导读:本文包含了混合多目标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,目标,车间,粒子,混合动力,流水,差分。
混合多目标遗传算法论文文献综述
王亚良,钱其晶,曹海涛,金寿松[1]（2018）在《基于动态差分元胞多目标遗传算法的混合作业车间布局改善与优化》一文中研究指出针对一类离散作业、流水作业和特殊作业等多种作业单元共存的混合制造模式,提出了作业车间布局改善问题。以物料搬运费用最小、单元移动费用最小、作业单元包络矩形面积最小及非物流关系最大为目标,明确布局约束条件,构建车间布局多目标优化模型。在差分元胞多目标遗传算法的基础上,设计并引入动态变异策略以改善算法的全局搜索能力,提出用于解决布局模型的动态差分元胞多目标遗传算法,通过实例计算与结果分析验证了模型及算法的有效性。(本文来源于《中国机械工程》期刊2018年14期）
王福才,周鲁苹[2]（2016）在《混合精英策略的元胞多目标遗传算法及其应用》一文中研究指出为了提高Pareto解集的收敛性,平衡多目标优化的全局搜索和局部寻优的能力,提出一种混合精英策略的元胞多目标遗传算法.该算法在分析元胞种群结构的特点基础上,融入一种混合精英策略,提高算法的收敛性能.为了更好的平衡算法的全局搜索和局部寻优的能力,加入一种差分进化交叉算子.通过与同类算法在21个基准函数上对比实验,结果表明,引入混合精英策略和差分进化策略能够提高算法的性能,与其他优秀算法进行比较的结果说明,新算法有更好的收敛性和多样性.工程实例求解结果表明了算法的工程可行性.(本文来源于《电子学报》期刊2016年03期）
宋健,杨蕴,吴剑锋,吴吉春[3]（2016）在《混合多目标遗传算法求解地下水污染修复管理模型》一文中研究指出为了提高多目标遗传算法Pareto解的局部最优性,本文将快速非支配遗传算法(NSGAII)与一种迭代式的局部搜索算法(Hill Climber with Step,HCS)相结合,开发了一种新的混合多目标遗传算法NSGAII-HCS.利用CONV1和ZDT6两个经典的多目标优化函数对NSGAII-HCS的性能进行测试,与传统的多目标算法NSGAII相比,CONV1得到的Pareto锋面与真实Pareto最优解锋面的平均距离由5.49减小到1.74,ZDT6则由0.16减小到0,表明NSGAII-HCS在保证解多样性的前提下,能使解接近或收敛到真实的Pareto最优解锋面.最后,将NSGAII-HCS与地下水流模拟软件MODFLOW和溶质运移模拟软件MT3DMS相耦合,并应用到一个理想的二维地下水污染修复管理模型中,结果分析表明该方法可为地下水污染治理提供多样的和收敛的Pareto管理策略,是一种稳定可靠的多目标优化方法.(本文来源于《环境科学学报》期刊2016年09期）
张志鹏,黄明[4]（2015）在《基于改进多目标遗传算法求解混合流水车间调度问题》一文中研究指出为解决混合流水车间调度问题(HFSP),基于多目标遗传算法和粒子群算法的优点,提出一种多目标混合算法。该算法引入一种扩展的基于工序的编码,将两种算法产生的最优解分别作为彼此的初始因子,增强了遗传算法的进化速度,有效避免了粒子群算法陷入局部最优,并实现了不同加工路线的生产车间的灵活性调度。最后通过实例的数值仿真验证了算法的有效性。(本文来源于《计算机应用与软件》期刊2015年10期）
张志鹏[5]（2014）在《基于多目标遗传粒子群混合算法求解混合流水车间调度问题研究》一文中研究指出随着全球性经济的飞速发展,制造产业面临着新的挑战,企业要想在激烈的竞争中立于不败之地,必须以最低的成本、最好的质量、最快的速度和最优的服务来响应市场。通过改善生产调度方案,可以有效地提高企业的生产效率,增强企业的市场竞争力,由此调度问题应运而生。车间调度问题就是要解决如何利用有限的资源在满足各种生产约束的前提下,确定工件和设备的加工顺序和时间,使性能指标最优。然而企业的实际生产调度过程中,一般不会单纯的只考虑一个目标,往往同时考虑多个目标,多目标优化问题就会普遍存在,因此多目标混合流水车间调度问题(Hybrid Flow-Shop Scheduling Problem, HFSP)的研究有重大意义。本文通过对遗传算法(Genetic Algorithm, GA)和粒子群算法(Particle Swarm Optimization, PSO)进行融合,提出了一种针对HFSP的多目标遗传粒子群混合算法。遗传算法具有较强的鲁棒性和群体寻优能力,但其存在过早收敛和后期搜索效率低的问题,粒子群具有计算简单和效率高的特点,但存在易早熟和陷入局部最优的缺点。在分别分析了遗传算法和粒子群算法优劣势的基础上,取长补短,利用遗传算法优秀的群体寻优能力,总体上把握进化的方向,根据粒子群算法计算简单、效率高的特点,首先进行多个粒子群的独立进化,快速地全面搜索出较优良的个体,各粒子群之间亦实行个体迁移,以扩大搜索领域,然后采集各粒子群的最优个体组成遗传算法的初始种群,进行遗传操作,随后用得到的优良个体代替种群中的较劣个体,如此循环,高效率地找到目标最优解。本文在详细分析了HFSP基础上,建立了一套完整的多目标遗传粒子群混合算法求解方案。本文实现了利用多目标遗传粒子群混合算法解决HFSP,首先根据企业生产中常见的优化目标建立了HFSP模型,在此基础上,利用HFSP中的经典实例进行测试,分析评估了算法的效率,并将该算法的结论与其他算法进行比较,结果表明,该算法有明显的优越性,可以有效地解决HFSP,具有良好的应用前景。(本文来源于《大连交通大学》期刊2014-06-30）
