导读:本文包含了生物地理学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:生物地理学,算法,地理学,历史,根瘤菌,车间,邻域。
生物地理学论文文献综述
罗丹,蒋兵兵[1]（2019）在《生物地理学算法的改进分析》一文中研究指出介绍生物地理学算法的思想框架;将其与遗传算法、粒子群算法进行比较分析,针对算法在搜索机制和性能上存在的缺陷,结合其他优化算法的操作算子对生物地理学算法提出改进分析。(本文来源于《西部皮革》期刊2019年22期）
[2]（2019）在《第一届中国生物地理学大会在北京大学成功召开》一文中研究指出9月14-15日,正值"地理学之父"亚历山大·冯·洪堡(Alexander von Humboldt)诞辰250周年之际,由中国地理学会和北京大学主办,中国地理学会生物地理专业委员会、北京大学城市与环境学院、北京大学生态研究中心、地表过程分析与模拟教育部重点实验室联合承办的"第一届中国生物地理学大会"在北京大学英杰交流中心召开。来自全国34个省级行政区的145个高校和研究机(本文来源于《地理学报》期刊2019年10期）
王华,陈伟军[3]（2019）在《生物地理学优化算法在双闭环直流调速系统中的应用》一文中研究指出为提高双闭环直流调速系统性能,将分数阶PIλ控制器应用到调速系统的电流环和速度环。通过生物地理学优化算法来优化系统的参数,并与采用传统工程设计方法确定参数的整数阶PI系统和通过生物地理学优化算法确定参数的整数阶PI系统进行对比,研究了3种系统的阶跃响应和抗干扰能力。MATLAB仿真表明:采用生物地理学优化算法设计的分数阶PI~λ系统具有阶跃响应上升速度快,超调量小,在负载突变情况下波动小,恢复快,抗干扰能力强的优点。(本文来源于《航天控制》期刊2019年05期）
贾腾飞,张小娟[4]（2019）在《蚕豆根瘤菌生物地理学及AFLP多样性分析》一文中研究指出蚕豆与根瘤菌共生固氮在中国环保绿色农业的发展中起着重要的作用,目前对根瘤菌资源的开发仍是有关生物固氮的重要研究内容。本研究通过本课题组已建立的蚕豆根瘤菌AFLP体系,结合生物地理学因子对其进行遗传多样性分析,对青海省5个地区的蚕豆根瘤菌进行分类研究,发掘利用青海性状优良的根瘤菌种质资源。结果显示不同地区的蚕豆依据其生物地理学因子的不同被划分为5个明显的族群类型;AFLP多样性聚类分析结果表明,不同地区的20株蚕豆根瘤菌可划分为2个主要AFLP遗传群,其中这2个AFLP主群又包括4个亚群。(本文来源于《分子植物育种》期刊2019年20期）
文榕生[5]（2019）在《我国历史生物地理学研究的开拓者——文焕然先生诞辰100周年祭》一文中研究指出文焕然是开拓历史生物地理学的着名历史地理学家。在历史植物地理方面的贡献主要有:(1)论作发表早于中国历史地理学形成;(2)研究兼及群落与学科分类系统,尤对北方竹林与全国性及研究力量薄弱省级政区的森林分布与变迁有较全面、深入的研究;(3)研究方法兼顾自然科学与人文科学,深入实地考察、调查,订正、补充文献中讹传与疏漏,探讨影响因素并提出建议;(4)具有知难而进、厚积薄发、不断扩展与深化等研究特点。对历史动物地理学的贡献主要有:(1)发表论作较早;(2)主要涉及爬行纲、鸟纲、兽纲中多珍稀物种研究;(3)成果可作为生态环境变化代用指标、古脊椎动物与现代动物及相关学科领域研究参考、森林与竹林分布佐证,历久弥坚,得到国外学者重视。(本文来源于《自然资源学报》期刊2019年07期）
郑夏,马良[6]（2019）在《一种Fibonacci迭代的差分进化生物地理学优化算法》一文中研究指出生物地理学优化算法(BBO,Biogeography-Based Optimization)是受自然界种群迁移机制启发,通过运用生物地理学方法和机制来解决工程优化问题而提出的一种新型仿生群智能优化算法.本文在分析基本BBO算法原理和局限性的前提下,针对其求解高维复杂问题时求解精度低、收敛速度慢等问题,首先通过Fibonacci数列的迭代思想消除种群内部的重复性来提高种群精度,提出了改进的生物地理学优化算法(IBBO),然后在此基础上引入全局搜索能力较强的差分进化算法,提出基于Fibonacci迭代的差分进化生物地理学优化算法(IDEBBO).最后通过对8个经典函数的仿真测试实验,验证了IDEBBO可有效避免早熟收敛,提高求解精度,可作为解决工程应用复杂函数优化问题的一种有效方法.(本文来源于《小型微型计算机系统》期刊2019年07期）
