑制早熟收敛的遗传算法》一文中研究指出针对遗传算法运算速度低、容易陷入局部最优值、早熟收敛等缺点,提出了遗传算法算子的一些改进策略,对遗传算法的选择、交叉、变异算子以及操作方法进行了改进,采用最佳保留选择策略,改进后的交叉与变异操作,使算法始终保持了种群的多样性,同时也提高了寻优最终结果的精确性。实验表明改进的遗传算法有效的改善了遗传算法的缺点,改进后的算法明显优于传统的遗传算法,该算法具有良好的有效性和可行性。(本文来源于《计算机与数字工程》期刊2009年05期）
杨文,顾保磊,戴光耀[8]（2009）在《一种避免早熟收敛的改进遗传算法》一文中研究指出针对传统遗传算法的早熟收敛问题,在着名的"基因块"假设的基础上,提出了一种改进算法:利用设计的新算子对传统遗传算法演化过程中被淘汰的个体进行二次演化,使得可能包含在将来的演化中对结果的全局最优性产生重要影响的基因块得以保留,以此来避免遗传算法早熟收敛现象。实验结果证明了该改进算法可以有效地避免早熟收敛,提高了算法全局优化能力。(本文来源于《软件导刊》期刊2009年03期）
赵金帅,鲁瑞华[9]（2008）在《一种用于防止早熟收敛的改进遗传算法》一文中研究指出针对遗传算法中的早熟收敛现象,提出了一种改进的遗传算法.该算法利用种群多样性算子产生较好的初始种群分布,并以该算子作为判断种群是否早熟收敛的依据.一旦出现早熟收敛或早熟收敛的趋势,则进行灾变,以恢复算法的进化能力.同时结合种群的最优个体和引入的随机种群,设计了一种包含选择、交叉算子的一般性算子,使算法能有效维持种群的多样性,快速找到全局最优解.(本文来源于《西南大学学报(自然科学版)》期刊2008年01期）
邓莉,鲁瑞华[10]（2007）在《一种改进的抑制早熟收敛的模糊遗传算法》一文中研究指出针对遗传算法中的早熟收敛现象,提出一种改进的模糊遗传算法。该算法将群体适应度均方差和种群的进化代数作为模糊逻辑控制器判断早熟收敛的标准,并根据判断结果对优劣不等的个体采取相应的进化方法,即当种群正常进化时对个体执行"惩强扶弱"的措施以保持种群多样性,一旦发生早熟收敛或有早熟收敛的趋势则对劣质个体进行局部灾变,以恢复种群的进化能力。实验结果表明,与标准遗传算法、自适应遗传算法和模糊遗传算法相比,改进的模糊遗传算法能够更好地维持种群多样性,抑制早熟收敛。(本文来源于《计算机科学》期刊2007年11期）
早熟收敛论文开题报告
（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：
遗传算法是一种搜索最优解的仿生算法,是模拟生物进化过程的计算模型,在自动控制、生产调度、图像处理等众多领域有着广泛的应用,但遗传算法中的早熟收敛是一个不可忽视的现象,导致不能搜索到全局最优解。本文对遗传算法作了深入的研究,分析导致早熟收敛的原因,提出防止早熟收敛的各种措施。
（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。
早熟收敛论文参考文献
[1].张宇山,郝志峰,黄翰.二元进化策略的全局收敛与早熟收敛[J].计算机研究与发展.2014
[2].聂军.基于遗传算法的早熟收敛分析与防止[J].软件工程师.2013
[3].李险峰,董绍华.改善收敛早熟的混合遗传算法[J].计算机系统应用.2011
[4].李明,涂璟,周知进.一种克服早熟收敛的收缩因子粒子群算法[C].第二十九届中国控制会议论文集.2010
[5].曳永芳,杜永清,行小帅.一种抑制早熟收敛的改进遗传算法[J].山西师范大学学报(自然科学版).2010
[6].范培蕾,张晓今,杨涛.克服早熟收敛现象的粒子群优化算法[J].计算机应用.2009
[7].巩固,郝国生,杨帆.一种改进的抑制早熟收敛的遗传算法[J].计算机与数字工程.2009
[8].杨文,顾保磊,戴光耀.一种避免早熟收敛的改进遗传算法[J].软件导刊.2009
[9].赵金帅,鲁瑞华.一种用于防止早熟收敛的改进遗传算法[J].西南大学学报(自然科学版).2008
[10].邓莉,鲁瑞华.一种改进的抑制早熟收敛的模糊遗传算法[J].计算机科学.2007
论文知识图
