导读:本文包含了经典遗传算法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:算法,经典,弹道,潮流,运筹学,神经网络,解法。
经典遗传算法论文文献综述
汤祁忠,李雄,叶茂,孟亮飞,刘浩[1]（2019）在《基于经典遗传算法的末端多约束弹道优化方法》一文中研究指出为了满足现代战争的新要求,增强导弹的飞行弹道性能,提出了一种针对末端多约束的弹道优化方法。在经典遗传算法的基础上,采用直接单重打靶法离散化控制变量,同时基于简化的纵向平面弹道模型,设计了末端多约束弹道的优化方法。在单/双/多性能指标约束下,进行了3个具体算例的仿真,验证了该方法的通用性、可行性和实用性。结果表明:对不同末端约束问题,只需要改变相应性能指标,该方法就能完成末端多约束下的弹道优化工作。该方法对末端多约束弹道优化问题具有一定参考价值,在开展导弹总体方案论证工作时,具有一定借鉴和支撑作用。(本文来源于《战术导弹技术》期刊2019年04期）
税靖[2]（2018）在《基于遗传算法的自动组卷及经典测量理论评价》一文中研究指出随着计算机技术和人工智能的快速发展,无纸化考试已成为信息技术发展的必然趋势。自动组卷不仅能够保证考试的客观性和公正性,还可以减少教师在考试过程中编制试题及批阅试卷的工作量,同时也能节约大量的人力和物力资源。然而,现有的自动组卷方法在组卷质量上还有待提高,并且很少对生成试卷的质量进行分析与评价。针对以上问题,以经典测量理论为指导,选取遗传算法作为自动组卷方法,通过仿真实验生成试卷,以经典测量理论中的难度、区分度、信度和效度为评价指标,对试卷质量进行检验,结果表明满足试卷质量的要求,同时所取得的成绩也服从正态分布。论文主要工作包含以下四个方面。第一,梳理了自动组卷的相关文献,分析了自动组卷的教育理论,以此确定自动组卷的约束条件,构建自动组卷的数学模型。通过对自动组卷教育理论的分析,选取经典测量理论作为指导;将试题编号、试卷分值、试题题型、试题章节和试题难度确定为组卷的约束条件,以此构建了自动组卷的数学模型。第二,选取自动组卷算法,并对所选取的自动组卷算法进行设计。通过对比分析常用几种组卷算法的优缺点及应用范围,从中选取遗传算法作为论文的组卷算法;并对遗传算法进行设计,在染色体编码方案中采用分组实数编码、在选择算子中采用轮盘赌选择方法、在交叉算子中采用组内单点交叉方式,在变异算子中采用分段基因位变异方式。通过对遗传算法的设计,为遗传算法在自动组卷中的应用奠定了良好的基础。第叁,将基于遗传算法的自动组卷算法应用到《计算机基础》课程实际组卷过程中,以此来检验组卷算法的效果。根据建立的《计算机基础》试题库,采用MATLAB进行仿真实验,生成10份试卷,并对10份试题的章节和难度进行统计分析,结果表明运用遗传算法组卷具有较好的效果;将所设计的遗传算法与随机抽取算法和蚁群算法进行对比实验,结果表明采用遗传算法所生成的试卷比其它两种算法更符合实际的组卷要求。第四,将生成的试卷用于实际的考试过程中,根据考试成绩检验生成试卷的质量。选取5份试卷运用到实际的模拟考试中,根据考试成绩,以经典测量理论中的难度、区分度、信度和效度对试卷质量进行评价;并对所取得成绩进行正态分布检验,结果表明成绩服从正态分布,能够满足试卷质量的要求。(本文来源于《重庆师范大学》期刊2018-04-01）
