导读:本文包含了组群遗传算法论文开题报告文献综述及选题提纲参考文献，主要关键词:舵机,液压系统,系统辨识,蚁群算法
组群遗传算法论文文献综述
杨英,赵彬,杨立,崔晓[1]（2019）在《基于蚁群遗传算法的舵机系统辨识（英文）》一文中研究指出舵机作为船用重要部件,是保证船舶航行和操控的关键。目前液压舵机在大型船舶上被广泛使用,大型液压舵机在应用是面临着参数非线性,负载变化等问题,因此,在设计过程中需要对其进行系统参数辨识,以精准设计其控制器。为实现高效设计控制器,应用蚁群算法对其进行系统参数辨识,首先根据数学模型推导舵机的动态方程,然后对一组信号的输出和系统响应进行辨识,根据辨识的结果对控制模型进行修正。为大型液压舵机的设计和系统参数辨识奠定了理论基础。(本文来源于《机床与液压》期刊2019年18期）
徐哲,蒋进,郑祥明[2]（2019）在《基于多种群遗传算法的无人机集群并行任务分配》一文中研究指出随着无人机技术的发展,无人机的应用环境越来越复杂,促进了无人机从单平台向多平台的集群化发展~([1])。无人机集群相对于单个无人机,具有更好的鲁棒性、适应性,尤其适用于低成本的微型飞行器。其控制方式主要分为集中式控制和分布式控制,集中式控制过度依赖通信、计(本文来源于《江苏航空》期刊2019年03期）
何伟[3]（2019）在《基于耗油模型和多种群遗传算法的空中加油问题的研究》一文中研究指出为了成功、快速、安全的救援被困在太平洋小岛上的居民,建立耗油模型,将耗油量与飞行路程和重量相结合,结合实际问题建立目标函数,考虑每个节点的约束条件,运用多种群遗传算法,通过MATLAB仿真计算得出最优的空中加油计划,第一次加油在距基地195海里处,加油机给救援机提供80kg的燃油,第二次加油在距基地45海里处,加油机给救援机提供50kg的燃油,且由于时间合理,节约资源,只需使用到一台加油。建立风险评估模型和故障树相结合,得出最优的解决方案。(本文来源于《电子世界》期刊2019年13期）
陆庆伟[4]（2019）在《一种改进的多种群遗传算法在车间布局的应用》一文中研究指出针对基本遗传算法中存在早熟的问题,本文设计出一种新的多种群遗传算法选择与协作方式,合理设计出种群内与种群间的协作关系,采用一种新的选择、交叉与变异方式。实验证明,本算法能够有效地解决早熟问题,而且能够达到快速的收敛。与基本遗传算法相比较,在应用车间设施布局问题方面不但能够快速地收敛,而且减少了物流成本费用。(本文来源于《价值工程》期刊2019年17期）
李丰旭,杜宁,王莉,裴书玉,钟阳[5]（2019）在《基于改进多种群遗传算法的尾矿坝形变预测》一文中研究指出针对遗传神经网络(GA-BP)建立的尾矿坝形变预测模型易出现早熟现象、预测结果不稳定、容易陷入局部最优值的不足,引入一种具有混沌局部搜索的多种群自适应遗传算法。该算法以双种群寻优为基础,改进了遗传参数的计算方式,分别以种群进化中染色体适应度值的集中程度和空间距离的分布作为自适应交叉率、变异率的计算依据应用于不同种群中,提高了种群的多样性和遗传算法全局搜索的能力;同时引入混沌局部搜索技术(CLS),完善了遗传算法局部搜索能力的不足。采用改进的遗传神经网络模型对贵州省白岩尾矿坝叁维变形数据进行预测,并与传统的GA-BP和AGA-BP模型预测结果进行比较。结果表明:改进后的模型预测精度更高,结果更加稳定,具有良好的预测效果。(本文来源于《工业安全与环保》期刊2019年06期）
吴新锋,段然,周虎,许琦[6]（2019）在《基于改进二进制粒子群遗传算法的测试优选》一文中研究指出提出一种用于求解最优完备测试集的改进二进制粒子群遗传算法的优化方法,基于故障-测试相关性矩阵建立测试选择的优化模型,以遗传算法为基本框架,用二进制粒子群的进化代替遗传选择的代间复制,遗传交叉前加入有效性判断,并且提出"基因系数"的概念来定量衡量基因的多样性,动态调节变异概率,在维持个体多样性的条件下提高搜索效率。大量实例实验表明:该方法能以较大概率收敛于全局最优解,验证了该方法能有效地解决测试优选问题。(本文来源于《兵器装备工程学报》期刊2019年05期）
毛登辉,陈万米,贺永祥[7]（2019）在《多种群遗传算法在服务机器人仿真中的应用》一文中研究指出服务机器人仿真主要研究基于真实场景中服务机器人在完成多个任务时的最优行动路径和行动序列规划。多种群遗传算法在标准遗传算法基础上将遗传算法拆分在多个子种群间并行进行,通过子种群之间的信息交换以增加种群中个体的多样性,从而避免传统遗传算法早熟收敛、局部搜索能力差等问题的发生。将多种群遗传算法与服务机器人仿真系统相结合研究家服务机器人的行动路径规划。(本文来源于《工业控制计算机》期刊2019年05期）
