导读:本文包含了杂交算法论文开题报告文献综述、选题提纲参考文献，主要关键词:算法,粒子,多项式,策略,精英,旅行,启发式。
杂交算法论文文献综述写法
于瑞,王成军,郭永存,张玉平[1]（2018）在《基于杂交算法的机器人时间最优轨迹规划》一文中研究指出以多臂型铸造机器人中的六自由度机械臂为研究对象,在关节空间中采用4-3-4多项式插值的方法对机械臂进行轨迹规划设计。在速度约束条件下,运用杂交算法对插值结果进行优化,进而得到机械臂运行的最优运动时间。相比于传统粒子群算法,杂交算法具有较高的收敛精度与收敛速度。通过MATLAB软件仿真得到了机械臂运动过程中各关节运动位置、速度、加速度曲线。结果表明,杂交算法可以准确地实现速度约束下时间最优轨迹规划。(本文来源于《机械传动》期刊2018年07期）
梁靖昌,李丽娟[2]（2016）在《多目标群智能杂交算法及双层球面网壳动力优化》一文中研究指出为了改善多目标粒子群算法在结构多目标优化中的收敛精度和速度,提出了一种新型多目标算法——基于启发式粒子群算法和遗传算法的多目标杂交算法(MHGHA).以双层网壳结构为研究对象,对其在地震作用下的时程响应进行分析,以结构节点最大位移最小化和结构质量最轻化为目标进行多目标优化设计,并与经典算法进行对比.结果表明,杂交算法的收敛精度更高,同时能够实现复杂空间结构多目标优化.(本文来源于《空间结构》期刊2016年03期）
吴越钟[3]（2016）在《改进的Lin-Kernighan局部搜索算法和杂交算法在旅行商问题中的应用》一文中研究指出旅行商问题(TSP)是来源于实际应用的一个非常重要的组合优化问题。该问题的研究对于实际运用和科学研究都有着重大的意义。本文主要通过研究局部搜索算法和演化计算方法来更高效地解决旅行商问题。在本文中,我们着重研究了Lin-Kernighan局部搜索算法和杂交算法。我们对文中主要的算法都进行了大规模的实验。与其他许多研究通常只关注实验的最终结果不同,本文中对于算法性能的实验分析都是基于算法的运行时行为和多种时间度量。这使得我们的实验分析更均衡,更详尽,更公平以及史合理。本文中的工作主要来自以下五个方面：第一,我们研究了局部搜索算法中优秀的Lin-Kernighan算法,并且在原始的Lin-Kernighan算法上进行了一些改进,比如为原始Lin-Kemighan算法设计了一个新的高效的数据结构,对候选集的大小进行试验探索,同时还对原始Lin-Kemighan算法的一些搜索策略进行了调整,给出了一个比原始Lin-Kemighan算法更好的改进的Lin-Kernighan算法,提高了该算法的性能。第二,对Lin-Kernighan算法进行了规模较大的实验,不同于其他研究只关注最终结果,我们通过基于运行时行为的算法性能分析,将Lin-Kernighan算法和其他一些局部搜索算法进行比较,给出了关于Lin-Kernighan算法性能更加平衡全面详尽的分析报告。第叁,基于不同局部搜索算法的比较,我们发现了不同局部搜索算法存在不同的优点和缺点,基于这些优缺点,我们对不同的局部搜索算法进行了组合,得到的组合局部搜索算法(LS-LS杂交算法)比单一的局部搜索算法性能更加优秀。第四,我们将纯的局部搜索算法和组合局部搜索算法与演化算法和基于种群的蚁群优化相杂交,通过一些参数调整,得到了性能优秀的杂交算法。即使在求解规模较大的旅行商问题时,我们的新杂交算法也能快速地找到很好的解。实验结果表明我们的新杂交算法相当具有竞争性。最后,我们扩展了杂交算法的思想,为进化算法设计了针对旅行商问题并且基于Lin-Kernighan算法的交叉算子。实验结果表明我们设计的交叉算子的性能比作为旅行商问题研究领域中最好的交叉算子之一的Edge cossover交叉算子更好。这说明我们关于基于局部搜索算法设计交叉算子的想法非常具有前景。(本文来源于《中国科学技术大学》期刊2016-05-01）
