导读:本文包含了自适应交叉和变异论文开题报告文献综述及选题提纲参考文献，主要关键词:遗传算法,种群活力,交叉变异概率,交叉库
自适应交叉和变异论文文献综述
苗振华[1]（2015）在《基于交叉库与并行变异的自适应遗传算法》一文中研究指出在工业生产中适当地使用优化算法,会极大地提高生产效率,节约生产成本。遗传算法是最经典的优化算法之一,由于其隐含并行性好、鲁棒性高、操作简便以及结果可靠等优点,被广泛应用于函数优化、人工智能、图像处理以及数据挖掘等领域。然而,传统的遗传算法存在许多不足,特别是收敛速度慢、收敛精度低与局部寻优能力差等问题,严重影响了遗传算法的实际应用效果。为了解决上述问题,本文从对交叉和变异相关操作的改进入手,提出了一种基于交叉库与并行变异的自适应遗传算法。首先,分析了传统遗传算法寻优过程中对种群情况考虑不足的缺点,分别基于种群特征值和种群信息熵与个体分布,设计了种群多样性度量函数,给出了相邻代种群相似性的概念来判断种群进化效果；通过综合考虑种群多样性与相邻代种群相似性,确定了一种新的种群评价标准——种群活力；利用种群活力,本文设计了一种新的交叉变异概率自适应变化规则,将种群适应度平均数替换为适应度众数作为新的种群适应度参考量,由种群活力与个体适应度值共同决定交叉变异概率的大小。为加快遗传算法的收敛速度,提出了动态交叉库的概念,将符合进化特征的个体存入交叉库并在交叉时作为父代参与交叉操作运算；为提高算法局部寻优能力,引入并行变异操作机制,可同时执行多种变异规则。最后,通过货物运输结构优化和油品调和优化两个应用实例来验证本文方法的有效性。实验比较结果表明,本文所提的算法能较好地克服遗传算法收敛慢、精度低和局部收敛等问题,有效提高算法的整体性能。(本文来源于《大连理工大学》期刊2015-06-02）
张昀,于大为,夏祎,于舒娟[2]（2014）在《基于自适应交叉变异量子免疫信号盲检测算法》一文中研究指出提出了基于自适应交叉变异算子的量子免疫信号盲检测方法,所述方法在量子化交叉与变异基础上,引入了基于自适应策略的量子免疫交叉与变异算子,用量子交叉与量子变异进行进化,同时采用了传统免疫算法中交叉和变异算子的策略,以求更好地加强种群的进化程度,仿真结果表明所提出的基于自适应交叉变异算子的量子免疫算法能够有效避免早熟现象,收敛速度更快,相同信噪比条件下误码率更低。(本文来源于《电视技术》期刊2014年23期）
盘俊良[3]（2011）在《带交叉变异算子的自适应粒子群聚类算法的研究》一文中研究指出聚类分析是数据挖掘中一项重要的挖掘任务。所谓“物以类聚”,聚类分析从大量数据对象中寻找数据属性间的相似性,并以此为数据对象分类,从而达到和优化大规模数据的查询和发现隐含有用信息的目的。本文着重对聚类分析中应用最广泛的是基于划分的聚类方法——K-means聚类方法进行了深入地研究,并对其优缺点进行了分析,该算法具有思想简单、结构简单、执行效率高等优点,但是算法也存在着对初始聚类中心敏感、容易陷入局部最优的缺点,而这两个缺点也是制约该算法应用的主要原因。为了改善K-means聚类方法对初始聚类中心敏感、容易陷入局部最优的缺点,本文采用具有全局寻优能力和更高分类准确度的改进型粒子群算法与K-means算法相结合。其中主要研究工作包括:(1)对标准粒子群算法惯性权重因子的研究。由于标准粒子群算法中粒子飞行方向与速度对惯性权重w的依赖性强,本文提出了惯性权重改进方案,即随粒子群算法执行过程动态变化的自适应惯性权重。