导读:本文包含了变异算子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:算子,算法,粒子,自适应,邻域,正态分布,冗余。
变异算子论文文献综述
王春阳,赵玉庆,谢金兴,苏本堂[1]（2019）在《遗传算法变异算子的改进》一文中研究指出为了提高遗传算法的全局寻优能力,本文提出变异算子的一种新的构造机制。在种群进化的初始阶段,使变异点发生在二进制染色体的高位区,以保证种群的多样性;在进化的中期阶段,使变异点发生在染色体的中位区,以保持种群持续大范围寻优;在收敛阶段,使变异点发生在染色体的低位区,以提高最优个体的精度。数值试验表明,在不增加算法整体计算量的前提下,这样构造的变异算子,对避免遗传算法出现早熟具有明显的积极作用。(本文来源于《山东农业大学学报(自然科学版)》期刊2019年05期）
方璐,范东亮,张光宇,陈汉新[2]（2019）在《一种带变异算子的粒子群优化粒子滤波降噪算法》一文中研究指出提出一种面向机械故障诊断非线性振动信号特征提取及实时滤波降噪的新型粒子群优化粒子滤波(NPSO-PF)算法,是基于带变异算子的粒子群优化粒子滤波算法。应用变异控制函数和操作算子,通过改善粒子滤波(PF)算法粒子贫乏、利用率不高等问题,加速粒子集收敛,减少整个算法运行的时间。仿真结果通过与PF算法和PSO-PF算法相比,论证了提出的NPSO-PF算法具有更低的均方根误差、更短的运行时间、更高的信噪比和更稳定的滤波性能。(本文来源于《武汉工程大学学报》期刊2019年04期）
苗晓锋,刘志伟[3]（2019）在《基于搜索空间大小的动态变异算子差分进化算法》一文中研究指出差分进化算法(DE)是一种较新的进化计算技术,具有概念简单、易于实现、收敛速度快等优点,得到了广泛的关注和应用.为了解决经典DE计算开销大,参数设置与问题本身过于相关等缺陷,提出了一种改进的差分进化算法(IDE),它采用了一种动态变异算子,可根据进化代数的增加,基于搜索空间大小,实时地调整变异步长,从而提高算法的求解精度.通过在MATLAB仿真环境下对着名的基准测试函数分别进行求解,将改进后的算法和已有的多种优化算法进行比较,结果表明,改进的IDE算法性能明显优于已知的算法,证明动态变异是一种有效的改进思路.(本文来源于《计算机系统应用》期刊2019年06期）
李晨章,高建华[4]（2019）在《JQuery变异算子的冗余检测》一文中研究指出JavaScript是一种用于客户端web开发的脚本语言,jQuery作为一个快速、简洁的JavaScript框架被广泛的应用.针对jQuery功能和交互方面的测试问题,本文基于变异测试技术,设计了13个针对jQuery的变异算子,并对这13个变异算子中的冗余进行了实验和研究,目的是减少在对jQuery变异分析时所需要的计算成本.对于冗余的变异算子,在测试时可以排除但又能保持相同级别的故障检测能力.论文在4个web项目中,使用了13个变异算子进行了验证. 2个变异算子(O3和O4)被证明是多余的,可以排除在变异测试之外,并且对错误的检测能力的影响是最小的.(本文来源于《小型微型计算机系统》期刊2019年04期）
王越,邱飞岳,郭海东[5]（2019）在《一种带变异算子的自适应惯性权重二进制粒子群优化算法》一文中研究指出针对离散二进制粒子群优化算法在寻优过程中收敛速度慢、搜索精度不高和易陷入局部最优的问题,本文提出一种带变异算子的自适应惯性权重二进制粒子群优化算法(MABPSO).首先,采用非线性递增策略优化惯性权重,平衡二进制粒子群算法的全局探索与局部探索性能;其次,引入对未知空间搜索的变异算子,改进速度更新公式,使粒子的寻优范围扩大,增强算法多样性,有效避免陷入局部最优解.通过在六个基准测试函数上进行测试所得到的实验结果表明,本文对二进制粒子群优化算法所做的优化相比于其它叁种算法,具有较好的逃离局部最优解的能力,提高了算法的收敛性能.(本文来源于《小型微型计算机系统》期刊2019年04期）
李二超,陈瑞婷[6]（2019）在《基于变异算子和邻域值自适应的MOEA/D算法》一文中研究指出基于分解的多目标进化算法(MOEA/D)在解决多目标问题时,具有简单有效的特点。但多数MOEA/D采用固定的控制参数,导致全局搜索能力差,难以平衡收敛性和多样性。针对以上问题提出一种基于变异算子和邻域值自适应的多目标优化算法。该算法根据种群中个体适应度值的分散或集中程度进行判断,并据此对变异算子进行自适应的调节,从而增强算法的全局搜索能力;根据进化所处的阶段以及个体适应度值的集中程度,自适应地调节邻域值大小,保证每个个体在不同的进化代数都有一个邻域值大小;在子问题邻域中,统计子问题对应个体的被支配数,通过判断被支配数是否超过设定的上限,来决定是否将Pareto支配关系也作为邻域内判断个体好坏的准则之一。将提出的算法与传统的MOEA/D在标准测试问题上进行对比。实验结果表明,提出的算法求得的解集具有更好的收敛性和多样性,在求解性能上具有一定的优势。(本文来源于《计算机工程与应用》期刊2019年09期）
