导读:本文包含了小生境技术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:小生境,算法,技术,擂台赛,目标,法则,极值。
小生境技术论文文献综述
李煜林[1]（2019）在《基于小生境技术的改进基因表达式编程算法的研究》一文中研究指出提出一种改进的基因表达式编程方法,针对传统基因表达式编程容易出现过早收敛或者陷入局部收敛,进化后期种群多样性软弱及遗传操作随机性大等问题,加入小生境技术对算法进行改进。实验表明,改进的GEP算法能够克服传统GEP算法的不足。(本文来源于《科技创新与应用》期刊2019年07期）
张明,田娜,纪志成,王艳[2]（2016）在《基于小生境技术的改进引力搜索算法》一文中研究指出针对引力搜索算法(Gravitational search algorithm,GSA)开发能力强而探索能力弱的特点,提出一种基于小生境技术的引力搜索算法(Niching behavior based advanced GSA,NAGSA)。首先分析了引力搜索算法的性能,为每个粒子定义质量吸引度和欧式距离吸引度两个属性,根据这两个属性计算出粒子吸引概率,取代原有的质量排序选择法。其次,运用吸引概率和小生境拥挤度技术引导粒子在邻域内搜索,平衡算法的收敛速度和多样性。此外,算法将kbest的取值按照指数函数递减,进一步提高收敛精度。10个标准测试函数的仿真结果表明,该算法能有效地提高最优解的精度,加快收敛速度。最后,采用4个标准柔性作业车间调度模型,验证了该算法在解决实际问题中的可行性和优越性。(本文来源于《南京航空航天大学学报》期刊2016年05期）
李艳丽,黄天民,刘雅雅[3]（2016）在《一种新型的带有小生境技术和精英集策略的多目标粒子群算法》一文中研究指出为提高多目标粒子群算法的有效性和运行效率,利用小生境技术求解适应度,采取轮盘赌的方法根据精英集中各个粒子的适应度选取全局最佳位置,提出一种新型的带有小生境技术和精英集策略的多目标粒子群算法。论文对算法运行的过程作了调整,加入小概率变异方法,采用测试函数验证算法的有效性。结果表明,在相同的实验环境中本文算法的运行时间为2.113 s,比基于粒子群的多目标优化算法(4.157s)缩短近一半,即本算法的运算效率大大提高了。仿真结果还表明本文中的算法不仅有很好的收敛性,所得的解还有较好的均匀性。(本文来源于《西华大学学报(自然科学版)》期刊2016年01期）
姜建国,李锦,龙秀萍,申洁琳,田旻[4]（2012）在《采用小生境技术的混合蛙跳算法》一文中研究指出混合蛙跳算法是一种新兴的启发式全局优化算法。本文研究了其寻优机制,提出了一种采用小生境技术的混合蛙跳算法:运用RCS小生境技术,使各子种群动态形成了互相独立的搜索空间;在解的更新公式中,设计了一种自适应因子来调节移动步长;采用种群淘汰机制,随机初始化已陷入局部最优的子种群。实验结果表明:本文给出的算法有效提高了寻优精度和收敛速度。(本文来源于《计算力学学报》期刊2012年06期）
杨新刚[5]（2011）在《基于擂台赛法则和小生境技术的进化多目标优化算法的研究及应用》一文中研究指出多目标优化不论是在算法的理论研究中,还是在运用算法解决问题的实际应用中,都是一个非常值得研究的重要课题。因为现实世界中的许多问题都要涉及到多个目标的同时优化,所以多目标优化的研究越来越受到广泛的重视。进化算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化算法,它在解决复杂优化问题时所表现出来的优越性和鲁棒性,使其日益成为解决多目标优化问题的一种非常有效的手段。本文介绍了多目标优化的发展情况及研究现状、基本原理和进化算法的数学理论和实现技术等。通过对算法运行效率和群体多样性的研究,提出了基于擂台赛法则和小生境技术的多目标进化算法。数值实验表明：改进后的算法不仅保持了擂台赛算法运行效率高的特点,而且具有较佳的分布度。将其应用于多准则运输问题,取得了比较理想的效果。本文主要做了以下几个方面的工作：1.简要介绍了多目标进化算法的发展情况及研究现状。2.简要介绍了多目标优化问题的数学模型和目前比较典型的多目标进化算法。3.简要介绍了遗传算法的基本原理及利用计算机实现算法的技术。4.为了进一步提高算法的运行效率并且能使解集具有很好的分布性,利用个体相互之间的支配关系,提出了一种新的采用小生境技术来实现的算法,构造非支配集时采用擂台赛法则,很好地保持了算法的运行效率,不仅很好地保持了解集的分布性,而且能很快地达到收敛。5.将改进的算法应用于多准则运输问题中,取得了比较理想的效果。图9表2参考文献36(本文来源于《安徽理工大学》期刊2011-05-01）
