导读:本文包含了简单遗传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,目标,种群,简单,尔多,随机数,孟德。
简单遗传算法论文文献综述写法
于潇涵[1]（2015）在《基于简单遗传算法分布式电源的优化规划》一文中研究指出0引言分布式发电一般指相对小型的发电装置,它一般安装在负荷现场或者距离负荷较近。分布式电源(DG)具有投资少,发电方式多,能源利用率高,电能质量和供电可靠性高以及污染相对较小的优点。这使得分布式电源相较于大中型电网有很多显着优点。并且随着近几年智能电网技术得到重视,分布式电源接入系统也随之引起关注。但是分布式电源的接入,会给电力系统带来一系列的问题。首先要考虑到的是,大量分布式电源对于电网来说是不可控的,并且分布式电源接(本文来源于《电子制作》期刊2015年22期）
戴帅,师先锋,王婷,冯瑞梅,陈益[2]（2014）在《孟德尔多目标简单遗传算法在药物提取条件优化中的应用》一文中研究指出目的研究孟德尔多目标简单遗传算法(MMOSGA)在均匀试验设计的药物提取条件优化中的应用。方法对微波辅助萃取刺五加试验数据建立以浸膏得率、异秦皮啶含量、总皂苷含量为子目标的回归模型;利用课题组成员英国Glasgow大学软件工程师陈益编写的Matlab2009a外挂SGALAB工具箱beta5008进行遗传算法寻优,分别采用单目标遗传算法和MMOSGA对其进行单目标优化和叁目标优化,并比较优化结果。结果单目标遗传算法优化得到各子目标最大时的最优提取条件,MMOSGA进行叁目标优化时,在主要目标上达到了单目标最大函数值的71%以上,确定的最优提取条件的效果高于均匀试验中的任何一个方案。结论 MMOSGA搜索的Pareto非劣解是合理的,达到了较好的效果,为均匀试验设计最优条件选择提供了合理的方法,可推广到正交试验设计、析因试验设计的最优条件选择。(本文来源于《中国卫生统计》期刊2014年04期）
阮航[3]（2012）在《简单遗传算法在FPGA中的应用研究》一文中研究指出随着半导体工艺向深亚纳米的推进，产品越来越成熟，成本越来越低，嵌入式系统的发展尤为迅速，其中SOPC技术(System On a Programmable Chip，片上可编程系统)受到了很大的关注。Nios Ⅱ是Altera公司为实现SOPC技术而设计的第二代FPGA(FieldProgrammable Gate Array，现场可编程门阵列)嵌入式处理器，它具有灵活性、可裁剪性等优点受到了广大EDA工程师的青睐。遗传算法作为人工智能的一种，是模拟自然界生物进化的自适应算法。它具有全局搜索能力、操作简单、鲁棒性以及隐并行性特点，迅速成为应用广泛的智能算法之一。本文首先介绍了遗传算法的原理和SOPC结构，然后针对TSP问题，在交叉算子和变异算子上进行改进优化，提高算法的运行效率，最终将算法在SOPC上实现，结果由LCD屏显示，测试结果表明SOPC能够更快的得到最优解。(本文来源于《西安电子科技大学》期刊2012-01-01）
师先锋[4]（2010）在《基于孟德尔多目标简单遗传算法药物提取条件的优化分析》一文中研究指出医药学研究领域中存在大量的多目标优化问题,所以多目标优化是一个非常重要的研究领域。多目标设计中的同时优化,可能是相互竞争的,目标函数偏离于单一优化函数的原因在于它很少允许单个好的解决方法,而往往允许一组可选的解决方案。多目标优化技术的主要目标是找到Pareto集中的一个或多个可被接受的解决方案。传统方法常将多目标问题转化为一个或一系列的单目标优化问题来完成,目标规划法、乘除法、线性加权组合法和功效系数法的优化解,往往是在某一个目标上最优,而在另一个目标上可能是最差的,不能保证所有目标都存在最优解,且它们只能提供唯一解,这也是运筹学界一个有待攻关的问题。遗传算法是一种通过模拟自然进化过程搜索最优解的方法,它在解决复杂问题方面已取得了成功的应用,并受到了人们广泛关注。然而遗传算法的优化技术,在今后的发展中还有许多工作需要不断充实提高。因此以遗传研究,寻找求解实际问题的更加有效的算法是很有意义的。