(2)设计了基于适应度为基准的交叉操作,这样保证了种群中粒子的多样性,加强了粒子的全局搜索能力,也加快粒子群收敛速度。提出了基于群适应度标准差的变异操作,变异操作通过粒子群的群体适应度标准差σ~2和当前粒子理论最优值f_(gbest)来控制粒子的变异概率。同时,构造了比较直观的适应度函数。粒子群算法中适应度函数至关重要,特别在本文中适应度函数不仅直接影响交叉算子对粒子的操作而且决定着变异操作,这样适应度函数将会影响聚类中心点的优化及聚类划分的情况。在本文中所给出的适应度函数主要依据类内总的离散度,即通过类内尽量紧凑、类间尽量松散的原则来构建。(3)将改进后的粒子群算法与K-means聚类算法融合。给出了把粒子群优化算法引入到K-means算法中去的粒子的编码方案和算法流程。通过两种算法的结合改善K-means算法对初始聚类中心选择敏感等问题。文章最后将基于交叉变异算子的自适应粒子群聚类算法应用到UCI学习型数据库中,并通过将该文提出的聚类方法与K-means聚类算法、基于遗传算法的聚类算法、基于粒子群算法的聚类算法作比较,从实验结果可以看出,本文中提出的聚类算法较上述叁种算法拥有更好的适应度值和分类正确率并且算法更加稳定,因此,本文的方法改善了K-means聚类算法对初始聚类中心敏感和容易陷入局部最优的缺陷。(本文来源于《湘潭大学》期刊2011-05-10）
王岚[4]（2010）在《基于自适应交叉和变异概率的遗传算法收敛性研究》一文中研究指出交叉概率pc和变异概率pm在整个进化进程中保持不变,是导致算法性能下降的重要原因。为了提高算法的性能,文章提出了自适应交叉概率公式和自适应变异概率公式,并在非线性排序选择情况下,证明了所提出的自适应交叉和自适应变异概率公式是收敛到全局最优解的。(本文来源于《云南师范大学学报(自然科学版)》期刊2010年03期）
刘俊梅,高岳林[5]（2009）在《带有自适应变异和指数递增交叉算子的差分进化算法》一文中研究指出针对基本差分进化算法的缺陷,融入指数递增交叉算子以增加算法的收敛速度.当算法陷入早熟后,对最优个体和随机选取的个体采用随机扰动的变异策略,帮助其跳出局部极值.数值仿真实验表明,该算法的收敛速度和精度都明显优于仅带有指数递增交叉算子的差分进化算法和仅带有随机扰动变异策略的差分进化算法.(本文来源于《河南师范大学学报(自然科学版)》期刊2009年06期）
李易,冯国英,马孜[6]（2009）在《一种自适应交叉率和变异率的薄膜遗传算法》一文中研究指出在并行移民操作的基础上,根据多层膜系迭代群体中各膜系的适应值信息,对每个膜系采取恰当的、自动适应搜索进程的交叉率和变异率。这样既保护了优良薄膜的设计方案,又能够在适应值整体水平不断提高的设计组群中,持续地产生更优良的薄膜设计结构。对增透膜的设计结果表明,采用提出的自适应遗传算法减小了早熟,提高了算法快速搜索合格膜系结构的能力。(本文来源于《光学与光电技术》期刊2009年01期）
孙秀娟,刘希玉,李丽丽[7]（2008）在《基于自识别交叉算子和自适应变异算子的遗传算法研究》一文中研究指出为有效地解决遗传算法收敛速度和局部最优解的矛盾,本文提出了一种具有自识别交叉算子和基于海明距离的动态变异算子的遗传算法。自识别交叉算子保证父代的优良模式遗传到下一代,加快了算法的收敛速度;而动态变异算子扩大了搜索范围,增强了算法跳离局部最优解的能力。实验证明,两种改进算子的有效结合保证算法能以较快速度收敛于全局最优解。(本文来源于《信息技术与信息化》期刊2008年01期）
