导读:本文包含了变种群规模论文开题报告文献综述、选题提纲参考文献，主要关键词:种群,算法,规模,代价,永磁,相移,磁路。
变种群规模论文文献综述写法
王大志,时统宇,李硕,于林鑫[1]（2017）在《基于等效磁路的PMECD变种群规模遗传多目标优化设计》一文中研究指出基于等效磁路模型,提出了一种使用引入死亡和战争因素的变种群规模遗传算法进行永磁涡流驱动器的多目标优化设计的方法.首先建立磁场分析模型,推导关键参数的解析表达式.在此基础上,以永磁体厚度、极弧系数、铜盘厚度以及永磁体个数为变量,以输出转矩、转动惯量和驱动器体积为优化目标,提出了基于熵值权重的永磁驱动器多目标优化函数,然后应用引入死亡和战争因素的变种群规模遗传算法来优化结构尺寸.优化结果得到了实验以及有限元仿真的验证,并且与其他算法进行了比较.结果表明,相比其他优化算法,该基于解析模型的变种群规模遗传算法在结构参数优化设计中有很好的计算效果.(本文来源于《东北大学学报(自然科学版)》期刊2017年06期）
张俞[2]（2013）在《变种群规模遗传算法的研究》一文中研究指出结合人类进化过程中的人口数量变化规律,提出了一种种群规模随进化代数规律性变化的改进型遗传算法(VPGA),该算法只是使种群规模在收敛之前做梯形周期性变化,并不影响其他操作算子。实验与经典遗传算法比较,证明本文改进遗传算法更节省时间、降低能耗,能够以极小的代价得到更优的结果。(本文来源于《信息通信》期刊2013年01期）
罗晓明[3]（2011）在《求解VRP的变种群规模混合自适应遗传算法》一文中研究指出车辆路径问题是一个NP-hard问题。文章针对该问题设计了一种结合C-W节约启发式算法进行子路径优化的变种群规模混合自适应遗传算法。该混合遗传算法的种群规模随适应度值及进化代数的变化而变化;交叉概率及变异概率也随个体适应度值的不同而自适应地调整。其次,利用C-W节约启发式算法对子路径进行优化,有效地弥补遗传算法局部搜索能力较差的不足。对随机选择的10个基准测试实例的计算结果表明,该算法是求解车辆路径问题的有效方法。(本文来源于《统计与决策》期刊2011年22期）
孙晓燕,任洁,巩敦卫[4]（2011）在《基于半监督学习的变种群规模区间适应值交互式遗传算法》一文中研究指出为了减轻用户疲劳并增强算法的搜索性能,本文在变种群规模交互式遗传算法的基础上引入协同训练半监督学习方法,提出基于半监督学习的变种群规模区间适应值交互式遗传算法.根据对大规模种群的聚类结果,给出标记样本和未标记样本的获取方法;结合半监督协同学习器逼近误差的改变,提出高可信度未标记样本的选择策略;采用半监督协同学习机制训练两个径向基函数(RBF)神经网络,构造精度高泛化能力强的代理模型;在进化过程中,利用代理模型估计大种群规模进化个体适应值,并根据估计偏差更新代理模型.算法的理论分析及其在服装进化设计系统中的应用结果说明了算法的有效性.(本文来源于《控制理论与应用》期刊2011年05期）
汪洋,陈亮,汤欢[5]（2009）在《一种改进的变种群规模遗传算法》一文中研究指出针对标准遗传算法存在早收敛和进化后期搜索效率低下等缺点,在变种群规模遗传算法(GAVaPS)基础上,提出了一种改进的变种群规模遗传算法。一方面,修改了种群中个体"寿命"的计算方法,用个体寿命限制个体的生存期,实现对种群数的调控;另一方面,通过改进遗传算子,解决了遗传算子的无向性问题和早收敛现象,同时提高了算法的搜索效率。实验数据表明,该算法具有比标准遗传算法更好的性能。(本文来源于《电子测量技术》期刊2009年02期）
周鹏[6]（2006）在《基于代沟信息的可变种群规模遗传算法》一文中研究指出针对遗传算法种群规模难以估计的问题,提出了一种基于代沟信息的可变种群规模遗传算法。利用相邻几代群体间的极优解差异信息,在遗传算法发生早熟现象时根据逻辑斯蒂模型来改变种群规模,能以较小的计算代价获得与其它遗传算法性能相近的解。实验结果证明了算法的有效性。(本文来源于《湖北汽车工业学院学报》期刊2006年03期）
徐晓华,陈崚,陈宏建[7]（2006）在《可变种群规模的遗传算法》一文中研究指出通过模拟人类进化过程中人口数量的增长规律,提出了一种可变种群规模的遗传算法(VPGA)。VPGA不需要改变现有遗传算法的算子,仅仅通过对现有算法框架的重构,从而获得比现有遗传算法更优的解,而花费的计算代价更小。我们的实验结果表明使用离散逻辑斯蒂模型来控制种群规模的VPGA能够比其他从微观算子上改进的遗传算法更加高效省时。(本文来源于《系统仿真学报》期刊2006年04期）