熊艳琼[3]（2014）在《遗传算法与经典法在电力系统有功优化的研究比较》一文中研究指出长期以来，电力系统的有功优化研究分析是电力系统经济运行的重要内容，对于保证电力系统安全经济运行具有重要的理论参考价值和现实意义。本文主要以现代电力系统有功优化的发展特点作为研究背景，把有功优化问题作为研究对象，选用经典法和遗传算法作为有功优化的主要研究手段。在经典法有功优化中，主要对导纳矩阵法以及雅克比矩阵法的等网损微增率的计算方法进行了详细的分析推导，同时推导了阻抗矩阵法计算网损微增率。并结合相应算法的优缺点，对这叁种算法的特点进行实例分析比较。本文还对遗传算法在电力系统有功优化的应用进行了理论研究分析，并就遗传算法进行改进后应用于电力系统有功优化中。最后将经典法有功优化以及改进遗传算法应用于算例IEEE-14节点、IEEE-30节点系统中，进行了可行性验证和分析比较，验证了改进的遗传算法在有功优化中的可行性。(本文来源于《南昌大学》期刊2014-05-27）
周航,朱海,齐迎春[4]（2013）在《一种经典遗传算法下的异构云环境能效优化策略》一文中研究指出从高能效的角度分析目前一些通用能耗模型,提出了一种适用于云数据中心实际应用场景的能效模型.根据此能效模型数学公式的分析,提出了相应的能效优化策略,并通过CloudSim仿真平台进行验证.结果表明,相比于Hadoop等云平台下传统的任务均分策略,应用经典遗传算法的能效优化策略能明显提高服务器集群的整体能效值.通过修改实验的相关参数,进一步验证了该能效优化策略的健壮性.(本文来源于《信阳师范学院学报(自然科学版)》期刊2013年04期）
樊春天[5]（2013）在《基于经典优化算法的混合遗传算法的研究与应用》一文中研究指出对于一类具有多种解决方法的问题,人类始终想去追求一种最佳、最优的解决方法。而人类至今研究和应用最多的优化方法之一的最优化算法,它是在众多的选择方案中求取最优者以达到最优标的的一种优化算法。本文所研究的混合遗传算法就是一种应用领域极为广泛的优化算法。因为在科学研究、工程设计和计算机智能等诸多领域中都会牵涉到最优化问题,所以无论在科学研究还是在实际问题应用中,遗传算法都是非常重要的研究领域。本文第一、第二章系统介绍了经典优化算法和基本遗传算法(SGA)的发展状况、基本原理、算法基本结构及应用的实现技术等。通过对上述算法运行效率和收敛性的分析研究,提出了基于经典优化算法的混合遗传算法(GA/BFGS)。数值模拟实验结果表明：改进后的遗传算法在保持全局收敛性强的同时,局部收敛性也得到了很好的改善,并将其应用于模糊神经网络的识别问题中,取得了令人满意的效果。本文主要做了以下几个方面的研究工作：1.简要介绍了遗传算法的发展历程及其探究现状。2.主要阐述了牛顿法、拟牛顿法、共轭梯度法和最速下降法四类经典优化算法的基本数学原理及其运算流程等。3.简要介绍了遗传算法的基本原理、算法流程、参数设置、数学理论及算法优缺点。4.本文从遗传算法的运行效率和局部收敛性两个方面考虑,依据经典优化算法的优点提出了基于BFGS改进的遗传算法,为了进一步测试GA/BFGS的收敛性能,本文把混合后的遗传算法应用于四个多峰值复杂函数分析并比较其混合后遗传算法的运行效率及其全局最优解的精度,得出了其解具有高的精度和局部收敛性,同时混合后的遗传算法也具有较高的运行效率。5.将GA/BFGS应用于模糊神经网络的识别中,并取得了比较理想的效果。(本文来源于《安徽理工大学》期刊2013-06-01）
徐谱府[6]（2013）在《经典法与遗传算法在电力系统无功优化中的应用研究》一文中研究指出随着我国经济的快速发展,电网中普遍存在着无功功率不足、电压质量不高和损耗较大等问题,这些问题将会对整个电力系统的安全、经济运行产生较大的影响。而无功优化是使网络的电压水平较高并且可以减少系统网损的重要方法,所以研究无功优化具有重要的理论和实际应用价值。在无功优化中需要不断的使用潮流计算来分析发电机无功出力和负荷节点电压越限情况,所以选择一种计算速度快并且可靠的潮流方法是进行无功优化的基础,所以潮流计算算法也是本文的研究重点。