刘彬,张春燃,孙超,顾昕峰,刘浩然[8]（2019）在《多种群遗传算法在篦冷机二次风温预测中的应用》一文中研究指出针对GA遗传算法种群多样性差、局部寻优能力差等问题,提出了多种群遗传算法(MGA)。该算法利用间断平衡理论,构建多种群、多交叉算子操作方式并结合局部搜索方法和种群动态调整策略,提高算法的局部寻优能力和寻优速度。通过与GA和ISGA算法相比,MGA运行时间短,搜索性能强。利用MGA优化MKLSSVM参数,建立基于MGA-MKLSSVM的水泥篦冷机二次风温预测模型。结果表明,此模型辨识精度高、泛化能力强。(本文来源于《计量学报》期刊2019年02期）
蒲伦,唐诗华,刘银涛,黄昶程,唐宏[9]（2019）在《利用蚁群遗传算法改进高程异常拟合模型》一文中研究指出针对多面函数在拟合高程异常中难以选取中心节点及光滑因子的问题,该文提出了蚁群-遗传算法改进高程异常拟合模型的方法。为拟合模型构建提供可靠的参数,使选择的中心节点更加合理,加入蚁群算法能够快速获取地形复杂区域的特征点。光滑因子是多面函数拟合法的重要参数,参数值影响了拟合模型精度的高低。采用了遗传算法优化光滑因子,将光滑因子作为种群的染色体进行遗传运算,求得了拟合模型的光滑因子最优值为0.452。利用蚁群-遗传算法改进后的多面函数构建的拟合模型精度为8.6mm,比传统多面函数法拟合结果精度提高了48%。实验研究表明,蚁群-遗传算法改进的多面函数在很大程度上提高了拟合模型的精度,充分验证了改进方法有效可行,为特殊地形的高程拟合提供了重要的参考依据。(本文来源于《测绘科学》期刊2019年07期）
胡林静,刘凯,杨明文[10]（2019）在《基于粒子群遗传算法的光伏MPPT控制研究》一文中研究指出局部阴影条件下,光伏阵列的功率输出呈现多峰特性,传统的MPPT跟踪算法容易陷入局部极值点,无法准确地跟踪到最大功率点。粒子群优化算法可以有效解决多峰寻优问题,但是普通粒子群算法容易出现收敛速度慢、早熟现象。提出一种改进的粒子群遗传(IPSO-GA)算法,该算法的惯性权重与学习因子随着迭代次数不断发生变化,可以同时兼顾算法的局部搜索与全局寻优能力,并且引进遗传算法的交叉、变异操作以增加种群多样性。仿真结果表明,改进算法在多峰最大功率跟踪过程中,具有良好的跟踪速度与寻优精度。(本文来源于《电测与仪表》期刊2019年14期）
组群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：
随着无人机技术的发展,无人机的应用环境越来越复杂,促进了无人机从单平台向多平台的集群化发展~([1])。无人机集群相对于单个无人机,具有更好的鲁棒性、适应性,尤其适用于低成本的微型飞行器。其控制方式主要分为集中式控制和分布式控制,集中式控制过度依赖通信、计
（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。
组群遗传算法论文参考文献
[1].杨英,赵彬,杨立,崔晓.基于蚁群遗传算法的舵机系统辨识（英文）[J].机床与液压.2019
[2].徐哲,蒋进,郑祥明.基于多种群遗传算法的无人机集群并行任务分配[J].江苏航空.2019
[3].何伟.基于耗油模型和多种群遗传算法的空中加油问题的研究[J].电子世界.2019
[4].陆庆伟.一种改进的多种群遗传算法在车间布局的应用[J].价值工程.2019
[5].李丰旭,杜宁,王莉,裴书玉,钟阳.基于改进多种群遗传算法的尾矿坝形变预测[J].工业安全与环保.2019
[6].吴新锋,段然,周虎,许琦.基于改进二进制粒子群遗传算法的测试优选[J].兵器装备工程学报.2019
[7].毛登辉,陈万米,贺永祥.多种群遗传算法在服务机器人仿真中的应用[J].工业控制计算机.2019
[8].刘彬,张春燃,孙超,顾昕峰,刘浩然.多种群遗传算法在篦冷机二次风温预测中的应用[J].计量学报.2019
[9].蒲伦,唐诗华,刘银涛,黄昶程,唐宏.利用蚁群遗传算法改进高程异常拟合模型[J].测绘科学.2019
[10].胡林静,刘凯,杨明文.基于粒子群遗传算法的光伏MPPT控制研究[J].电测与仪表.2019