曹阳,曹琦[7]（2019）在《基于生物地理学优化算法的军事物资配送车辆调度研究》一文中研究指出针对作战条件下所面临的大规模物资配送需求,综合考虑物资储存量不足、车辆数不足等复杂情况,以风险性、需求满足率、配送完成时间和车辆配送总时间为优化目标建立了多车辆、多需求点、多次配送的车辆调度模型,并在模拟决策者人工拟订方案过程的基础上,采用生物地理学优化算法(BBO)进行优化求解。案例实验表明,解决方案内容详细,能够帮助决策者在较短时间内拟订出可行的配送方案,具有较高实用价值。(本文来源于《军事运筹与系统工程》期刊2019年02期）
王健[8]（2019）在《基于自组织学习的生物地理学优化算法研究及应用》一文中研究指出生物地理学优化算法是近年来提出的一种模拟生物物种在栖息地的分布、迁移以及灭绝的演化算法。该算法因其独特的演化机制和出色的寻优能力而广受关注。随着研究的深入和应用的推广,人们逐步认识到该算法在具有出色寻优能力的同时,也暴露出局部搜索能力弱的问题,有鉴于此,本文旨在设计与分析一种基于自组织学习的生物地理学优化算法,并对复杂数值优化和混沌时间序列预测的求解问题展开研究,主要工作如下:1.自组织个体邻域学习模型的构建。本文针对基于全局拓扑邻域的个体信息迁移策略容易诱使算法陷入局部最优的问题,设计了一种自组织个体邻域学习模型。首先,该模型利用自组织网络将种群从高维空间映射到低维空间,并通过反复学习为每个个体找到对应的神经元;其次,利用自组织网络的拓扑不变性为个体构建邻域模型;最后,由该模型实现个体信息的有效传递,有利于保持种群多样性,避免算法过早陷入局部最优。2.自组织邻域学习的迁移算子设计。针对生物地理学优化算法的迁移算子探索能力强,开发能力弱的特点,设计了一种自组织拓扑邻域学习的迁移算子。首先,根据已构建的自组织邻域模型,设计一种具有方向引导的差分迁移算子使个体朝着更加有利的方向演化,以此提高算法的局部搜索能力;其次,设计一种自适应选择机制来动态调节不同迁移算子的计算资源利用率,以此实现全局与局部搜索能力的有效平衡,从而提高算法性能。3.自组织个体邻域学习的有效性研究。为验证改进算法的有效性,本文选取四种对比算法在23个经典测试函数上进行仿真实验。实验结果表明,基于自组织学习的生物地理学优化算法的整体性能明显优于其它四种对比算法,且性能的提升主要是由于自组织个体邻域学习机制的作用。此外,将改进算法进一步应用于混沌系统时间序列预测问题,基于Box-Jenkins、Lorenz混沌系统的仿真实验证实了改进算法的有效性。综上所述,基于自组织学习的生物地理学优化算法不仅显着提升了生物地理学优化算法的寻优性能,而且其改进策略对其它演化算法的改进具有一定的借鉴意义,具有较强的学术价值。(本文来源于《西安理工大学》期刊2019-06-30）
王雅萍,张正军,颜子寒,金亚洲[9]（2019）在《基于改进的迁移率模型的生物地理学优化算法》一文中研究指出生物地理学优化(BBO)算法通过迁移和变异不断更新栖息地,以寻找最优解,其中迁移率模型的优劣会直接影响算法的优化性能。针对原始BBO算法采用线性迁移率模型适应性不足的问题,基于Logistic函数、叁次多项式函数以及双曲正切函数提出了叁种新的非线性迁移率模型,并应用于原始BBO算法中。对17个典型的基准函数进行优化性能测试,结果表明,基于双曲正切函数的迁移率模型所得解更接近函数的全局最小值,总体表现优于原始线性迁移率模型的BBO算法以及相关改进算法中表现优异的余弦迁移率模型。稳定性测试结果表明,在不同的变异率下,基于双曲正切函数的迁移率模型在多数测试函数上表现优于原始线性迁移率模型。在满足解多样性的基础上,该模型能够较好地适应非线性迁移问题,提高寻优能力。(本文来源于《计算机应用》期刊2019年09期）
秦烁[10]（2019）在《生物地理学优化算法及其在动态车间调度中的应用研究》一文中研究指出作为当代制造业生产系统中的核心内容和关键技术,车间调度对制造系统性能有着极其重要的作用。合理且高效的调度策略能够极大的提高制造企业的生产效率,进而增强制造企业的市场竞争力。多数的生产调度问题较为复杂,是典型的NP-hard问题。而随着问题规模的不断增大,传统的方法已经无法满足实际生产中的需求。因此,对于车间调度问题理论的研究以及对有效的调度方案的设计仍然是本领域的研究热点。生物地理学优化算法(Biogeography-based Optimization,BBO)是一种受生物地理学理论启发而得的新型群体智能优化算法。BBO算法因其独特的运行机制、相对较少的参数以及较强的局部搜索能力等优点受到了广泛的关注。本文针对BBO算法进行了深入的研究,并通过理论和实验分析了BBO算法的优缺点,针对不同的车间调度问题对BBO算法进行改进,平衡了算法的全局搜索能力和局部搜索能力。