李擎,张伟,尹怡欣,王志良[8]（2008）在《一种新的调节交叉和变异概率的自适应算法》一文中研究指出提出一种新的基于模糊控制策略的交叉和变异概率自适应调节算法.该算法以相邻两代群体之间平均适应度函数和标准差的差值作为输入,以交叉和变异概率的变化量作为输出.并提出了与输入相对应的自适应归一化算子以及新的基于启发式知识的模糊规则,用于交叉和变异概率的调节.对3种不同测试函数的数值仿真研究表明,与其他2种自适应模糊控制算法相比,该调节算法可使遗传算法具有更快的搜索速度和更高的搜索质量.(本文来源于《控制与决策》期刊2008年01期）
邝航宇,金晶,苏勇[9]（2006）在《自适应遗传算法交叉变异算子的改进》一文中研究指出标准遗传算法采用固定的交叉率和变异率,对于求解一般的全局最优问题具有较好的鲁棒性,而对于解决较复杂的优化问题则存在早熟及稳定性差的缺点。传统的自适应遗传算法虽能有效提高算法的收敛速度,却难以提高优良解的多样性,算法的鲁棒性仍有待改善。文章提出了一种改进的自适应遗传算法,对交叉算子和变异算子进行了优化,实现了交叉率和变异率的非线性自适应调整。实验结果表明,相比传统的自适应遗传算法,新算法具有更快的收敛速度和更可靠的稳定性。(本文来源于《计算机工程与应用》期刊2006年12期）
王莉[10]（2004）在《基于自适应交叉、变异遗传算法的PID整定》一文中研究指出提出了一种带有自适应交叉、变异算子的遗传算法,并把它应用到PID参数的整定当中.仿真结果表明,该方法提高了参数的优化性能,对控制系统具有良好的控制精度、动态性能和鲁棒性.(本文来源于《纺织高校基础科学学报》期刊2004年02期）
自适应交叉和变异论文开题报告
（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：
提出了基于自适应交叉变异算子的量子免疫信号盲检测方法,所述方法在量子化交叉与变异基础上,引入了基于自适应策略的量子免疫交叉与变异算子,用量子交叉与量子变异进行进化,同时采用了传统免疫算法中交叉和变异算子的策略,以求更好地加强种群的进化程度,仿真结果表明所提出的基于自适应交叉变异算子的量子免疫算法能够有效避免早熟现象,收敛速度更快,相同信噪比条件下误码率更低。
（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。
自适应交叉和变异论文参考文献
[1].苗振华.基于交叉库与并行变异的自适应遗传算法[D].大连理工大学.2015
[2].张昀,于大为,夏祎,于舒娟.基于自适应交叉变异量子免疫信号盲检测算法[J].电视技术.2014
[3].盘俊良.带交叉变异算子的自适应粒子群聚类算法的研究[D].湘潭大学.2011
[4].王岚.基于自适应交叉和变异概率的遗传算法收敛性研究[J].云南师范大学学报(自然科学版).2010
[5].刘俊梅,高岳林.带有自适应变异和指数递增交叉算子的差分进化算法[J].河南师范大学学报(自然科学版).2009
[6].李易,冯国英,马孜.一种自适应交叉率和变异率的薄膜遗传算法[J].光学与光电技术.2009
[7].孙秀娟,刘希玉,李丽丽.基于自识别交叉算子和自适应变异算子的遗传算法研究[J].信息技术与信息化.2008
[8].李擎,张伟,尹怡欣,王志良.一种新的调节交叉和变异概率的自适应算法[J].控制与决策.2008
[9].邝航宇,金晶,苏勇.自适应遗传算法交叉变异算子的改进[J].计算机工程与应用.2006
[10].王莉.基于自适应交叉、变异遗传算法的PID整定[J].纺织高校基础科学学报.2004