导读:本文包含了混合式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,单点,函数,运动学,智能,神经网络,梯度。
混合式遗传算法论文文献综述
仇国庆,李芳彦,吴健[1]（2017）在《基于多智能体遗传算法的多机器人混合式编队控制》一文中研究指出提出了一种基于多智能体遗传算法的多机器人混合式编队控制方法,将多智能体系统与传统遗传算法相结合,形成了一种新的在线优化算法(多智能体遗传算法),应用到多机器人编队控制中。同时将领航跟随法与人工势场法相结合,能更有效地保持队形的稳定性、增强抗干扰能力。采用该方法进行仿真实验,并与传统机器人编队控制方法相比较,实验结果验证了所提方法的可行性和有效性。(本文来源于《青岛科技大学学报(自然科学版)》期刊2017年02期）
罗潇[2]（2017）在《以混合式遗传算法核心的网络差异数据挖掘技术》一文中研究指出网络差异数据挖掘技术在对数据进行处理方面发挥着非常重要的作用,然而传统算法的网络差异数据挖掘技术由于受到相似干扰的影响非常深,导致在计算中存在有非常多的局限,而且计算步骤特别多非常的繁琐,因此需要对传统计算法进行改进,也就杏花村能了以混合式遗传算法核心的网络差异数据挖掘技术,通过一些相关的实验可以证明,以混合式遗传算法核心的网络差异数据挖掘方法的计算效率以及计算精确度明显高于传统的计算方法。(本文来源于《中国新通信》期刊2017年06期）
刘增宝[3]（2017）在《基于遗传算法的轮腿混合式爬楼梯轮椅后腿运动性能优化》一文中研究指出轮腿混合式爬楼梯轮椅的后腿可以看作是典型的五杆机构,由于现有设计存在运动平稳性差,且没有进行优化设计,使得现有后腿的运动范围、运动平稳性及受力情况难以满足设计目标,为了弥补此不足,故对后腿进行优化设计。文中用非线性规划的遗传算法对五杆机构的杆长进行优化,以增强执行端连杆的翻越能力和改善浮动轮受力情况为目标函数,并利用M A TLA B对优化前后的后腿排轮进行运动学仿真,通过对比优化前后的轨迹、速度与加速度,得到后腿的最优设计。(本文来源于《机械工程师》期刊2017年02期）
张力,何军,李奇[4]（2014）在《结合遗传算法的混合式蚁群单点交叉口信号配时算法》一文中研究指出交通信号灯不合理分配容易引发交通拥塞,ACA算法能够实现根据交叉口的实际情况智能分配信号灯时间。通过将遗传算法中交叉与变异思想与传统蚁群算法相结合,从而形成混合式蚁群算法能够解决ACA在收敛过程中过快收敛。相较于单纯的蚁群算法能够有效的增加解的多样性,避免过早出现局部收敛,得到更好的解。(本文来源于《计算机光盘软件与应用》期刊2014年21期）
欧阳华兵,沈斌[5]（2012）在《面向STEP-NC基于混合式遗传算法的工艺路线优化》一文中研究指出为适应STEP-NC技术的发展需求,解决基于STEP-NC非线性工艺路线优化问题,在深入分析STEP-NC基于加工特征的数据模型基础上,探讨了工艺路线优化中存在的问题及其相关约束,提出采用基于操作优先图的智能搜索与遗传算法相结合的混合式算法。首先考虑加工操作排序中的强制性约束,采用基于操作优先图的智能搜索算法,获取多个可行的加工操作顺序,并将其作为遗传算法的初始化种群;然后综合考虑机床选择、刀具选择和刀具运动方向选择,以加工成本最低为目标函数,根据优化约束条件,通过遗传算法的复制、交叉和变异等操作实现有效工艺路线的优化决策,得到满足车间要求的最优或接近最优的工艺路线。通过实例,验证了该算法在面向STEP-NC加工特征的零件工艺路线优化上的可行性和有效性。(本文来源于《计算机集成制造系统》期刊2012年01期）
邱威[6]（2005）在《混合式遗传算法的研究与应用》一文中研究指出遗传算法由美国密执安大学的John.Holland教授首先提出,以达尔文的生物进化论为启发而创建的,是一种有效的全局优化技术。本文首先介绍了遗传算法的基本原理,并针对标准遗传算法在实际应用中存在的问题进行了细致的分析。同时参考了大量的文献。根据前人的研究成果结合在PID参数寻优中实际应用,得出标准遗传算法不是全局收敛的,容易出现“早熟现象”。为了改进这种情况,本文提出了几种改进的方案,并将其应用到PID参数寻优中,效果比较明显。但在实际应用中遗传算法还存在另一个问题即在迭代末期收敛速度比较慢,导致计算效率下降。单纯形法是一种局部优化技术,它可以在不了解函数特性的情况下,使寻优结果向局部最优值靠近,但其存在着一个弊端即对初始值比较敏感。基于此思想本文将遗传算法和单纯形算法有机的结合起来,提出了两种改进的措施,并将其与基本遗传算法进行比较,最后得出一个满意的结果。(本文来源于《哈尔滨工程大学》期刊2005-05-01）