周泽华,谭敏[6]（2013）在《基于多目标遗传算法的混合动力车控制策略参数优化》一文中研究指出混合动力汽车的优化目标是在满足动力性及其各部件性能约束的前提下减少油耗并降低排放.这些特性除了与动力系统各部件参数有关,同时还受控制策略参数影响.本文以并联式混合动力车为研究对象,应用的多目标遗传算法,采用非占优排序方法来处理多个目标函数,将油耗和排放同时作为优化目标,优化控制策略参数,从而得到这类集成优化问题的Pareto最优解集,可以为控制策略参数的设定提供多种选择.(本文来源于《赤峰学院学报(自然科学版)》期刊2013年08期）
尹安东,赵韩,杨亚娟,冯瑞[7]（2013）在《多目标遗传算法的混合动力传动系参数优化》一文中研究指出对基于超级电容的混合动力客车(hybrid electric bus,HEB)进行了混合动力传动系多目标参数优化设计。通过CRUISE建立HEB整车仿真模型和传动系多目标参数优化模型,以等效燃油消耗量和加速时间为优化目标,同时运用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)和iSIGHT优化软件对HEB传动系参数进行多目标优化,并进行了HEB性能仿真分析。结果表明,与优化前相比,优化后的等效燃油消耗量降低了7.8%,连续换挡加速时间减少了6.5%。(本文来源于《中国机械工程》期刊2013年04期）
聂瑞,章卫国,李广文,刘小雄[8]（2012）在《基于Tent映射的自适应混沌混合多目标遗传算法》一文中研究指出提出一种Tent映射在计算机上实现的改进算法,有效解决了受计算机字长影响,Tent映射存在不动点和小周期的情况.将改进的Tent映射应用于混沌优化算法中,对基本NSGA-Ⅱ算法进行改进.使用混沌序列对初始种群赋值,提高算法收敛能力;使用改进的混沌搜索增强种群多样性;分别使用基本算法和改进算法对标准测试函数进行数值仿真.统计结果显示:改进的算法可以在保持高效率求解的同时,得到的非劣解在收敛性和多样性指标上均优于基本NSGA-Ⅱ算法.(本文来源于《北京航空航天大学学报》期刊2012年08期）
李焕勤,钱展[9]（2012）在《解决混合装配线平衡问题的多目标遗传算法研究》一文中研究指出混合装配线平衡问题是近期研究的热点,而工人的合理分配则是解决该类问题的关键.将解决混合模型装配线平衡问题扩展到基于工人分配的装配线平衡问题,包括任务的分配和工人的分配两个子问题.采用基于随机密钥的编码方法和先进的适应特定染色体结构和MALB-WA问题特点的遗传算子来解决该问题,最后通过数值实验验证该方法的性能.结果表明,该方法提高了解的质量,同时其收敛性优于其他现有的GA算法.(本文来源于《河南科学》期刊2012年06期）
金焕杰,许峰[10]（2011）在《基于聚类的混合多目标遗传算法在车辆路径问题中的应用》一文中研究指出建立了有时间窗口的车辆路径问题多目标优化模型,提出了一种基于聚类的混合多目标优化遗传算法。该算法采用并列选择方法,用擂台赛法则构造非支配集,并用聚类方法缩小非支配集,避免了求解非凸解的困难,提高了遗传算法搜索速度及避免了"早熟"等不足。实验结果表明,该算法为解决车辆数不确定的时间窗车辆路径问题提供了一个较为有效的求解方法。(本文来源于《软件导刊》期刊2011年06期）
混合多目标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：
为了提高Pareto解集的收敛性,平衡多目标优化的全局搜索和局部寻优的能力,提出一种混合精英策略的元胞多目标遗传算法.该算法在分析元胞种群结构的特点基础上,融入一种混合精英策略,提高算法的收敛性能.为了更好的平衡算法的全局搜索和局部寻优的能力,加入一种差分进化交叉算子.通过与同类算法在21个基准函数上对比实验,结果表明,引入混合精英策略和差分进化策略能够提高算法的性能,与其他优秀算法进行比较的结果说明,新算法有更好的收敛性和多样性.工程实例求解结果表明了算法的工程可行性.
（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。
混合多目标遗传算法论文参考文献
[1].王亚良,钱其晶,曹海涛,金寿松.基于动态差分元胞多目标遗传算法的混合作业车间布局改善与优化[J].中国机械工程.2018
[2].王福才,周鲁苹.混合精英策略的元胞多目标遗传算法及其应用[J].电子学报.2016
[3].宋健,杨蕴,吴剑锋,吴吉春.混合多目标遗传算法求解地下水污染修复管理模型[J].环境科学学报.2016
[4].张志鹏,黄明.基于改进多目标遗传算法求解混合流水车间调度问题[J].计算机应用与软件.2015
[5].张志鹏.基于多目标遗传粒子群混合算法求解混合流水车间调度问题研究[D].大连交通大学.2014
[6].周泽华,谭敏.基于多目标遗传算法的混合动力车控制策略参数优化[J].赤峰学院学报(自然科学版).2013
[7].尹安东,赵韩,杨亚娟,冯瑞.多目标遗传算法的混合动力传动系参数优化[J].中国机械工程.2013
[8].聂瑞,章卫国,李广文,刘小雄.基于Tent映射的自适应混沌混合多目标遗传算法[J].北京航空航天大学学报.2012
[9].李焕勤,钱展.解决混合装配线平衡问题的多目标遗传算法研究[J].河南科学.2012
[10].金焕杰,许峰.基于聚类的混合多目标遗传算法在车辆路径问题中的应用[J].软件导刊.2011
论文知识图