杜玉平[7]（2018）在《一种带变异算子的粒子群算法》一文中研究指出在标准PSO算法的基础上提出带变异算子的PSO算法,算法是在适当时机下对个体极值作改动.并且通过函数测试,新算法在求解进度和解的精确度方面明显优于标准PSO算法,全局收敛性能好.(本文来源于《太原师范学院学报(自然科学版)》期刊2018年04期）
李进,李二超[8]（2019）在《基于正态分布和自适应变异算子的ε截断算法》一文中研究指出针对约束优化算法不能很好协调收敛性及分布性的问题,提出一种基于正态分布和自适应变异算子的ε截断算法。将正态分布引入模拟二进制交叉算子中,使算法可搜索的空间范围更广,更易跳出局部最优;利用自适应变异算子,将种群个体当前信息与变异算子结合起来,引导种群向真实的Pareto前沿进行进化;结合自适应的ε截断策略,保留Pareto最优解和一定数量的不可行解,同时利用不可行解的信息,加大对搜索空间的探索力度,从而提高种群多样性。采用3种标准测试函数对算法进行测试,试验结果表明:本研究所求解集能够很好的跟踪真实的Pareto解集。该方法可以有效地协调算法的收敛性及分布性。(本文来源于《山东大学学报(工学版)》期刊2019年02期）
王莹[9]（2018）在《一种基于变异算子改进的引力搜索算法》一文中研究指出针对引力搜索算法求解精度不高,易于早熟等缺点,提出了一种改进的引力搜索算法。为了平衡算法的开发与探索能力,我们引入两个变异算子:一个算子增强算法的开发能力;另一算子增强算法的探索能力。最后把改进算法应用到典型测试题中,数值结果表明,算法是可行的,有效的。(本文来源于《价值工程》期刊2018年21期）
凌哲,李茂军[10]（2018）在《基于非均匀变异算子的状态空间进化算法》一文中研究指出基于非均匀变异算子的状态空间进化算法(NUMSEA)是一种具有新颖性的实数编码进化算法。针对传统的状态空间进化算法转移矩阵的不足,设计一种基于非均匀变异等算子改进的状态空间转移矩阵。该矩阵突破了传统的状态空间转移矩阵,并在此基础上增加了非均匀变异算子以及非均匀算术交叉算子。通过提取分析每一代的最适值,再左乘新的转移矩阵,能够在原有的最优个体附件进行微小的搜索。进一步实现了转移矩阵随群体中个体适应度值的自适应变化,上一代群体中适值越大的个体在生成新个体时所作的贡献越大,算法的收敛速度也将增加。实验结果表明,改进算法不仅能提升对主效基因挖掘的精确性与平稳性,还能缩短对特征数据的提取时间。(本文来源于《计算机技术与发展》期刊2018年09期）
变异算子论文开题报告
（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：
提出一种面向机械故障诊断非线性振动信号特征提取及实时滤波降噪的新型粒子群优化粒子滤波(NPSO-PF)算法,是基于带变异算子的粒子群优化粒子滤波算法。应用变异控制函数和操作算子,通过改善粒子滤波(PF)算法粒子贫乏、利用率不高等问题,加速粒子集收敛,减少整个算法运行的时间。仿真结果通过与PF算法和PSO-PF算法相比,论证了提出的NPSO-PF算法具有更低的均方根误差、更短的运行时间、更高的信噪比和更稳定的滤波性能。
（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。
变异算子论文参考文献
[1].王春阳,赵玉庆,谢金兴,苏本堂.遗传算法变异算子的改进[J].山东农业大学学报(自然科学版).2019
[2].方璐,范东亮,张光宇,陈汉新.一种带变异算子的粒子群优化粒子滤波降噪算法[J].武汉工程大学学报.2019
[3].苗晓锋,刘志伟.基于搜索空间大小的动态变异算子差分进化算法[J].计算机系统应用.2019
[4].李晨章,高建华.JQuery变异算子的冗余检测[J].小型微型计算机系统.2019
[5].王越,邱飞岳,郭海东.一种带变异算子的自适应惯性权重二进制粒子群优化算法[J].小型微型计算机系统.2019
[6].李二超,陈瑞婷.基于变异算子和邻域值自适应的MOEA/D算法[J].计算机工程与应用.2019
[7].杜玉平.一种带变异算子的粒子群算法[J].太原师范学院学报(自然科学版).2018
[8].李进,李二超.基于正态分布和自适应变异算子的ε截断算法[J].山东大学学报(工学版).2019
[9].王莹.一种基于变异算子改进的引力搜索算法[J].价值工程.2018
[10].凌哲,李茂军.基于非均匀变异算子的状态空间进化算法[J].计算机技术与发展.2018
论文知识图