陈贵涛[4]（2014）在《基于CMAES杂交算法的钢筋混凝土框架结构优化设计研究》一文中研究指出钢筋混凝土框架结构设计既要满足安全性、适用性、耐久性的结构性要求,又应满足结构体系受力合理、材料用量尽可能少的经济性要求。现行“试算—验证—修改”的设计方法,得到的设计方案不一定是满足规范要求的最优方案。结构优化设计是结构设计理论的重要发展,其思想内涵不仅仅是追求体积最小或重量最轻,更重要的是要达到一种资源合理的优化配置,调和当今城市化进程中,建筑行业发展与经济、资源、环境之间的矛盾。结构优化理论的研究历史悠久,在很多领域得到了成功应用,并且开发了许多具有优化功能的大型有限元软件。然而,针对钢筋混凝土框架结构的优化算法研究及应用还相对匾乏。这一方面是由于钢筋混凝土框架结构优化设计是多工况、多变量、多约束和多目标的复杂的优化问题,且存在大量的不确定性(如荷载、构件材料与尺寸、分析模型等);另一方面传统优化算法挣扎于全局勘探和局部开发能力的平衡,受限于复杂结构分析计算量大的特点。这些都给建立全面、实用的钢筋混凝土框架结构优化设计算法带来了挑战。本文针对钢筋混凝土结构优化设计存在的一系列问题,以CMAES算法为基本工具,在充分分析钢筋混凝土结构优化设计模型的基础上,开展了杂交优化算法的研究。本文主要完成以下创新工作:(1)利用虚功原理,建立结构位移响应与设计变量间的显式关系。在基于位移的抗震设计原理上,提出约束条件的两种形式:目标位移约束条件和约束位移约束条件。采用非线性规划算法和CMAES算法求解优化模型。对比不同目标位移形状对优化结果的影响,给出了基于位移的抗震设计方法的结构优化设计模型。(2)结合DE算法和CMAES算法的性能,构建自适应子群体策略,实现了CMAES群体协助DE群体开发最优解,DE群体协助CMAES群体勘探有潜力区域。提出了自适应子群体杂交算法(Sa S-MA),成功求解了数值试验平台和钢筋混凝土结构线性优化设计问题。与目前公认的算法对比,验证了自适应子群体算法的有效性,分析了算法参数对优化性能的影响,并给出了参数的建议值。(3)充分分析了钢筋混凝土结构非线性优化设计的特点,将设计变量划分为离散变量和连续变量。结合PSO算法和CMAES算法的搜索性能,提出了两阶段自适应杂交算法(AHA)分别优化两类变量。设计了开关操作实现了设计过程的两阶段划分和变量降维。提出了一种处理结构非线性分析失败的约束条件,避免了奇异点对算法性能的影响。建立了应变约束条件,增强了钢筋混凝土结构非线性分析的稳定性。通过两个钢筋混凝土框架的非线性优化设计算例,验证了算法的有效性。(4)根据kriging模型的近似特点,提出了自更新kriging模型。借助于CMAES算法,自更新kriging模型实现了精炼操作。采用自更新kriging模型代替钢筋混凝土结构非线性分析程序,克服了钢筋混凝土结构非线性分析计算量大的缺点。通过两个钢筋混凝土结构非线性优化设计算例,验证了算法的有效性。在对比研究的基础上给出了算法关键参数的建议值。(5)利用大种群规模的CMAES算法和双循环框架,建立了钢筋混凝土框架结构基于可靠度的优化设计方法。为克服双循环可靠度优化设计方法中计算量大的缺点,建立了RBDO-kriging模型,实现设计变量和随机变量的统一近似。采用CMAES算法确定设计变量精炼区域,采用可靠指标法确定随机变量精炼区域,实现了RBDO-kriging模型在CMAES搜索区域内的精炼操作。数值算例和钢筋混凝土结构优化设计算例验证了算法的性能,在对比分析的基础上给出了关键参数的取值建议。(本文来源于《华南理工大学》期刊2014-06-13）
姜大志,林佳丽[5]（2010）在《一种统一的多父体杂交算法》一文中研究指出鉴于经典遗传算法、粒子群优化算法、差分演化算法和多父体杂交算法中的操作算子均存在多父体杂交的共性,提出参数和的概念,参数和可以刻画不同的操作算子,也可改变算法的搜索策略.数值实验表明根据参数和所构造的统一的多父体杂交算法具有较好的效率.(本文来源于《华中科技大学学报(自然科学版)》期刊2010年12期）
何哲明[6]（2010）在《混合离散变量优化的精英多父体杂交算法》一文中研究指出提出了一种有效求解约束函数优化问题的新型演化算法,该方法能合理地处理优化设计中混合离散变量的取值问题。该方法是在郭涛算法的基础上,通过构造动罚函数,引入精英保存策略,增加父体选择压力加速算法收敛,构造了精英多父体杂交优化算法,开发了混合离散变量优化的精英多父体杂交优化算法程序DEMPCOA1.0。机械优化设计实例表明,该算法对优化设计问题的特性无特殊要求,具有较好的适应性,而且程序运行可靠,全局收敛能力强。(本文来源于《机械传动》期刊2010年10期）
