导读:本文包含了自适应遗传模拟退火算法论文开题报告文献综述及选题提纲参考文献，主要关键词:风力机翼型,自适应模拟退火遗传算法,遗传算法,模拟退火算法
自适应遗传模拟退火算法论文文献综述
刘华威,吴永忠,张朋杨,侯诗文[1]（2018）在《基于自适应模拟退火遗传算法的风力机翼型优化设计》一文中研究指出遗传算法与模拟退火算法作为目前两种主要的全局寻优算法,在全局搜索与局部搜索方面有着各自的优缺点。文章结合遗传算法与模拟退火算法,在已有自适应模拟退火遗传算法的基础上,针对风力机翼型优化设计做出改进,提出一种邻域随机拓展机制,在模拟退火环节加入该机制,形成改进的自适应模拟退火遗传算法。改进的自适应模拟退火遗传算法能够提高算法优化效率,使其在相同时间内寻找到更为优质的结果。最后,给出对翼型NACA4418进行优化设计的计算实例,验证了该算法的优化效率,证明了该算法在风力机翼型优化设计中的可行性。(本文来源于《可再生能源》期刊2018年06期）
夏以冲,陈秋莲,宋仁坤[2]（2018）在《基于自适应遗传模拟退火算法的矩形件排样》一文中研究指出研究一种自适应遗传模拟退火算法,应用于矩形件优化排样问题。以整数编码矩形件的排样序列,采用经验选择与随机生成相结合的策略构造初始种群。运用自适应交叉和变异概率动态地控制遗传算法的收敛速度,通过模拟退火算法引导全局最优搜索,采用启发式最低水平线择优算法对排样序列进行解码,形成排样方式。多组对比实验结果表明,自适应遗传模拟退火算法求解速度较快,可以有效提高板材的利用率。(本文来源于《计算机工程与应用》期刊2018年22期）
张松兰,田丽[3]（2018）在《基于相似性和距离及遗传模拟退火的自适应聚类算法》一文中研究指出针对模糊C-均值(FCM)算法中聚类数目的确定问题,提出了基于样本间相似度量和距离的算法,该算法可有效缩短聚类数搜索的范围,减少计算工作量。对于模糊C-均值算法聚类中心初始值随机选择易陷入局部极小值问题,采用遗传模拟退火算法优化FCM的聚类中心,以人工数据集和标准数据集验证了遗传模拟退火算法具有较强的全局收敛性能,有效提高了聚类效果。(本文来源于《火力与指挥控制》期刊2018年01期）
许鸣吉,李胜,陈庆伟,郭健,吴益飞[4]（2017）在《基于自适应模拟退火遗传算法的码垛次序规划方法》一文中研究指出为优化直角坐标码垛机器人码垛次序,节省码垛时间,针对空间中不同类型的物料箱分散堆放与随机选取堆垛位置对拆垛堆垛作业的影响,以拆垛顺序、堆垛顺序、堆垛区域为决策变量,以整个拆垛和堆垛过程总路径最短为目标,构建了物料箱选择与堆垛位置分配的数学模型。将模拟退火算法与遗传算法进行结合改进,设计了基于自适应模拟退火遗传算法的双层启发式算法,对模型进行同步优化,并通过104个物料箱的算例仿真,得到了一组最优的码垛次序。仿真结果表明,与一组随机的码垛次序相比,对物料箱进行选择并对堆垛位置进行分配可以有效缩短工作路径,节省工作时间,模型与算法可行有效。(本文来源于《南京理工大学学报》期刊2017年04期）
高志波,龙科军,王倩,李峰[5]（2017）在《车辆路线问题的自适应遗传模拟退火算法》一文中研究指出针对目前大多数车辆路线问题的模型和及其算法都是针对单车型而设计,而对带有时间窗的多目标多车型车辆路线问题研究较少这一不足,在考虑了车辆载货状况、车辆类型、时间窗等约束条件的基础上,建立了基于总费用最小的双层目标规划模型,其中上层目标是车辆购买成本最小,下层目标为运输距离成本最小。综合考虑自适应遗传算法和模拟退火算法的优点,设计了1种自适应遗传模拟退火算法求解车辆路线问题。算例结果表明:相比于标准遗传算法,自适应遗传模拟退火算法减少了9%的运输成本,能跳出局部收敛获得最优解,从而提供更为合理的车辆数量和车辆路线。(本文来源于《中国科技论文》期刊2017年07期）
段进峰,谢寿生,王立国,姚凯翔,刘蕴哲[6]（2016）在《航空发动机自适应模拟退火遗传算法建模》一文中研究指出以阶跃输入响应进行模型的检验,提出了航空发动机状态模型的建立方法:在抽功法所建立的状态空间模型的基础上,利用自适应模拟退火遗传算法对A、C矩阵元素进行寻优,解决了状态空间模型的响应与非线性模型不能够很好吻合的难题。仿真表明,得到的状态空间模型无论是动态过程还是稳态过程都能取得较高的建模精度,为航空发动机分布式控制的研究奠定了强有力的基础。(本文来源于《火力与指挥控制》期刊2016年11期）
