导读:本文包含了启发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:TD-SCDMA,算法,启发式,节能,规则,互联网,粒度。
启发式遗传算法论文文献综述
杨杰,吴佳焱,王彪,卢少锋[1]（2019）在《基于启发式遗传算法的列车节能运行目标速度曲线优化算法研究》一文中研究指出针对传统速度曲线优化算法在极限线路条件下鲁棒性差、易陷入局部最优的缺点,提出一种基于启发式遗传算法的速度曲线优化算法。基于列车运行基本模型和相关约束条件,按经典的四阶段法规划速度曲线轮廓,选取巡航速度和惰行点位置作为优化变量,采用启发式遗传算法进行寻优,中途如因限速变化等情况与最短时间运行曲线交汇则强制沿最短时间运行曲线运行。仿真实验结果显示,该算法具有收敛速度快、优化精度高、鲁棒性好的优点。该算法有效克服了进化算法搜索结果不确定性和速度波动性的固有缺点,对该领域以及其他交通工具的节能运行和自动驾驶,具有较好的参考意义和实用价值。(本文来源于《铁道学报》期刊2019年08期）
贾叶玲,董绍华[2]（2019）在《基于启发式-遗传算法的混合流水车间成套订单问题》一文中研究指出针对并行机带工艺约束的混合流水车间环境下的成套订单问题,提出一种基于分批调度策略的启发式-遗传算法。首先,以最大化加权成套订单数为目标建立数学模型,对工件分批采用内层遗传算法生成初始调度;再以外层启发式规则转化目标为最大加权成套订单数,设计一种订单评价指标用于突破交货时间瓶颈;最后,内外层算法循环优化,直到不存在瓶颈即得到满意解。实例验证结果显示,启发式-遗传算法能在20代以内得到每组最优调度,种群规模大于50时得到最优解的概率达到70%。对比实验结果显示,当问题规模增加到40个工件时,遗传算法求解时间显着增加,在不同问题规模中临界比最小(SCR)规则优化后的加权成套订单数均较启发式-遗传算法更少。启发式-遗传算法能在实际工程中够将加权成套订单数提高到1.5倍以上,使加工时间平均缩短5.1%。结果表明,启发式-遗传算法能够改善成套订单问题在混合流水车间环境下易陷入局部最优的问题,可在大规模复杂混合流水车间的订货型企业中实现计划与生产同步,具有实际意义。(本文来源于《计算机应用》期刊2019年09期）
吴佳焱[3]（2019）在《基于启发式遗传算法的列车运行速度曲线优化研究》一文中研究指出随着我国轨道交通行业近几年的蓬勃发展,以高铁为典型代表的轨道交通前沿产品已经成为了一张闪亮的国家名片,铁路、城轨等轨道交通系统的发展,使国民的生活更加快捷、方便的同时,也进一步加重了国家的耗能负担,缓解列车能源消耗压力迫在眉睫。如何有效降低列车运行能耗一直是研究者们关注的重点科学问题。为了有效降低列车运行能耗,同时提高列车的智能化水平,研究者们通过建立各种数学模型加入多种优化算法对控制策略和运行仿真进行了深入的研究。论文的研究主体创新内容为以下叁个部分:(1)根据列车在多种状态下的受力情况和通过总结归纳众多优秀列车司机的驾驶经验与先验知识得到的启发式规则,并结合列车运行过程中,可能受到的一些运行阻力的能耗敏感性分析结果,建立了对应的启发式列车运行模型;(2)简单介绍经典遗传算法相关信息与运行流程,分析其在列车运行曲线优化方面的优点和不足。根据其不足的地方加以改进,设计改良遗传算法,并详细介绍改良遗传算法的设计思路和改进点;而后,将最优巡航速度和惰行点位置作为个体基因,以这种新模型作为启发式算法的适应度计算函数优化个体基因,达到优化列车节能运行目标速度曲线的目的。(3)通过实例仿真,分多种线路情况,分析本文算法与其他算法对比之下所具有的改进和优势,并详细叙述其中优化细节。然后根据以上步骤,针对传统牵引优化算法在极限线路条件下鲁棒性差、优化效果不理想,而常规进化算法运行效率低且易于陷入局部最优等问题,提出了一种基于启发式遗传算法的列车运行速度曲线优化策略。在Matlab R2016b仿真环境下,使用改进的遗传算法对运行曲线进行仿真求解。仿真实验结果显示,该算法具有收敛速度快,优化精度高,鲁棒性高等优点,且能够达到有效降低列车运行能耗的目的。特别地,该算法有效克服了进化算法搜索结果不确定性和速度波动性的缺点,对该领域以及其他交通工具的节能运行和自动驾驶,具有较好的参考意义和实用价值。(本文来源于《江西理工大学》期刊2019-05-01）
梁勇强,卢建宁[4]（2018）在《求解规格密集型一维排料问题的启发式遗传算法》一文中研究指出为了提高规格密集型一维排料问题的遗传算法效果,本文提出一种新的启发式遗传算法.首先引进一种多规格最小化解码方法,该方法总是尽量按最小的规格生成排料方式;接着引进两个启发式微调操作,改善各个排料方式的质量;最后进行了算法实验比较,算法实验比较表明,本文算法的最优化解质量优于传统的启发式算法.(本文来源于《玉林师范学院学报》期刊2018年05期）
