导读:本文包含了混合遗传模拟退火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,电网,小生境,在线,启发式,避雷器,网架。
混合遗传模拟退火算法论文文献综述
王涛,吴林彦,张如伟,王琪,裴翦[1]（2019）在《遗传算法与模拟退火算法在FMS中的混合应用》一文中研究指出讨论了柔性制造系统(FMS)中的机械加载问题,问题的主要目标是使制造系统不平衡最小化,在诸如可用的加工时间和刀具槽等工艺约束条件下使系统吞吐量最大化。将遗传算法(GA)与模拟退火(SA)算法相结合,提出了一种高效的进化算法——GASA。使用5个样本数据集对GASA的性能进行了测试,并与其他文献提及的启发式算法进行了比较,研究了它们对解决方案质量的影响。为了评价所提出的进化启发式算法的性能,通过进行大量的计算实验,以表格和图表形式给出了结果。实验结果表示GASA在柔性制造系统的应用中性能更好。(本文来源于《制造业自动化》期刊2019年08期）
蔡金祥,蔡金涛,袁建华,张震,陈庆[2]（2019）在《基于混合遗传算法与模拟退火算法的金属氧化物避雷器在线监测研究》一文中研究指出针对金属氧化物避雷器(MOA)的老化需对其实施在线监测的问题,提出了一种基于混合遗传算法与模拟退火算法的MOA老化监测算法。通过对此问题建立MOA模型,根据混合算法良好地模拟逼近效果,计算出k和C的值,以实施MOA老化在线监测。由于电力系统运行电压中存在许多谐波,这些谐波会在一定程度上影响算法求解的稳定性及准确性,因此采用Matlab仿真,仿真结果得出的泄漏电流拟合逼近实际需要测量的泄漏电流,判断该混合算法的拟合特性。对求解出的参数误差进行分析,得知所提算法具有很好的抗干扰性,可以有效地对MOA进行老化监测。(本文来源于《电力学报》期刊2019年03期）
张钧,贺可太[3]（2019）在《求解叁维装箱问题的混合遗传模拟退火算法》一文中研究指出集装箱装载是货物运输过程中重要的一步,其属于NP-hard问题。为了提高效率,降低成本,提出了以集装箱体积利用率最大化为目标建立叁维装载模型,同时考虑体积约束、重量约束、重心约束、方向约束。利用混合遗传、模拟退火与叁空间分割启发式装载算法求解模型,算法中融入局部最优解保存策略来避免局部较好解在后续的算法过程中出现适应度降低的情况。通过强异类算例与弱异类算例对算法进行性能测试,并结合具体的货物装载数据,得出叁维装载图与目标函数值。结果表明,该算法应用于集装箱装载有着较好的效果。(本文来源于《计算机工程与应用》期刊2019年14期）
冯佳勇[4]（2018）在《基于模拟退火—遗传混合算法的电力无线专网基站选址机制》一文中研究指出随着智能电网建设的展开,电力业务在安全性、实时性、可靠性等方面的需求不断提高,电力无线专网建设受到越来越多的关注。通常来讲,在整个无线网络规划中基站的部署规划是最为关键的部分,其投资占比在整个网络建设投资中达到一半以上。如何结合智能电网中无线通信业务特点以及现有电力基础设施进行优化选址,利用较少的基站建设成本实现较优的网络覆盖已经成为一个亟待解决的问题。本论文对目前选址优化问题中的较为常见的模拟退火算法、遗传算法进行了对比分析,发现遗传算法的输入群体规模以及父代基因的优异程度会对运算过程中收敛速度、稳定性、求解效果等方面会产生重大的影响,但其全局搜索能力较强,具有较好的并行性,适用于全局求解过程;模拟退火算法实现较为方便,对输入规模的大小不敏感,具有很强的局部求解能力,但是全局求解性能稍差,收敛速度较慢。