南国芳,李敏强,寇纪淞[7]（2004）在《求解电路划分问题的混合式遗传算法》一文中研究指出为了进一步降低超大规模集成电路设计的复杂性、增强图形可读性 ,提出了一种求解电路划分问题的混合式遗传算法。与传统遗传算法不同的是 ,该算法采用了顺序交叉和单元交换变异方式 ,同时对交叉概率和变异概率进行了优化设计。与K -L算法及传统遗传算法得出的结果比较 ,该混合式遗传算法在计算时间和划分结果上显示出其优越性(本文来源于《计算机集成制造系统》期刊2004年10期）
苏馈足,徐得潜,朱梅[8]（2003）在《用混合式遗传算法进行给水管网现状分析》一文中研究指出将广义简约梯度法(GRG)思想应用于传统遗传算法,提出一种新的混合式遗传算法(HGA),此方法具有很强的全局和局部搜索能力,并且无需复杂的编码、解码过程,可以准确解决多变量、多峰值的给水管网现状分析问题。采用此算法,绝大多数的计算值与实测值的误差可减小到1%以下,能准确反映管网的实际工况。(本文来源于《工业用水与废水》期刊2003年01期）
王梦兰[9]（2002）在《混合式遗传算法及其在指派问题与排序问题中的应用》一文中研究指出遗传算法由美国教授J.Holland提出，它是一类起源于生物选择和遗传机制的随机搜索算法。遗传算法的主要特点是群搜索策略以及个体间信息交换和搜索不依赖梯度信息，它特别适合于传统方法难于解决的复杂和非线性问题并广泛应用于机器学习、自适应控制、组合设计、人工智能等领域。因此，遗传算法是二十一世纪智能计算的一种关键技术。 本论文的工作集中在以下四个方面： 1．详细讨论了遗传算法的理论以及运行框架； 2．提出了一种新的改进遗传算法—混合式遗传算法，设计了解决函数优化混合式遗传算法运行程序。仿真结果表明混合式遗传算法与其它几种遗传算法相比有更好的性能； 3．运用混合式遗传算法较好地解决了指派问题。特别地，提出了一种改进的交叉算子—PMX并设计了执行程序； 4．提出了生产管理中一类排序问题的数学模型并设计了有效的混合式遗传算法求解程序。 指派问题和排序问题是一类复杂的组合问题，传统的方法难于解决。相比之下，遗传算法解决此类问题具有优势。特别地，仿真结果表明混合式遗传算法混合式遗传算法由于结合了其它几种遗传算法的优点具有更好的性能。另外，本文针对指派问题和排序问题提出的PMX交叉算子以及设计的运行程序非常有效。(本文来源于《西南交通大学》期刊2002-05-01）
程泽,寇纪淞,卜冬梅[10]（2001）在《一种基于免疫思想的混合式遗传算法》一文中研究指出基于生命科学中的免疫思想 ,在解决遗传算法中的约束问题时 ,将处理约束问题的两个关键方法 (惩罚函数法和修补算法 )有机的结合起来 ,并用于解决一类典型的约束问题———背包问题 .其仿真结果表明 ,对于约束问题的求解 ,该混合式遗传算法和标准遗传算法相比在搜索全局最优解的收敛速度和精度方面都有明显的提高 .(本文来源于《天津理工学院学报》期刊2001年04期）
混合式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：
网络差异数据挖掘技术在对数据进行处理方面发挥着非常重要的作用,然而传统算法的网络差异数据挖掘技术由于受到相似干扰的影响非常深,导致在计算中存在有非常多的局限,而且计算步骤特别多非常的繁琐,因此需要对传统计算法进行改进,也就杏花村能了以混合式遗传算法核心的网络差异数据挖掘技术,通过一些相关的实验可以证明,以混合式遗传算法核心的网络差异数据挖掘方法的计算效率以及计算精确度明显高于传统的计算方法。
（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。
混合式遗传算法论文参考文献
[1].仇国庆,李芳彦,吴健.基于多智能体遗传算法的多机器人混合式编队控制[J].青岛科技大学学报(自然科学版).2017
[2].罗潇.以混合式遗传算法核心的网络差异数据挖掘技术[J].中国新通信.2017
[3].刘增宝.基于遗传算法的轮腿混合式爬楼梯轮椅后腿运动性能优化[J].机械工程师.2017
[4].张力,何军,李奇.结合遗传算法的混合式蚁群单点交叉口信号配时算法[J].计算机光盘软件与应用.2014
[5].欧阳华兵,沈斌.面向STEP-NC基于混合式遗传算法的工艺路线优化[J].计算机集成制造系统.2012
[6].邱威.混合式遗传算法的研究与应用[D].哈尔滨工程大学.2005
[7].南国芳,李敏强,寇纪淞.求解电路划分问题的混合式遗传算法[J].计算机集成制造系统.2004
[8].苏馈足,徐得潜,朱梅.用混合式遗传算法进行给水管网现状分析[J].工业用水与废水.2003
[9].王梦兰.混合式遗传算法及其在指派问题与排序问题中的应用[D].西南交通大学.2002
[10].程泽,寇纪淞,卜冬梅.一种基于免疫思想的混合式遗传算法[J].天津理工学院学报.2001
论文知识图