本文推导了一种改进的直流潮流方法,该方法可同时计算电压相角和电压幅值,而且通过与牛顿-拉夫逊法比较发现该方法能得到较好的计算精度,从而使该直流潮流方法可应用在更多的范围内。本文推导了一种基于直角坐标形式的快速分解法,通过使用测试系统验证与快速分解法比较,虽然在其迭代次数有所增加,但其在计算速度上有一点优势。最后通过使用标准测试系统比较高斯-赛德尔法、牛顿法和快速分解法,算例结果表明快速分解法更适合作为本文经典法和遗传算法无功优化中的潮流计算模型。本文认真研究了经典法在无功优化中的应用,作为一种以网损微增率为核心的优化方法,该方法具有简单方便、优化速度快等特点。本文还介绍了适合解决复杂优化问题的遗传算法,认真地研究了这种算法的编码方法和遗传算子。基于考虑基本遗传算法收敛速度较慢、易陷入局部解等不足,本文对基本遗传算法的选择策略、交叉算子、交叉率和变异率取值上做了一些改进,使这种改进的遗传算法能更好的应用在无功优化中。使用经典法、基本遗传算法和改进遗传算法对IEEE14和30节点数据进行测试来验证其有效性,通过对优化结果分析比较可知,经典法可以应用在无功优化中,能有效的降低系统的有功网损,虽然在降幅上不及基本遗传算法和改进遗传算法,但经典法在计算速度上很有优势。本文提出的改进遗传算法比基本遗传算法在无功优化中计算速度上有较大的改善,而且可以更有效地降低系统的有功功率网损,表明改进遗传算法具有更快的计算速度和更好的寻优能力。(本文来源于《南昌大学》期刊2013-05-01）
杨磊[7]（2012）在《遗传算法在解决经典运筹问题中的应用》一文中研究指出本文主要阐述遗传算法的特点,以及在解决运筹经典问题中的应用和不足之处。(本文来源于《合作经济与科技》期刊2012年01期）
吴利平,李赞,李建东,陈晨[8]（2011）在《一种基于经典遗传算法的自适应随机共振系统》一文中研究指出针对实际工程中微弱信号的检测要求,根据双稳态随机共振系统原理和信号、噪声和非线性系统之间的关系,设计了一种基于经典遗传算法的自适应随机共振系统。该系统利用以输出信噪比为目标函数和对系统参数进行联合编码的遗传算法获取双稳态随机共振系统的最佳参数,再根据所得系统参数对接收信号进行最优随机共振处理。仿真结果表明,在低信噪比情况下,系统能始终保持最佳随机共振状态,快速地实现输出信噪比最大化和处理增益达到15～20dB,从而保证低信噪比条件下微弱信号的有效检测和处理。(本文来源于《计算机科学》期刊2011年11期）
丁书斌,李启堂,徐继涛,王敏[9]（2007）在《混合遗传算法求解经典作业车间调度问题》一文中研究指出在研究遗传算法和模拟退火算法的基础上,提出了求解经典作业车间调度问题的混合遗传算法的设计方案,并提出了一个新的编码方法,阐述了相应编码的解码规则。仿真计算验证了混合算法的可行性和有效性。(本文来源于《煤矿机械》期刊2007年01期）
黄瑛[10]（2006）在《电力系统有功优化经典算法和遗传算法的比较研究》一文中研究指出本文首先介绍了电力系统有功优化的内容及其分类，然后建立了经典法有功优化的数学模型。在此基础上，采用了导纳矩阵法、阻抗矩阵法计算有功网损微增率，对经典的有功优化计算公式进行了详细地推导，并对阻抗矩阵法提出了五种简化算法。其次推导了有功优化迭代计算公式，将各种有功网损微增率算法用于有功优化计算。最后经过几个系统算例的计算分析，验证了本文工作的正确性和实用性。论文后半部分研究了遗传算法在电力系统中的应用。文章首先对遗传算法的基本理论进行了详细的阐述，然后基于退火选择遗传算法，提出了一种改进型遗传算法以提高寻优能力。并以电力系统有功经济调度为背景，通过实例验证了该算法的有效性。(本文来源于《南昌大学》期刊2006-06-01）