本文的主要研究内容如下:(1)针对标准BBO算法在函数优化问题中探索能力较弱且过度依赖坐标系的问题,本文提出了一种基于两阶段迁移模型的差分生物地理学优化算法(Two-stage Differential Biogeography-based Optimization,TDBBO)。在TDBBO算法中,首先通过两阶段迁移模型维持进化早期的种群多样性并在进化后期加快种群收敛速度。其次,针对算法过度依赖坐标系的问题,设计了改进的迁移算子并将其用于增强算法的旋转不变性。并引入了高斯变异算子使得种群能有效地跳出局部最优解。最后通过引入贪婪选择策略加速收敛。此外,本文还应用Markov模型对TDBBO算法的全局收敛性进行了分析。在CEC2017标准测试函数上的实验结果表明,相比于一些先进的BBO算法的变体,TDBBO算法具有更快的收敛速度以及更高的精度。(2)针对零等待流水车间调度问题(No-wait Flow Shop Problem,NWFSP),设计了一种混合生物地理学优化算法(Hybrid Biogeography-based Optimization with Variable Neighborhood Search Mechanism,HBV)进行求解。在HBV算法中,首先使用MNEH和NN机制产生较优的初始种群。其次,将路径重定向技术和基于块的自我提升策略嵌入到迁移算子来加快HBV算法的收敛速度。并且设计了基于迭代贪心算法(IG)的变异算子探索潜在的搜索区域,最后应用基于块邻域结构和插入邻域结构的变邻域搜索策略对每一代最佳的候选解进行局部搜索。此外,运用Markov模型对HBV算法的全局收敛性能进行分析。仿真结果和统计分析表明HBV算法在求解NWFSP问题是具有较高的效率和较好的精度。(3)针对经典的作业车间调度问题(Job Shop Scheduling Problem,JSSP)设计了基于反向学习和模拟退火的生物地理学优化算法(Oppositional Metroplis Biogeography-based Optimization,OMBBO)。首先使用最小值编码规则(Smallest Position Value,SPV)将JSSP问题域转换为连续问题域,并运用活动调度解码规则计算makespan以缩减搜索空间。其次,使用混沌理论和反向学习策略初始化种群。并引入了改进的迁移算子和高斯变异算子增强标准BBO算法的全局搜索能力。此外,设计了基于模拟退火的接收准则控制种群的多样性。最后使用基于关键路径的变邻域搜索在全局最优解的附近进行搜索。仿真结果表明OMBBO算法显着优于经典的JSSP算法。(本文来源于《兰州理工大学》期刊2019-05-20）
生物地理学论文开题报告
（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：
9月14-15日,正值"地理学之父"亚历山大·冯·洪堡(Alexander von Humboldt)诞辰250周年之际,由中国地理学会和北京大学主办,中国地理学会生物地理专业委员会、北京大学城市与环境学院、北京大学生态研究中心、地表过程分析与模拟教育部重点实验室联合承办的"第一届中国生物地理学大会"在北京大学英杰交流中心召开。来自全国34个省级行政区的145个高校和研究机
（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。
生物地理学论文参考文献
[1].罗丹,蒋兵兵.生物地理学算法的改进分析[J].西部皮革.2019
[2]..第一届中国生物地理学大会在北京大学成功召开[J].地理学报.2019
[3].王华,陈伟军.生物地理学优化算法在双闭环直流调速系统中的应用[J].航天控制.2019
[4].贾腾飞,张小娟.蚕豆根瘤菌生物地理学及AFLP多样性分析[J].分子植物育种.2019
[5].文榕生.我国历史生物地理学研究的开拓者——文焕然先生诞辰100周年祭[J].自然资源学报.2019
[6].郑夏,马良.一种Fibonacci迭代的差分进化生物地理学优化算法[J].小型微型计算机系统.2019
[7].曹阳,曹琦.基于生物地理学优化算法的军事物资配送车辆调度研究[J].军事运筹与系统工程.2019
[8].王健.基于自组织学习的生物地理学优化算法研究及应用[D].西安理工大学.2019
[9].王雅萍,张正军,颜子寒,金亚洲.基于改进的迁移率模型的生物地理学优化算法[J].计算机应用.2019
[10].秦烁.生物地理学优化算法及其在动态车间调度中的应用研究[D].兰州理工大学.2019
论文知识图
![生物地理学种群迁移模型[6]](/uploads/article/2020/01/05/06307aafe8ec7eaeb1401674.jpg)