根据两种算法的特点,本论文提出了模拟退火-遗传混合选址算法,其核心思想是利用模拟退火算法较强的局部求解能力,求解出初始可行解集,该解集编码后成为遗传算法的输入初始种群,可以发现该种群满足以下特点:一、经过模拟退火算法处理后,种群的规模比起最初始的输入参数规模已经缩小;二、由于种群中的所有个体都是由初始可行解编码而来,已满足基本的覆盖要求,所以每个个体的遗传基因较为优秀。之后再由遗传算法进行最优选址算法的后续部分,最终使得求解性能以及收敛速度获得了提升。在模拟退火-遗传混合选址算法的基础上,本文搭建了基于浏览器-服务器架构的电力无线专网选址系统。使用者可以通过浏览器的形式上传选址相关信息,由服务端选址计算完成后返回选址结果。利用该系统,本论文进行了针对不同数据集的选址结果测试,验证了本文选址机制的有效性。之后,本论文将新提出的算法与遗传算法、模拟退火算法进行了性能分析对比,证实了本论文所提的算法具有更好的选址性能,更快速的求解速度。(本文来源于《北京邮电大学》期刊2018-03-09）
黄华升,张波[5]（2017）在《混合遗传模拟退火算法求解旅游线路优化问题》一文中研究指出广西旅游资源丰富,对出行线路的规划可以能让旅游线路更为优化合理。本文以广西30个城市的旅游线路优化问题构造TSP问题,分析了遗传算法和模拟退火算法的优缺点。利用两种算法的互补性,构造了混合遗传模拟退火算法,指出叁种算法对旅游线路的求解算法过程。通过对实验数据的对比分析,得出了混合遗传模拟退火算法在求解精度上优于遗传算法或模拟退火算法。(本文来源于《软件工程》期刊2017年11期）
邵勇[6]（2017）在《遗传算法、模拟退火算法和混合算法在计算机设计中的应用》一文中研究指出铁路编组站是铁路枢纽的核心,而阶段计划的自动编制则是新一代编组站综合自动化系统的重要模块。我们要综合运用遗传算法、模拟退火算法和混合算法,确定阶段计划的编制和模型,解决列车的到发线运用、到达列车的解体顺序问题,保证不间断接车,避免作业干扰,核定出发列车的编组时机、取送内容和时机,推动我国编组站总体技术向世界先进水平看齐。(本文来源于《中国建材科技》期刊2017年04期）
徐正宏[7]（2017）在《基于遗传—模拟退火混合算法的泰兴市高压配电网优化规划研究》一文中研究指出由于社会经济的飞快发展以及人们生活水平的显着提高,国内对于电力的需求日益增加。配电网在电力系统中担负起了分配电能的重要职责。配电网系统负荷在不断增长,再加上人们对供电质量以及可靠性的要求逐步变高,合理地进行配电网络规划能够获得偌大的社会和经济效益。论文研究了配电网负荷预测、配电网络优化规划以及配电网线路布局。根据泰兴地区的负荷状况,采用年增长率法、回归分析法以及时间序列预测法这叁种方法对泰兴地区进行负荷预测。研究了遗传算法和模拟退火算法,并把两种算法结合起来提出遗传-模拟退火混合算法。通过算例仿真验证了该方法的正确性及有效性。论文分析了泰兴市配电网的现状,以运行费用最少为目标建立了泰兴市配电网网架规划的数学模型,利用遗传-模拟退火混合算法进行编码计算,得到了最优的网架结构,并将其投入使用。实践表明,泰兴市配电网已成为网络完善合理、供电可靠性高的现代化电网。(本文来源于《华北电力大学(北京)》期刊2017-03-01）
黄进,宋余庆,凌青华[8]（2016）在《基于遗传模拟退火混合算法的RNA二级结构预测》一文中研究指出RNA二级结构预测是生物信息学中非常重要的内容。RNA二级结构的准确预测有助于生物研究者了解RNA分子在生物体内中所起到的重要作用。近年来,基于最小自由能模型的启发式算法常被运用于预测RNA二级结构。遗传算法和模拟退火算法是常见的启发式算法,将遗传算法中的遗传变异机制以及模拟退火的退火机制相结合,形成一种新的算法,以茎区作为种群中的个体进行交叉变异操作,将所得到的结果进行退火操作,从而得到最优解。该算法结合了遗传算法和模拟退火算法的优势,实验结果表明,该方法预测结果具有较高的精度。(本文来源于《软件导刊》期刊2016年06期）
