导读:本文包含了递阶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,神经网络,基因,形状,测量,有限元,非接触。
递阶遗传算法论文文献综述
梅丹,王公宝,叶志浩,沈静,冯杭[1]（2018）在《基于变阶遗传算法的舰船电力系统结构性能双层优化》一文中研究指出舰船电力系统结构性能的提升可以通过改善电力系统的网络拓扑结构和提高网络拓扑组成设备可靠性的方式来实现。该文在考虑舰船资源约束和结构限制的前提下,建立舰船电力系统结构性能多目标、多约束双层优化模型。基于系统变阶的思想,将双层迭代遗传算法和边际优化方法相结合,提出一种改进的遗传算法用于双层优化模型的求解。以某环形舰船电力系统为例进行模型验证,从网络结构优化和配置合理数量备件两方面给出适用于舰船电力系统的结构性能优化策略,可为提高舰船电力系统的安全性和设计工作的科学性提供理论依据。(本文来源于《中国电机工程学报》期刊2018年19期）
张晓飞,郑世杰,王宏涛[2]（2015）在《基于递阶遗传算法的结构非接触形状控制》一文中研究指出以PLZT光致伸缩层合梁非接触形状控制问题为研究对象,提出了一种结合结构拓扑优化与递阶遗传算法的控制方法.该方法以PLZT光致伸缩驱动器的拓扑分布和照射的光强值为设计变量,以PLZT光致伸缩层合梁的期望形状与控制形状的差值函数为适应度函数,应用结构拓扑优化、递阶遗传算法和有限元法,优化了PLZT光致伸缩驱动器的分布和所照射的光强值.与基于传统遗传算法的形状控制方法的计算结果进行了对比分析,该方法的进化速度提高了91%以上,所控制的结构形状与期望形状的误差较传统遗传算法降低了76%以上.(本文来源于《航空动力学报》期刊2015年12期）
陈安业,潘权[3]（2015）在《基于递阶遗传算法的智能跟车控制》一文中研究指出简单回顾了智能控制以及相关技术,采用一种递阶式遗传算法,对需要控制的跟车距离的相关模糊逻辑系统隶属度函数和规则库进行寻优,其中跟车距离模糊逻辑输入隶属度函数采用叁输入模型,即基本规则包含45条,然后对所采用的遗传算法的初始种群和交叉、变异率等进行了设置,最后给出仿真结果。(本文来源于《科技创新导报》期刊2015年13期）
张晓飞[4]（2014）在《基于递阶遗传算法的结构非接触形状控制》一文中研究指出随着空间科学技术的迅速发展,空间结构中的挠性部件越来越多,这些空间结构需要在相当长的运行时间内维持很高的形状精度。为了保证空间结构的工作性能,必须对挠性部件进行非接触形状控制。本文以光电层合梁、板结构的非接触形状控制问题为研究对象,阐述了递阶遗传算法的计算流程和PLZT光致伸缩驱动器的工作原理,根据铁木辛柯梁理论,建立了考虑粘贴层剪切应力和剥离应力的光电层合梁单元,并推导了光-电-力-热多场耦合情况下的有限元列式。在此基础上,提出了一种结合递阶遗传算法与有限元法的新控制方法,该方法以光致伸缩驱动器的拓扑分布和照射的光强值为设计变量,以光电层合结构的期望形状与控制形状的差值函数为适应度函数,应用递阶遗传算法和有限元法,优化了光致伸缩驱动器的分布和所照射的光强值。与基于传统遗传算法的形状控制方法的计算结果进行了对比分析,表明新方法所控制的结构形状与期望形状的最大绝对误差较传统遗传算法降低了65.5%以上,均方根误差降低了73.3%以上。(本文来源于《南京航空航天大学》期刊2014-12-01）
葛珉昊[5]（2014）在《基于混合递阶遗传算法的RBF网络优化及在BOD软测量中的应用》一文中研究指出随着社会工业化的发展,城市和工业污水处理已成为环保领域迫在眉睫的重要课题。污水处理生物过程中不可预见的干扰大,具有典型的非线性、不稳定、多变量等特点,很难建立准确的数学模型,并且关键的水质参数(尤其是最能体现污水处理性能的生化需氧量BOD)难以实现在线监测。针对污水处理过程中关键水质参数难以在线监测的问题,本文提出了一种基于混合递阶遗传算法优化RBF神经网络的BOD软测量模型。本文首先运用主元分析法(PCA)对输入变量进行降维和去相关处理,从而简化RBF神经网络的输入。以不小于85%的累计贡献率,把初始的10维输入变量降到5维。