沈亚楠,赵荣彩,王小芹,任华,庞建民[7]（2009）在《软件模糊测试中遗传杂交算法的研究》一文中研究指出利用遗传算法的导向性原理,可以不断寻找能够触发软件异常的测试用例。杂交过程是遗传算法中重要过程之一,如何定义父代中的优秀基因并遗传到子代,对寻找算法搜索空间的最优解非常重要。定义了重要基因及优良选择的概念并提出相应杂交算法。在Windows RPC测试中发现,该算法能够寻找到种群中优良基因并不断遗传到子代中,为自动构造软件输入数据,触发软件异常提供支持。(本文来源于《计算机应用》期刊2009年S2期）
危明,李元香,姜大志,吴志健,汤铭端[8]（2008）在《基于动力学的多父体杂交算法》一文中研究指出多父体杂交算法将种群中多个个体张成一个空间,然后在此空间中进行空间搜索,该算法具有很强的解搜索能力和较快的运行速度。动力学演化算法根据粒子群的统计物理特性,模拟粒子群在空间中的运动,提出了一种基于统计物理的粒子选择机制。数值实验表明,动力学演化算法是有效的。结合动力学演化算法的选择策略和多父体杂交算法的遗传操作,提出一种新的基于动力学的多父体杂交算法。该算法对多父体杂交算法中的替换策略进行改进,有效地提高了算法的求解能力,数值实验表明新算法可以很好的收敛,能够快速的找到问题的最优解。(本文来源于《系统仿真学报》期刊2008年21期）
危明,李元香,姜大志,黄星焱[9]（2008）在《基于精英策略的反序-杂交算法》一文中研究指出论述了反序-杂交算子在求解TSP上的优势,认为该算子算法结构简单,在求解问题时不仅速度快,而且有很好的精确性和稳定性。基于多父体杂交算法的精英子空间的方法在求解函数优化问题上可以得到很好的结果,将精英策略和反序-杂交算子相结合,来求解组合优化问题,在反序-杂交算法中运用精英策略进行个体选择,使算法具有更强的学习能力。数值实验表明,新算法比传统的反序-杂交算子具有更快的运行速度和更好的求解精度。(本文来源于《武汉理工大学学报(信息与管理工程版)》期刊2008年04期）
王伟,杨伟,赵美英,赵锋[10]（2007）在《基于神经网络与杂交算法的机翼结构优化设计》一文中研究指出以机翼结构为研究对象,提出了一种能同步解决元件位置优化与尺寸优化的杂交算法。利用MSC.NASTRAN进行尺寸优化,用遗传算法对位置设计变量进行优化,并将尺寸优化结果作为遗传操作的依据,最终实现了尺寸与位置的同步优化。为提高算法效率,利用神经网络的非线性映射功能,对MSC.NASTRAN的尺寸优化结果进行映射以取代其优化过程。算例结果表明,该方法高效、精确,具有很好的推广应用价值。(本文来源于《机械设计》期刊2007年08期）
杂交算法论文开题报告范文
（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：
为了改善多目标粒子群算法在结构多目标优化中的收敛精度和速度,提出了一种新型多目标算法——基于启发式粒子群算法和遗传算法的多目标杂交算法(MHGHA).以双层网壳结构为研究对象,对其在地震作用下的时程响应进行分析,以结构节点最大位移最小化和结构质量最轻化为目标进行多目标优化设计,并与经典算法进行对比.结果表明,杂交算法的收敛精度更高,同时能够实现复杂空间结构多目标优化.
（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。
杂交算法论文参考文献
[1].于瑞,王成军,郭永存,张玉平.基于杂交算法的机器人时间最优轨迹规划[J].机械传动.2018
[2].梁靖昌,李丽娟.多目标群智能杂交算法及双层球面网壳动力优化[J].空间结构.2016
[3].吴越钟.改进的Lin-Kernighan局部搜索算法和杂交算法在旅行商问题中的应用[D].中国科学技术大学.2016
[4].陈贵涛.基于CMAES杂交算法的钢筋混凝土框架结构优化设计研究[D].华南理工大学.2014
[5].姜大志,林佳丽.一种统一的多父体杂交算法[J].华中科技大学学报(自然科学版).2010
[6].何哲明.混合离散变量优化的精英多父体杂交算法[J].机械传动.2010
[7].沈亚楠,赵荣彩,王小芹,任华,庞建民.软件模糊测试中遗传杂交算法的研究[J].计算机应用.2009
[8].危明,李元香,姜大志,吴志健,汤铭端.基于动力学的多父体杂交算法[J].系统仿真学报.2008
[9].危明,李元香,姜大志,黄星焱.基于精英策略的反序-杂交算法[J].武汉理工大学学报(信息与管理工程版).2008
[10].王伟,杨伟,赵美英,赵锋.基于神经网络与杂交算法的机翼结构优化设计[J].机械设计.2007