仲兆满,冯伯虎[8]（2005）在《一种改进的变种群规模遗传算法》一文中研究指出传统的遗传算法在遗传操作的过程中,不管具体问题对种群规模的要求都事先指定,造成种群规模表现的不合理。针对这一问题,Arabas,J.等人提出了一种变种群规模遗传算法GAVaPS(Genetic Algorithms withVarying Population Size),旨在遗传操作的过程中自适应地调整种群的规模。黄乐等人提出了一种改进的变种群规模遗传算法VPSG-GM(Varying Population Size Genetic Combined with Gradient Search Method),它与GAVaPS方法在遗传操作上的不同之处是把评价目标函数的步骤置于重组种群时“淘汰”步骤之前,这样做减少了算法由于重组造成的不必要开销。文章提出的改进的变种群规模的遗传算法,在调整种群规模时通过增加补算算子,从而达到保持种群多样性的目的。这样做可以略去变异操作,减少了系统开销。实验证明了该算法的有效性。(本文来源于《连云港师范高等专科学校学报》期刊2005年04期）
孙晓燕,巩敦卫[9]（2004）在《变种群规模合作型协同进化遗传算法及其在优化中的应用》一文中研究指出分析合作型协同进化遗传算法的进化效率和计算复杂性等与子种群规模的关系;在此基础上提出子种群规模自适应调整算法的思想,给出子种群规模调整的依据和调整方法;进而提出基于实数编码的变焦遗传算法.典型函数优化实例验证了该算法具有计算复杂性小和进化效率高的优点.(本文来源于《控制与决策》期刊2004年12期）
黄乐,谢承桓,朱守正[10]（2002）在《用变种群规模混合遗传算法优化毫米波ME MS相移器》一文中研究指出作者将遗传算法应用于毫米波微电子机械系统 (MEMS)相移器的设计和优化 ,根据毫米波微机械系统的特点 ,讨论了遗传算法的一些改进 ,提出一种有效的具有变种群规模、并与爬山法相结合的混合遗传算法 (VPSG_GM )。通过变种群规模混合遗传算法的优化设计 ,一个拥有32个 30微米宽的跨桥、长 30 0微米 (总长为 10 .5 6毫米 )的MEMS相移器在 4 0GHz时可以达到 12 4°/dB的相移 ,在 6 0GHz时相移为 148°/dB。(本文来源于《华东师范大学学报(自然科学版)》期刊2002年02期）
变种群规模论文开题报告范文
（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：
结合人类进化过程中的人口数量变化规律,提出了一种种群规模随进化代数规律性变化的改进型遗传算法(VPGA),该算法只是使种群规模在收敛之前做梯形周期性变化,并不影响其他操作算子。实验与经典遗传算法比较,证明本文改进遗传算法更节省时间、降低能耗,能够以极小的代价得到更优的结果。
（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。
变种群规模论文参考文献
[1].王大志,时统宇,李硕,于林鑫.基于等效磁路的PMECD变种群规模遗传多目标优化设计[J].东北大学学报(自然科学版).2017
[2].张俞.变种群规模遗传算法的研究[J].信息通信.2013
[3].罗晓明.求解VRP的变种群规模混合自适应遗传算法[J].统计与决策.2011
[4].孙晓燕,任洁,巩敦卫.基于半监督学习的变种群规模区间适应值交互式遗传算法[J].控制理论与应用.2011
[5].汪洋,陈亮,汤欢.一种改进的变种群规模遗传算法[J].电子测量技术.2009
[6].周鹏.基于代沟信息的可变种群规模遗传算法[J].湖北汽车工业学院学报.2006
[7].徐晓华,陈崚,陈宏建.可变种群规模的遗传算法[J].系统仿真学报.2006
[8].仲兆满,冯伯虎.一种改进的变种群规模遗传算法[J].连云港师范高等专科学校学报.2005
[9].孙晓燕,巩敦卫.变种群规模合作型协同进化遗传算法及其在优化中的应用[J].控制与决策.2004
[10].黄乐,谢承桓,朱守正.用变种群规模混合遗传算法优化毫米波MEMS相移器[J].华东师范大学学报(自然科学版).2002