然后把隐含层结构和参数看作整体,编码为染色体,采用具有双层基因染色体结构的递阶遗传算法来优化RBF隐含层参数,而输出层连接权值则采用最小二乘法来确定。运用混合递阶遗传算法优化RBF神经网络模型,使得软测量模型具有较强的自适应性以及较好的容错性。最后将本文提出的软测量模型与其他几种模型的仿真结果作比较,可知本模型具有较好的控制精度和稳定性。本文将混合递阶遗传算法和RBF神经网络用于污水处理出水BOD的软测量,能够进一步推动污水处理过程的实时闭环控制,对其他工业过程中具有智能控制算法的软测量仪表的开发也具有积极的启发意义。(本文来源于《兰州理工大学》期刊2014-06-08）
王树东,葛珉昊,陈明明[6]（2014）在《基于混合递阶遗传算法优化RBF神经网络的BOD_5软测量方法》一文中研究指出针对污水处理过程中关键水质参数难以在线监测的问题,提出了基于混合递阶遗传算法优化RBF神经网络的BOD5软测量方法。首先用主元分析的方法实现输入变量的降维和去相关,再用递阶遗传算法来确定合理的RBF神经网络隐含层节点数、基函数中心和宽度,而输出层则采用最小二乘法。此算法能同时优化网络参数和拓扑结构,在全局范围内寻找RBF参数的最优解。仿真结果表明,该方法可以实现污水水质的在线预测,具有较好的实时性、稳定性和较高的控制精度。(本文来源于《给水排水》期刊2014年03期）
范德礼,郑世杰,王宏涛[7]（2013）在《基于递阶遗传算法的结构多损伤监测》一文中研究指出基于递阶遗传算法(HGA)与结构优化思想,提出了一种针对欧拉-伯努利梁和二维板结构的多损伤监测方法.该方法利用递阶遗传算法的控制基因表示损伤的数量和位置,以参数基因表示损伤的程度,有效地避免了传统遗传算法(CGA)的早熟现象所造成的损伤误识别等问题.一个悬臂梁和悬臂方板结构模型的多损伤监测仿真计算表明该方法能够准确地监测一、二维结构中多个位置的损伤,而传统遗传算法难以识别二维结构中的多损伤情况.悬臂梁仿真算例中,该方法和传统遗传算法对多损伤程度的识别误差分别为0.144%和1.819%,所需的有限元计算次数该方法仅为传统遗传算法的16.4%.与传统遗传算法相比,递阶遗传算法明显提高了损伤识别方法的计算效率、精度和稳定性.(本文来源于《航空动力学报》期刊2013年09期）
张鹏[8]（2011）在《基于递阶遗传算法的BP神经网络的研究与应用》一文中研究指出近年来人工神经网络逐渐受到人们的重视成为了热点研究领域,在诸多领域都得到了应用如涉信息工程、自动控制、电子技术等。同时也广泛应用于诸如目标识别、数学建模、图像处理分析等领域,并且随着神经网络算法的不断改进以及与其他新算法的结合,使其应用的领域越来越广。研究人工神经网络的理论知识以及应用范围时,一个十分重要研究内容就是神经网络的学习算法,而在算法的研究中尤其重要的是对前馈神经网络学习算法的研究,到目前为止都没有一种前馈网络学习方法能十分理想的解决所有的具体问题。本论文以BP神经网络为研究对象,就是因为它是目前在前馈神经网络中应用最广、最具代表性的神经网络,具有较高的研究价值和研究意义。本文通过对BP神经网络的深入研究,分析了BP网络本身存在的缺点及产生这些缺点的原因,将递阶遗传算法与BP神经网络相结合,BP网络的结构可以通过递阶遗传算法的分层结构得到优化,在保留各自优点的同时还是网络的结构及网络的权值得到了优化。这种基于递阶遗传算法的BP神经网络结构优化方法将递阶遗传算法的全局搜索能力和BP算法的局部搜索能力相结合,在发挥这两种算法各自优点的同时也克服了去本身的缺点。本文在提出这种一种基于递阶遗传算法的BP神经网络结构优化方法后,通过在MATLAB软件对Hermit多项式和非线性函数的逼近以及解决简单的模式分类问题。通过对实验结果的分析和比较验证了本文提出的新的BP网络算法在解决“网络最优结构”的问题上是可行、有效性的,同时与标准BP神经网络算法进行比较,分析了各自的优缺点。本文的主要以一下叁个方面进行了研究:(1)简单介绍了人工神经网络的基本情况和基础理论知识。详细介绍了BP神经网络模型及BP算法的工作原理,分析了BP网络所存在的缺点及缺点产生的原因。并对遗传算法的工作原理及其基本操作步骤进行了详细的介绍,给出了在BP神经网络中遗传算法的应用方法。