韩亚娟,彭运芳,魏航,史保莉[5]（2019）在《超启发式遗传算法求解带软时间窗的车辆路径问题》一文中研究指出针对车辆路径问题中传统软时间窗惩罚函数过于线性的问题,考虑客户容忍水平,提出一种折线型软时间窗,并构造出相应的惩罚函数。在此基础上,以运输配送总成本最小为目标,构造出一种带折线型软时间窗的车辆路径问题通用数学模型。同时,提出一种具有一定通用性的超启发式遗传算法,该算法以遗传算法作为上层搜索算法,以3种启发式算法——CW节约法、MJ插入法和Kilby插入法作为底层搜索规则,并通过预排序、局部搜索和全局优化来优化算法。最后,通过Solomon标准题库中的R101算例分析并验证了所提算法的可行性和有效性。(本文来源于《计算机集成制造系统》期刊2019年10期）
张洪,龚勇,潘志松,胡谷雨[6]（2017）在《结合遗传算法与启发式搜索的卫星频谱资源动态规划》一文中研究指出为了提高蜂窝式卫星移动通信的通信质量和频谱使用效率,必须对各波束载波频率的选取进行合理规划.为此,将频谱资源动态规划问题形式化,提出一种基于遗传算法和启发式搜索的频谱动态规划算法,综合考虑同频复用距离、波束分组类约束、动态变化的可用频谱资源、用户业务频谱需求等,动态地将可用频谱资源分配至各波束,以最大效用地利用卫星频谱资源.(本文来源于《北京邮电大学学报》期刊2017年S1期）
胡奇飞[7]（2016）在《铝型材立体仓库倒垛优化的启发式遗传算法》一文中研究指出对铝型材立体仓库的最优倒垛问题建立了0和1整数规划模型。模型是一个二次规划模型,其目标函数的系数与变量的取值相关联,属于NP难问题,获得较大规模的最优解比较困难。为了求解此问题,结合启发式规则构建了改进型启发式遗传算法。提出了适合于该立体仓库倒垛优化问题的遗传编码,设计了相应的交叉与变异,使经过遗传操作后得到的染色体仍然可行。改进了交叉操作,采用了自适应交叉与变异概率,增加了算法的局部搜索能力。通过随机产生的问题实例实验验证了该算法的可行性和有效性。(本文来源于《电气传动自动化》期刊2016年06期）
张晓燕[8]（2015）在《启发式遗传算法设计及应用研究》一文中研究指出遗传算法是模拟自然界生物进化理论—适者生存,优胜劣汰的遗传机制而得到的一种随机搜索算法,也属于启发式算法。自90年代,遗传算法得到广泛发展和应用,目前已广泛应用于组合优化、信号处理、机器学习、自适应控制和人工生命等众多领域。算法本身也具有很强的可塑性,近年来多被人们与其它算法如模拟退火算法,最小冲突算法,贪心算法等结合运用。本文主要讲述了遗传算法在PPI网络中蛋白质的挖掘,N-queens问题和最短路径问题的应用及算法改进。首先不同于其它基于节点的聚类方法,本文提出一种基于链接聚类(边聚类)的启发式算法—遗传算法GA(Genetic Algorithm)。因为链接(边)通常代表节点之间的独特关系,利用链接聚类便会发现具有相同特征的链接群体。实验中,使用酵母蛋白质数据DIP,通过编码获得个体,再评价个体,中间经过种群的迭代选择,最终选出最优个体,并通过解码获得蛋白质复合物预测集。将所获的预测集与两个标准复合物数据集进行匹配计算,并与其它两种具有代表性的算法进行性能分析比较。实验结果表明该算法能够识别出标准复合物数据集中更多的已知蛋白质,在计算召回率,调和平均数方面性能较好。其次是N-queens问题研究,针对遗传算法的搜索效率会随着状态空间的指数增大而降低这一弱点,提出了贪心算法初始化种群,并在遗传算法的交叉突变操作后添加最小冲突算法,从而保证子代效果的良好性,提高整体算法效率。最后是最短路径问题,以多个旅行商并行问题为测试实验,提出了基于粗粒度和细粒度的混合并行遗传算法,并证明了该混合并行算法在寻找正确最小路径以及时间效率方面比单个的粗粒度并行或细粒度并行遗传算法效果好。(本文来源于《湖南大学》期刊2015-11-01）
郭玉泉,李雄飞,刘昕[9]（2015）在《谱分析与启发式遗传算法相结合的多尺度社区检测方法》一文中研究指出针对常规的社区检测方法不能揭示出社区结构的多尺度特征这一问题,本文通过对复杂网络传导率函数C与社区平均凝聚概率的分析,提出了一种局部启发变异策略,同时将复杂网络谱分析与遗传算法相结合,提出了多尺度社区检测算法HGASA。在人工网络和现实网络上对HGASA算法进行了测试,实验结果表明了HGASA算法的有效性和高效性。(本文来源于《吉林大学学报(工学版)》期刊2015年05期）
