导读:本文包含了分层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,作业,目标,柔性,车间,邻域,斜拉桥。
分层遗传算法论文文献综述
田旻,刘人境[1](2017)在《分层混合遗传算法求解柔性作业车间调度问题》一文中研究指出针对柔性作业车间调度问题,以总拖期最短为目标,提出了一种分层混合遗传算法。其中,根据总拖期的大小,将种群划分为精英层和普通层,精英层包含全局最优的数个不同质个体,其余个体划分为普通层;针对遗传算法局部搜索不足的问题,对精英层提出了一种邻域搜索策略,使代表机器选择和工序顺序的染色体可以根据自身的不足进行调节;针对遗传算法多样性容易丢失的问题,对精英层提出了一种灾变策略,不仅保留了种群的进化优势而且可以向优秀的个体学习。最后通过一系列标准测试函数以及一个生产中的实际案例验证了该算法的有效性。(本文来源于《工业工程与管理》期刊2017年05期)
黄婧[2](2016)在《基于分层改进式遗传算法的微小颗粒检测系统标定方法》一文中研究指出为了保障产品的质量,许多生产现场都会对颗粒的粒度特征进行实时监测,以便能够在线调整、控制生产设备。在检测过程中,一般都要求粒度检测不能影响颗粒的生产过程,这就要求检测方案必须具有非接触性、准确性以及实时性等特点。尤其是在测量直径为1毫米以下的微小型颗粒粒度信息时,如何保证测量的精准性已成为本技术领域中的研究重点和难点。经实践表明,传统的测量方法,往往具有测量误差大,精度低,重复性差等缺陷。为此,本课题以提高微小型颗粒测量精度为研究目标,旨在设计一种基于分层改进式遗传算法的微小颗粒检测系统标定方法,该方法能够从多方面提高颗粒测量结果的精度,使整个系统更具鲁棒性。(本文来源于《电脑知识与技术》期刊2016年18期)
陈云超,李兴源,苗淼,张祥成,温生毅[3](2016)在《基于多精英协同进化单亲遗传算法的光伏电站功率汇集系统多目标分层优化》一文中研究指出针对大型光伏电站功率汇集外送拓扑设计问题,提出一种基于多精英协同进化单亲遗传算法(MCPGA)的多目标分层优化设计方法。首先深入阐述大型光伏电站功率汇集系统的构成,建立详细的数学优化模型。其次采用所提出的多精英协同进化单亲遗传算法进行拓扑结构优化设计,运用蒙特卡罗法进行可靠性分析。将经济性和可靠性指标作为汇集系统拓扑结构优化设计的评定指标。最后通过一算例仿真验证,所提方法是有效和实用的,算法收敛速度较快,从而为大型光伏电站汇集拓扑规划提供了有效的优化设计方法。(本文来源于《电力系统保护与控制》期刊2016年12期)
胡飞虎,田朝晖,赵沐华,韩鑫[4](2016)在《基于遗传算法的应急物资分层联动调度研究》一文中研究指出提出了在多物资、多车型特征的应急物资分层调度情况下求解调度系统中各运输工具具体调度方案的算法。该算法以系统调度任务完成时间最小为目标,基于遗传算法采用整体联动的求解思想。实际应用中的调度问题往往具有层次性,针对物资分层联动调度问题,给出了物资两层调度的算例,并建立了相应的数学模型。算例中第一层调度系统由一级仓库、二级仓库、一级运输工具和一级路网构成;第二层调度系统由灾害点、二级仓库、二级运输工具和二级路网构成。将两层调度系统视做整体,采用基于遗传算法的整体联动求解方法对算例进行求解得出结果,并对结果进行分析论证,验证算法的可行性与有效性。(本文来源于《计算机应用研究》期刊2016年02期)
李延强,张阳[5](2015)在《基于支持向量机与分层遗传算法的斜拉桥全结构损伤分步识别》一文中研究指出为了实现斜拉桥全结构的损伤识别,提出一种支持向量机与分层遗传算法相结合的分步识别方法。该方法首先按结构的材料特性将斜拉桥分为主梁、索塔、拉索叁类子结构,利用支持向量机的分类特性判定损伤的来源,确定损伤属于某一类子结构;然后,应用分层遗传算法对子结构中的单元进行损伤位置与损伤程度的识别。以实验室独塔斜拉桥模型作为研究对象进行数值仿真,结果表明:采用支持向量机方法能较准确的对主梁、索塔、拉索叁类子结构的损伤进行分类,确定损伤的来源;分层遗传算法能快速有效的完成斜拉桥某一子结构中损伤单元的定位与识别;两种算法结合的分步识别方法,实现了斜拉桥全结构的损伤识别,同时分步识别策略减少了支持向量机训练样本与遗传算法中初始种群的规模,提升了寻优效率。(本文来源于《地震工程与工程振动》期刊2015年06期)