(2)通过对BP网络缺点的分析,本文将BP神经网络与递阶遗传算法相结合,提出了一种基于递阶遗传算法的BP网络结构优化方法,该方法可以解决BP神经网络的结构优化和易陷入局部极小值的问题。在本文提出基于递阶遗传算法的BP网络结构优化算法中,BP神经网络的结构和权值是通过递阶遗传算法的分层结构来优化的,并利用递阶遗传算法的全局搜索能力使BP网络免于陷入局部极小值。并对本文所提出的算法进行了,实验结果表明,该算法在优化BP网络结构的同时还能提高网络的收敛速度。(3)用MATLAB软件作为仿真平台,应用BP神经网络方法和本文提出的新方法——基于递阶遗传算法的BP网络结构优化方法,对Hermit多项式和非线性函数的逼近等问题进行了实验,通过对实验结果的分析和比较,证明了本文的新方法的有效性和合理性,同时也对该方法所出现的问题进行分析,以便为以后进一步提高算法性能做好准备。(本文来源于《吉林大学》期刊2011-10-01）
潘多[9]（2010）在《基于递阶遗传算法优化的交通流预测》一文中研究指出及时准确地进行短时交通流预测是智能交通系统研究的关键内容之一。基于小波分析和模糊神经网络的相关知识,提出模糊小波神经网络的控制方法。将小波函数作为模糊隶属函数,利用神经网络实现模糊推理,从而完成对下一周期交通流量的预测,同时采用递阶遗传算法实现网络结构和参数的优化。经实测数据验证,预测精度高,运行稳定,适应性强。(本文来源于《拖拉机与农用运输车》期刊2010年05期）
周辉仁,唐万生,任仙玲[10]（2010）在《基于递阶遗传算法和BP网络的财务预警》一文中研究指出提出一种基于递阶遗传算法和BP神经网络的财务预警模型。现有的BP网络模式分类训练方法大都只能训练BP网络的权重,网络的结构得预先用某种方法确定。利用巧妙设计的递阶遗传算法能够把网络的结构和权重同时通过训练确定。以模式分类数据库中的数据进行训练和测试,并与其他模式分类模型相比较。结果表明,该模型更优,分类精确度更令人满意。根据上市公司的财务数据用所提出的方法进行财务预警是可行的。(本文来源于《系统管理学报》期刊2010年01期）
递阶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：
以PLZT光致伸缩层合梁非接触形状控制问题为研究对象,提出了一种结合结构拓扑优化与递阶遗传算法的控制方法.该方法以PLZT光致伸缩驱动器的拓扑分布和照射的光强值为设计变量,以PLZT光致伸缩层合梁的期望形状与控制形状的差值函数为适应度函数,应用结构拓扑优化、递阶遗传算法和有限元法,优化了PLZT光致伸缩驱动器的分布和所照射的光强值.与基于传统遗传算法的形状控制方法的计算结果进行了对比分析,该方法的进化速度提高了91%以上,所控制的结构形状与期望形状的误差较传统遗传算法降低了76%以上.
（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。
递阶遗传算法论文参考文献
[1].梅丹,王公宝,叶志浩,沈静,冯杭.基于变阶遗传算法的舰船电力系统结构性能双层优化[J].中国电机工程学报.2018
[2].张晓飞,郑世杰,王宏涛.基于递阶遗传算法的结构非接触形状控制[J].航空动力学报.2015
[3].陈安业,潘权.基于递阶遗传算法的智能跟车控制[J].科技创新导报.2015
[4].张晓飞.基于递阶遗传算法的结构非接触形状控制[D].南京航空航天大学.2014
[5].葛珉昊.基于混合递阶遗传算法的RBF网络优化及在BOD软测量中的应用[D].兰州理工大学.2014
[6].王树东,葛珉昊,陈明明.基于混合递阶遗传算法优化RBF神经网络的BOD_5软测量方法[J].给水排水.2014
[7].范德礼,郑世杰,王宏涛.基于递阶遗传算法的结构多损伤监测[J].航空动力学报.2013
[8].张鹏.基于递阶遗传算法的BP神经网络的研究与应用[D].吉林大学.2011
[9].潘多.基于递阶遗传算法优化的交通流预测[J].拖拉机与农用运输车.2010
[10].周辉仁,唐万生,任仙玲.基于递阶遗传算法和BP网络的财务预警[J].系统管理学报.2010
论文知识图