经典遗传算法论文开题报告
（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：
随着计算机技术和人工智能的快速发展,无纸化考试已成为信息技术发展的必然趋势。自动组卷不仅能够保证考试的客观性和公正性,还可以减少教师在考试过程中编制试题及批阅试卷的工作量,同时也能节约大量的人力和物力资源。然而,现有的自动组卷方法在组卷质量上还有待提高,并且很少对生成试卷的质量进行分析与评价。针对以上问题,以经典测量理论为指导,选取遗传算法作为自动组卷方法,通过仿真实验生成试卷,以经典测量理论中的难度、区分度、信度和效度为评价指标,对试卷质量进行检验,结果表明满足试卷质量的要求,同时所取得的成绩也服从正态分布。论文主要工作包含以下四个方面。第一,梳理了自动组卷的相关文献,分析了自动组卷的教育理论,以此确定自动组卷的约束条件,构建自动组卷的数学模型。通过对自动组卷教育理论的分析,选取经典测量理论作为指导;将试题编号、试卷分值、试题题型、试题章节和试题难度确定为组卷的约束条件,以此构建了自动组卷的数学模型。第二,选取自动组卷算法,并对所选取的自动组卷算法进行设计。通过对比分析常用几种组卷算法的优缺点及应用范围,从中选取遗传算法作为论文的组卷算法;并对遗传算法进行设计,在染色体编码方案中采用分组实数编码、在选择算子中采用轮盘赌选择方法、在交叉算子中采用组内单点交叉方式,在变异算子中采用分段基因位变异方式。通过对遗传算法的设计,为遗传算法在自动组卷中的应用奠定了良好的基础。第叁,将基于遗传算法的自动组卷算法应用到《计算机基础》课程实际组卷过程中,以此来检验组卷算法的效果。根据建立的《计算机基础》试题库,采用MATLAB进行仿真实验,生成10份试卷,并对10份试题的章节和难度进行统计分析,结果表明运用遗传算法组卷具有较好的效果;将所设计的遗传算法与随机抽取算法和蚁群算法进行对比实验,结果表明采用遗传算法所生成的试卷比其它两种算法更符合实际的组卷要求。第四,将生成的试卷用于实际的考试过程中,根据考试成绩检验生成试卷的质量。选取5份试卷运用到实际的模拟考试中,根据考试成绩,以经典测量理论中的难度、区分度、信度和效度对试卷质量进行评价;并对所取得成绩进行正态分布检验,结果表明成绩服从正态分布,能够满足试卷质量的要求。
（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。
经典遗传算法论文参考文献
[1].汤祁忠,李雄,叶茂,孟亮飞,刘浩.基于经典遗传算法的末端多约束弹道优化方法[J].战术导弹技术.2019
[2].税靖.基于遗传算法的自动组卷及经典测量理论评价[D].重庆师范大学.2018
[3].熊艳琼.遗传算法与经典法在电力系统有功优化的研究比较[D].南昌大学.2014
[4].周航,朱海,齐迎春.一种经典遗传算法下的异构云环境能效优化策略[J].信阳师范学院学报(自然科学版).2013
[5].樊春天.基于经典优化算法的混合遗传算法的研究与应用[D].安徽理工大学.2013
[6].徐谱府.经典法与遗传算法在电力系统无功优化中的应用研究[D].南昌大学.2013
[7].杨磊.遗传算法在解决经典运筹问题中的应用[J].合作经济与科技.2012
[8].吴利平,李赞,李建东,陈晨.一种基于经典遗传算法的自适应随机共振系统[J].计算机科学.2011
[9].丁书斌,李启堂,徐继涛,王敏.混合遗传算法求解经典作业车间调度问题[J].煤矿机械.2007
[10].黄瑛.电力系统有功优化经典算法和遗传算法的比较研究[D].南昌大学.2006
论文知识图