徐密,孙莹,李可军,肖文文[7]（2016）在《基于模糊自适应模拟退火遗传算法的配电网故障定位》一文中研究指出对于配电网故障定位系统的不足与遗传算法存在易早熟、收敛速度慢等问题,结合模糊推理和自适应模拟退火遗传算法,提出一种模糊自适应模拟退火遗传算法(FASAGA)。该算法对评价函数做了容错性改进,在遗传选择时采用自适应机制与最佳个体保留策略,并结合模糊推理与自适应机制求取模糊自适应交叉算子、模糊自适应变异算子,引入模拟退火算法提高收敛速度与局部搜索能力。仿真结果说明该算法应用在配电网故障定位中的准确性、快速性与高容错性。(本文来源于《电测与仪表》期刊2016年17期）
李仲欣,韦灼彬,沈锦林[8]（2016）在《高效的自适应小生境遗传-模拟退火混合算法》一文中研究指出为克服遗传算法易陷入局部极值这一缺陷,提出一种融合小生境、自适应和模拟退火技术的混合算法。共享机制小生境技术与基于排序的适应度分配维持种群的多样性,使算法具有一定的鲁棒性;交叉、变异概率的自适应化保护优良个体,促使劣等个体加速进化,改进的交叉和变异策略可扩展算法搜索范围;嵌入式模拟退火模块能够有效利用记录的种群进化信息,锁定搜索范围,促进个体向高适应度方向发展,进一步摆脱早熟收敛。仿真结果表明,该算法具备良好的全局搜索能力和稳健性。(本文来源于《计算机工程与设计》期刊2016年04期）
李梦莹,张祥攀,范梦雨,丁猛,曲凯扬[9]（2016）在《基于模拟退火和自适应遗传算法的影子定位多参数优化研究》一文中研究指出文章针对由多变量影子坐标确定拍摄地点的问题,提出了一种将模拟退火算法和遗传算法相结合的求解方法。首先全面分析所有的未知参量包括杆长、经纬度和坐标旋转角,确定未知参量与已知条件的数学关系,以实际坐标与理论计算坐标的误差最小为目标函数,将其倒数作为遗传算法的适应度函数,采用自适应变化的交叉变异算子并用模拟退火算法更新产生新个体,寻找全局最优解。实验结果表明该求解方法在计算速度和全局收敛方面都取得了理想的效果。(本文来源于《无线互联科技》期刊2016年06期）
卢栋青,杨旭红,张国铎,刘永晓,吕贵龙[10]（2013）在《基于自适应模拟退火遗传算法的多机系统PSS参数协调优化》一文中研究指出针对基本遗传算法(SGA)易早熟收敛且收敛速度慢的问题,提出了一种改进的遗传`算法——自适应模拟退火遗传算法(ASAGA)用于解决PSS参数优化问题。该算法采用轮盘赌选择和最佳个体保存策略相结合的机制,并结合自适应的交叉、变异概率,扩大种群的搜索范围,继而引入模拟退火算法,加快迭代后期的收敛速度。一个针对Kunder四机两区域系统的PSS参数优化以及暂态稳定性仿真分析的算例表明,本文所设计的PSS对各(本文来源于《电气应用》期刊2013年20期）
自适应遗传模拟退火算法论文开题报告
（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：
研究一种自适应遗传模拟退火算法,应用于矩形件优化排样问题。以整数编码矩形件的排样序列,采用经验选择与随机生成相结合的策略构造初始种群。运用自适应交叉和变异概率动态地控制遗传算法的收敛速度,通过模拟退火算法引导全局最优搜索,采用启发式最低水平线择优算法对排样序列进行解码,形成排样方式。多组对比实验结果表明,自适应遗传模拟退火算法求解速度较快,可以有效提高板材的利用率。
（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。
自适应遗传模拟退火算法论文参考文献
[1].刘华威,吴永忠,张朋杨,侯诗文.基于自适应模拟退火遗传算法的风力机翼型优化设计[J].可再生能源.2018
[2].夏以冲,陈秋莲,宋仁坤.基于自适应遗传模拟退火算法的矩形件排样[J].计算机工程与应用.2018
[3].张松兰,田丽.基于相似性和距离及遗传模拟退火的自适应聚类算法[J].火力与指挥控制.2018
[4].许鸣吉,李胜,陈庆伟,郭健,吴益飞.基于自适应模拟退火遗传算法的码垛次序规划方法[J].南京理工大学学报.2017
[5].高志波,龙科军,王倩,李峰.车辆路线问题的自适应遗传模拟退火算法[J].中国科技论文.2017
[6].段进峰,谢寿生,王立国,姚凯翔,刘蕴哲.航空发动机自适应模拟退火遗传算法建模[J].火力与指挥控制.2016
[7].徐密,孙莹,李可军,肖文文.基于模糊自适应模拟退火遗传算法的配电网故障定位[J].电测与仪表.2016
[8].李仲欣,韦灼彬,沈锦林.高效的自适应小生境遗传-模拟退火混合算法[J].计算机工程与设计.2016
[9].李梦莹,张祥攀,范梦雨,丁猛,曲凯扬.基于模拟退火和自适应遗传算法的影子定位多参数优化研究[J].无线互联科技.2016
[10].卢栋青,杨旭红,张国铎,刘永晓,吕贵龙.基于自适应模拟退火遗传算法的多机系统PSS参数协调优化[J].电气应用.2013
标签：风力机翼型; 自适应模拟退火遗传算法; 遗传算法; 模拟退火算法;