彭书名[10]（2015）在《基于超启发式遗传算法的TD-SCDMA频率分配机制研究》一文中研究指出随着移动通信行业的发展,特别是移动互联网及应用的迅速发展,移动通信业务量急剧增加,诸如移动社交、移动支付等移动通信服务已成为人们必不可少的基础服务。但是,可用于承载移动信号的频率资源是十分有限的,业务量剧增与有限频率资源的矛盾成为了移动通信网络进一步发展的严重阻碍。为了充分利用频率资源,提高移动通信网络的质量,必须要解决频率分配问题。传统的解决频率分配问题的方法,如剪枝法等确定性方法,其计算时间太长,在有效的时间内根本不可能求得问题的解;模拟退火等元启发式算法,由于过早收敛,分配的频率的干扰较大,分配方案的质量较低。针对传统算法在时间和质量上的缺陷,本文提出一种超启发式遗传算法来解决TD-SCDMA的频率分配问题。首先,针对频率分配的质量问题,设计了一种超启发式遗传算法来解决频率分配问题。在此算法中,设计了6种面向频率分配问题的低层启发式策略,以及高层的遗传算法。在此基础上,以网络的观点来看待频率分配问题,提出一种先分配重点小区后分配非重要小区的策略。其次,针对超启发式遗传算法分配频率时,某些小区容易陷入局部最优,低层启发式策略选择这些小区重新分配频率时导致无效搜索的情况,设计了一种禁忌搜索表来辅助低层启发式策略来跳过这些小区,提高算法的执行效率。最后,针对超启发式算法解决大规模或超大规模网络的频率分配时间过长的问题,提出了一种基于区域划分的频率分配方法。该算法将服务区域用一个公共区域分为两部分,然后使用超启发式遗传算法并行分配这两个部分的频率,提高频率分配的效率。在两个实际的TD-SCDMA网络的实验结果表明,超启发式遗传算法能够获得比现有方法更优的频率分配方案,而基于区域划分的频率分配方法能够在保证质量的前提下,大大降低频率分配的执行时间开销。本文从频率分配质量和时间开销上研究频率分配问题,分别设计了超启发式遗传算法以及基于区域划分的超启发式遗传算法来解决频率分配问题。实验结果表明,本文算法能兼顾频率分配质量和执行时间开销两个条件,取得较好的频率分配方案。分配质量和时间上的优越性对于解决实际生活中的频率分配问题有着重要的意义。(本文来源于《湖南大学》期刊2015-05-05）
启发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：
针对并行机带工艺约束的混合流水车间环境下的成套订单问题,提出一种基于分批调度策略的启发式-遗传算法。首先,以最大化加权成套订单数为目标建立数学模型,对工件分批采用内层遗传算法生成初始调度;再以外层启发式规则转化目标为最大加权成套订单数,设计一种订单评价指标用于突破交货时间瓶颈;最后,内外层算法循环优化,直到不存在瓶颈即得到满意解。实例验证结果显示,启发式-遗传算法能在20代以内得到每组最优调度,种群规模大于50时得到最优解的概率达到70%。对比实验结果显示,当问题规模增加到40个工件时,遗传算法求解时间显着增加,在不同问题规模中临界比最小(SCR)规则优化后的加权成套订单数均较启发式-遗传算法更少。启发式-遗传算法能在实际工程中够将加权成套订单数提高到1.5倍以上,使加工时间平均缩短5.1%。结果表明,启发式-遗传算法能够改善成套订单问题在混合流水车间环境下易陷入局部最优的问题,可在大规模复杂混合流水车间的订货型企业中实现计划与生产同步,具有实际意义。
（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。
启发式遗传算法论文参考文献
[1].杨杰,吴佳焱,王彪,卢少锋.基于启发式遗传算法的列车节能运行目标速度曲线优化算法研究[J].铁道学报.2019
[2].贾叶玲,董绍华.基于启发式-遗传算法的混合流水车间成套订单问题[J].计算机应用.2019
[3].吴佳焱.基于启发式遗传算法的列车运行速度曲线优化研究[D].江西理工大学.2019
[4].梁勇强,卢建宁.求解规格密集型一维排料问题的启发式遗传算法[J].玉林师范学院学报.2018
[5].韩亚娟,彭运芳,魏航,史保莉.超启发式遗传算法求解带软时间窗的车辆路径问题[J].计算机集成制造系统.2019
[6].张洪,龚勇,潘志松,胡谷雨.结合遗传算法与启发式搜索的卫星频谱资源动态规划[J].北京邮电大学学报.2017
[7].胡奇飞.铝型材立体仓库倒垛优化的启发式遗传算法[J].电气传动自动化.2016
[8].张晓燕.启发式遗传算法设计及应用研究[D].湖南大学.2015
[9].郭玉泉,李雄飞,刘昕.谱分析与启发式遗传算法相结合的多尺度社区检测方法[J].吉林大学学报(工学版).2015
[10].彭书名.基于超启发式遗传算法的TD-SCDMA频率分配机制研究[D].湖南大学.2015