本课题在探讨孟德尔多目标简单遗传算法原理和方法的基础上,利用课题组成员英国Glasgow大学软件工程师陈益针对课题要求开发的Matlab外挂SGALAB工具箱,对程序进行可靠性测试,对MMOSGA进行效果评价,为MMOSGA的实际应用提供理论依据及可行的程序；利用微波萃取五味子和柴胡有效成分提取工艺实验数据,采用孟德尔多目标简单遗传算法确定最优提取条件,探索MMOSGA的实用价值；针对金莲花有效成分提取试验,利用孟德尔多目标简单遗传算法优化提取条件,从试验的角度验证MMOSGA的实用价值。本课题的研究内容和结果主要有：第一部分孟德尔多目标简单遗传算法效果评价与程序测试。对标准测试函数分别进行优化。结果显示：叁个测试函数在给出范围内,搜索的目标函数值与函数最优解空间有较好的近似度。提示：多目标优化结果达到了测试函数理论值水平,所用Matlab2009a外挂SGALAB工具箱beta5008程序是可行的；由于遗传算法的随机性,应用中可多运行几次,选择目标函数值最大作为最优解方案。第二部分孟德尔多目标简单遗传算法在微萃取五味子以及柴胡有效成分的提取工艺的应用研究,探索MMOSGA的实用价值。利用微波萃取五味子提取工艺的资料,研究浸膏得率(%)、五味子醇甲含量(%)、五味子总木脂素含量(%)叁个相互竞争的多目标优化,结果显示：MMOSGA优化后五味子醇甲、五味子总木脂素都达到了单目标最大目标函数值的95%以上,确定的最优提取条件的效果高于试验中任何一个方案。若以叁目标MMOSGA 15号方案看,50克五味子饮片粉碎77目,加入6.84倍的89.3%乙醇,在417W微波下萃取9分钟,浸膏得率20.07%、五味子醇甲4.95%、五味子总木脂素11.16%；在柴胡有效成分的提取工艺研究中,若以柴胡蒸馏液中挥发油的吸收度和柴胡皂苷a的含量进行MMOSGA两目标优化,两个目标都达到了单目标最大目标函数值的88%以上,可选择比较理想的第6号方案作为最优条件,即78℃浸渍,收集相当于药材2倍量蒸馏液,继用8倍量含5%氨水的95%乙醇提取1小时,挥发油的吸收度可以达到72.49%,柴胡皂苷a的含量可达到32.71%。第叁部分基于遗传算法的金莲花有效成分最优提取条件的试验研究,验证MMOSGA的实用价值。针对金莲花有效成分提取工艺的试验,研究出膏率(%)、总黄酮含量(%)两个相互竞争的多目标优化,结果显示：水提取金莲花工艺,MMOSGA算法搜索出的的出膏率、总黄酮含量都达到了单目标遗传算法最大目标函数值的95%以上,确定的最优提取条件的效果高于试验中任何一个方案,若以两目标孟德尔简单遗传算法2号方案看,用13.31倍水,浸泡0.60h,煎煮1.49h,煎煮2.72次,出膏率可达到41.79%,总黄酮含量可达到6.73%；醇提取金莲花工艺,MMOSGA算法搜索出的的出膏率、总黄酮含量都达到了单目标孟德尔简单遗传算法最大目标函数值的95%以上,确定的最优提取条件的效果高于试验中任何一个方案,若以两目标遗传算法8号方案看,用12倍61%的乙醇提取1.50h,提取3次,出膏率可达到40.72%,总黄酮含量可达到11.81%。综上所述,孟德尔多目标简单遗传算法进行多目标优化效果理想,程序可行,应用于解决实际问题时得到了理想的效果。(本文来源于《山西医科大学》期刊2010-03-15）
陈科,龚子彬,钟智攀[5]（2009）在《随机数发生器质量对简单遗传算法性能的影响》一文中研究指出伪随机数发生器(PRNG)对遗传算法(GA)性能的影响主要体现为低质量PRNG使得GA性能呈现不稳定性。提出平均海明距离方法来度量初始种群的多样性,建立理论模型分析短周期PRNG(一种典型低质量PRNG)周期、GA个体编码长度等因素对GA初始种群多样性的影响规律。仿真实验结果表明初始种群多样性对GA性能有显着影响;短周期PRNG通过影响初始种群多样性从而影响GA性能,且使得GA性能在不同条件下呈现出多种不稳定的变化状态。实验结果验证了理论模型的有效性。(本文来源于《系统仿真学报》期刊2009年23期）
尹鹏飞,张晓丹[6]（2009）在《一种基于简单遗传算法的K-Means改进算法》一文中研究指出针对k-means算法对初始值敏感、易陷入局部极小值等缺点,结合遗传算法的思想,提出了一种基于遗传算法和k-means算法的混合聚类方法,为了测试该聚类算法的性能,用k-means算法和改进的算法进行了1组实验,并对2种算法的聚类结果进行比较,实验结果表明算法能够有效地解决聚类问题.(本文来源于《吉首大学学报(自然科学版)》期刊2009年06期）