李仲欣,韦灼彬,沈锦林[9]（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）
孟凡超,初佃辉,李克秋,周学权[10]（2016）在《基于混合遗传模拟退火算法的SaaS构件优化放置》一文中研究指出目前,对于SaaS优化放置问题的研究都是假定云环境中的虚拟机的种类和数量都是确定的,即,在限定的资源范围内进行优化.然而,在公有云环境下,SaaS提供者所需要的云资源数量是不确定的,其需要根据Iaa S提供者所提供的虚拟机种类以及被部署的SaaS构件的资源需求来确定.为此,站在SaaS提供者角度,提出一种新的SaaS构件优化放置问题模型,并采用混合遗传模拟退火算法(hybrid genetic and simulated annealing algorithm,简称HGSA)对该问题进行求解.HGSA结合了遗传算法和模拟退火算法的优点,克服了遗传算法收敛速度慢和模拟退火算法容易陷入局部最优的缺点,与单独使用遗传算法和模拟退火算法相比,实验结果表明,HGSA在求解SaaS构件优化放置问题方面具有更高的求解质量.所提出的方法为SaaS服务模式的大规模应用提供了理论与方法的支撑.(本文来源于《软件学报》期刊2016年04期）
混合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：
针对金属氧化物避雷器(MOA)的老化需对其实施在线监测的问题,提出了一种基于混合遗传算法与模拟退火算法的MOA老化监测算法。通过对此问题建立MOA模型,根据混合算法良好地模拟逼近效果,计算出k和C的值,以实施MOA老化在线监测。由于电力系统运行电压中存在许多谐波,这些谐波会在一定程度上影响算法求解的稳定性及准确性,因此采用Matlab仿真,仿真结果得出的泄漏电流拟合逼近实际需要测量的泄漏电流,判断该混合算法的拟合特性。对求解出的参数误差进行分析,得知所提算法具有很好的抗干扰性,可以有效地对MOA进行老化监测。
（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。
混合遗传模拟退火算法论文参考文献
[1].王涛,吴林彦,张如伟,王琪,裴翦.遗传算法与模拟退火算法在FMS中的混合应用[J].制造业自动化.2019
[2].蔡金祥,蔡金涛,袁建华,张震,陈庆.基于混合遗传算法与模拟退火算法的金属氧化物避雷器在线监测研究[J].电力学报.2019
[3].张钧,贺可太.求解叁维装箱问题的混合遗传模拟退火算法[J].计算机工程与应用.2019
[4].冯佳勇.基于模拟退火—遗传混合算法的电力无线专网基站选址机制[D].北京邮电大学.2018
[5].黄华升,张波.混合遗传模拟退火算法求解旅游线路优化问题[J].软件工程.2017
[6].邵勇.遗传算法、模拟退火算法和混合算法在计算机设计中的应用[J].中国建材科技.2017
[7].徐正宏.基于遗传—模拟退火混合算法的泰兴市高压配电网优化规划研究[D].华北电力大学(北京).2017
[8].黄进,宋余庆,凌青华.基于遗传模拟退火混合算法的RNA二级结构预测[J].软件导刊.2016
[9].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
[10].孟凡超,初佃辉,李克秋,周学权.基于混合遗传模拟退火算法的SaaS构件优化放置[J].软件学报.2016
论文知识图