刘国炜,常新功[6]（2011）在《小生境技术在遗传规划中的应用》一文中研究指出为了提高遗传规划算法的性能,把遗传算法中的小生境技术运用到遗传规划中,提出了改进的遗传规划算法(NGP)。该算法首先对原始训练集进行数据拟合,然后应用小生境技术跟踪拟合函数的极值点,并根据拟合函数的维数的不同,分别计算极值点在自变量维上的欧氏距离并排序,选取欧式距离较大且数量不超过原始训练集10%的极值点,加入到原始训练集中作为新的训练集,最后用遗传规划算法处理新训练集。在符号回归实验中对NGP的准确率进行了测试,说明了该算法的准确性和有效性。(本文来源于《计算机系统应用》期刊2011年02期）
郭海丽,高慧敏[7]（2010）在《一种基于小生境技术的两阶段分布估计算法》一文中研究指出针对分布估计进化后期种群多样性降低,算法出现局部早熟的问题,把小生境技术引入分布估计算法,提出了一种两阶段估计的分布估计算法,利用小生境概率与种群概率相结合的方法产生新个体。仿真实验表明,该算法能有效防止早熟收敛,较大的提高了算法的全局搜索效率。(本文来源于《太原科技大学学报》期刊2010年06期）
王海珍,廉佐政,滕艳平[8]（2010）在《基于小生境技术的火灾图像识别算法》一文中研究指出火灾图像识别是火灾探测研究的重要组成部分。随着人工智能技术应用的不断深入,遗传算法和神经网络也被应用到火灾图像识别中。针对目前的遗传神经网络火灾图像识别算法、网络结构不易确定的问题,本文提出了一种基于小生境技术的火灾图像识别算法,即依据火灾图像识别的特点,建立了多层前向神经网络模型,模型的输入、输出层节点数确定,隐含层数、隐含层节点数待定;然后对网络结构和权值、阈值编码,分别采用小生境技术和传统遗传算法训练神经网络模型。实验结果显示,本算法可有效减少进化的代数,加快训练的过程,最后采用训练好的神经网络模型对火灾图像进行识别,取得了较好的效果。(本文来源于《计算机工程与科学》期刊2010年11期）
吴俊,方锦明[9]（2010）在《采用排挤机制小生境技术改进禁忌搜索算法》一文中研究指出针对禁忌搜索算法中多样性与集中性搜索并重的情况下多样性不足的缺点,引入小生境技术对其进行改进。通过海明距离定义的排挤策略能够保证种群的多样性,拓宽搜索领域,加强多样性搜索。同时可以加快收敛速度,抑制早熟现象,避免过早收敛到局部最优。对比实验结果表明,该算法能很好的抑制早熟收敛,同时在计算速度和计算结果方面都有所改进。(本文来源于《化工自动化及仪表》期刊2010年08期）
杨新刚,许峰[10]（2010）在《基于擂台赛法则和小生境技术的多目标进化算法》一文中研究指出最优解集的构造和解的分布性是多目标进化算法的两个重要研究内容。用擂台赛法则构造非支配集具有较高的效率,而小生境共享技术可以提高种群的多样性。本文将小生境共享技术引入基于擂台赛法则的多目标进化算法,数值实验表明:改进后的算法保持了擂台赛算法运行效率高的特点,而且具有较佳的分布度。(本文来源于《软件导刊》期刊2010年07期）
小生境技术论文开题报告
（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：
针对引力搜索算法(Gravitational search algorithm,GSA)开发能力强而探索能力弱的特点,提出一种基于小生境技术的引力搜索算法(Niching behavior based advanced GSA,NAGSA)。首先分析了引力搜索算法的性能,为每个粒子定义质量吸引度和欧式距离吸引度两个属性,根据这两个属性计算出粒子吸引概率,取代原有的质量排序选择法。其次,运用吸引概率和小生境拥挤度技术引导粒子在邻域内搜索,平衡算法的收敛速度和多样性。此外,算法将kbest的取值按照指数函数递减,进一步提高收敛精度。10个标准测试函数的仿真结果表明,该算法能有效地提高最优解的精度,加快收敛速度。最后,采用4个标准柔性作业车间调度模型,验证了该算法在解决实际问题中的可行性和优越性。
（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。
小生境技术论文参考文献
[1].李煜林.基于小生境技术的改进基因表达式编程算法的研究[J].科技创新与应用.2019
[2].张明,田娜,纪志成,王艳.基于小生境技术的改进引力搜索算法[J].南京航空航天大学学报.2016
[3].李艳丽,黄天民,刘雅雅.一种新型的带有小生境技术和精英集策略的多目标粒子群算法[J].西华大学学报(自然科学版).2016
[4].姜建国,李锦,龙秀萍,申洁琳,田旻.采用小生境技术的混合蛙跳算法[J].计算力学学报.2012
[5].杨新刚.基于擂台赛法则和小生境技术的进化多目标优化算法的研究及应用[D].安徽理工大学.2011
[6].刘国炜,常新功.小生境技术在遗传规划中的应用[J].计算机系统应用.2011
[7].郭海丽,高慧敏.一种基于小生境技术的两阶段分布估计算法[J].太原科技大学学报.2010
[8].王海珍,廉佐政,滕艳平.基于小生境技术的火灾图像识别算法[J].计算机工程与科学.2010
[9].吴俊,方锦明.采用排挤机制小生境技术改进禁忌搜索算法[J].化工自动化及仪表.2010
[10].杨新刚,许峰.基于擂台赛法则和小生境技术的多目标进化算法[J].软件导刊.2010
论文知识图