唐伟强,刘文志,聂世涛,王飞[7]（2009）在《遗传算法(GA)在直齿轮设计中简单应用》一文中研究指出遗传算法进行机械零件优化设计能准确、快速得出结论。利用matlab自带的强大的遗传算法功能,对典型的机械零件——直齿轮进行了优化设计。计算机模拟计算后结果较以往经验值有很大的改进,从而证明遗传算法在机械优化设计中具有很大的优越性。(本文来源于《科学技术与工程》期刊2009年12期）
刘科峰,张韧[8]（2009）在《基于简单海气耦合模型的遗传算法参数反演》一文中研究指出针对一个简单的海气耦合模式,采用遗传算法途径和系统优化思想,进行了模式结构和强迫项参数的反演拟合。试验结果表明:遗传算法和系统优化结合的方法,能够有效地优化模式参数和强迫项,进而修正模式的预报误差。同时,该方法在参数反演中与模型结构无关,计算过程不与模型发生耦合,且有计算量小、操作简便、反演效率高等优点,是改善模式参数和初值计算效率、提高预报准确率的一个可资借鉴的途径和方法。(本文来源于《第七次全国动力气象学术会议论文摘要》期刊2009-04-01）
张斌[9]（2008）在《参数对简单遗传算法性能的影响》一文中研究指出研究了遗传算法对优化结果的影响,并给出了参数对优化结果的曲线。说明N(种群大小)、(杂交率)、(变异率)对迭代次数及优化结果均有一定影响,从而为改进遗传算法的提出给予理论上的支持。(本文来源于《榆林学院学报》期刊2008年04期）
李国,阮晓青[10]（2006）在《关于简单遗传算法变异率的理论分析》一文中研究指出本文主要目的在于通过对状态方程解的研究,讨论简单遗传算法中变异率的取值对算法收敛性态的影响,所得结果蕴含着“当变异算子的作用率很小时,算法收敛于早熟集的概率几近于1”的结论。同时,我们对于算法收敛于早熟集的概率给出了一个下界估计。(本文来源于《工程数学学报》期刊2006年03期）
简单遗传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：
目的研究孟德尔多目标简单遗传算法(MMOSGA)在均匀试验设计的药物提取条件优化中的应用。方法对微波辅助萃取刺五加试验数据建立以浸膏得率、异秦皮啶含量、总皂苷含量为子目标的回归模型;利用课题组成员英国Glasgow大学软件工程师陈益编写的Matlab2009a外挂SGALAB工具箱beta5008进行遗传算法寻优,分别采用单目标遗传算法和MMOSGA对其进行单目标优化和叁目标优化,并比较优化结果。结果单目标遗传算法优化得到各子目标最大时的最优提取条件,MMOSGA进行叁目标优化时,在主要目标上达到了单目标最大函数值的71%以上,确定的最优提取条件的效果高于均匀试验中的任何一个方案。结论 MMOSGA搜索的Pareto非劣解是合理的,达到了较好的效果,为均匀试验设计最优条件选择提供了合理的方法,可推广到正交试验设计、析因试验设计的最优条件选择。
（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。
简单遗传算法论文参考文献
[1].于潇涵.基于简单遗传算法分布式电源的优化规划[J].电子制作.2015
[2].戴帅,师先锋,王婷,冯瑞梅,陈益.孟德尔多目标简单遗传算法在药物提取条件优化中的应用[J].中国卫生统计.2014
[3].阮航.简单遗传算法在FPGA中的应用研究[D].西安电子科技大学.2012
[4].师先锋.基于孟德尔多目标简单遗传算法药物提取条件的优化分析[D].山西医科大学.2010
[5].陈科,龚子彬,钟智攀.随机数发生器质量对简单遗传算法性能的影响[J].系统仿真学报.2009
[6].尹鹏飞,张晓丹.一种基于简单遗传算法的K-Means改进算法[J].吉首大学学报(自然科学版).2009
[7].唐伟强,刘文志,聂世涛,王飞.遗传算法(GA)在直齿轮设计中简单应用[J].科学技术与工程.2009
[8].刘科峰,张韧.基于简单海气耦合模型的遗传算法参数反演[C].第七次全国动力气象学术会议论文摘要.2009
[9].张斌.参数对简单遗传算法性能的影响[J].榆林学院学报.2008
[10].李国,阮晓青.关于简单遗传算法变异率的理论分析[J].工程数学学报.2006