邹攀,李蓓智,杨建国,施烁,梁越升[6](2015)在《基于分层蚁群遗传算法的多目标柔性作业车间调度方法》一文中研究指出针对离散制造柔性作业车间实际工况,提出了一种基于分层蚁群遗传算法的柔性作业车间资源驱动的多目标调度方法,其基本特征是:基于连续生产中不同调度周期剩余或空闲资源等调度相关实时信息;基于完工时间和机床负荷等多目标;采用分层蚁群-遗传混合算法进行决策,通过逐步筛选,获得优化解。该方法特别适用于车间资源变化、任务执行情况变化、急件任务必须插入等情况下的动态调度。应用标准案例并设计相关组合案例进行了测试,与MOGV混合算法相比,25%的案例计算结果优于MOGV算法,最大完工时间减少5%~7%,62.5%的案例计算结果等同MOGV算法。因此,该智能调度方法不仅可以有效地取得对指定优先目标的最佳优化效果,且可自动获得多目标综合的最优解,智能调度效果显着。(本文来源于《中国机械工程》期刊2015年21期)
胡飞虎,田朝晖,李威,韩鑫[7](2015)在《基于遗传算法的应急物资分层调度研究》一文中研究指出针对多车型、多物资特征的应急物资调度问题,设计分层调度方案,同时给出由两层物资调度系统组成的调度算例,并将该算例转化为2个相关的单层物资调度问题。以最小化系统调度任务完成时间为目标函数,利用遗传算法对一级和二级调度方案进行求解,得出系统中每种车型依次将何种货物从何地运往何处的具体方案。通过车辆各自运输任务的运货量计算和仓库点物资的实时统计结果表明,该分层调度方案符合各仓库出货量不超过现存量且各灾害点物资需求得到满足的供求条件,求解步骤简单且运行速度快。(本文来源于《计算机工程》期刊2015年10期)
戴宁,欧立松,黄仁凯,刘浩[8](2015)在《非支配排序遗传算法的叁维打印分层方向优化》一文中研究指出叁维打印技术中模型的分层方向是影响着模型表面精度、加工时间和加工成本的重要关键技术之一。减少加工时间和提高表面精度相互制约,当分层厚度较小时,模型表面精度提高,但降低了加工效率;当分层厚度增加,减少了加工时间,但模型表面精度下降。针对这一问题,提出了基于非支配排序遗传算法的模型分层优化方法。建立了表面精度和加工时间两个目标函数;设计了模型姿态方向的染色体模型和自适应拥挤度算子;通过选择、交叉和变异实现迭代求解。实验表明:该方法可以有效地解决叁维打印过程中模型分层方向优化问题。(本文来源于《系统仿真学报》期刊2015年10期)
崔庆磊[9](2015)在《基于多目标分层遗传算法的溢流粒度软测量》一文中研究指出磨矿过程的旋流器溢流粒度是判断磨矿分级作业生产状况及后续产品质量的重要指标。由于影响溢流粒度的因素很多且关系复杂,难以建立机理驱动粒度检测模型,因此,工业现场一般采用离线化验或在线检测的方法对溢流粒度进行检测。然而,离线化验方法满足不了实时性要求,在线检测方法因受噪声等因素影响测量精度不高。鉴于磨矿过程积累的大量历史数据,可以采用数据驱动软测量方法对溢流粒度进行估计,进而为磨矿过程的控制及决策提供参考信息。针对溢流粒度检测时存在的建模数据含噪声信号较高,辅助变量难以确定,对溢流粒度建立软测量模型既要求准确性又要求稳定性等问题,本文提出了一种基于多目标分层遗传算法的溢流粒度模糊建模方法,该方法将模糊模型分为四层:输入变量层、隶属度层、规则库层和系统集成层。输入变量层用于获取软测量模型的辅助变量,隶属度层用于获取隶属度函数类型及相关参数,对辅助变量进行模糊划分,规则库层用于确定模型的所有规则,系统集成层将前叁层关联起来,代表一个完整的软测量模型。为达到各层共同进化的目的,本文设计了遗传算法各层编码策略,并构建了以平均绝对百分误差(Mean Absolute Percentage Error, MAPE)和均方根误差(Root Mean Square Error, RMSE)为标准的适应度函数来计算遗传算法每一层个体的适应度值。鉴于模糊模型训练过程中可能出现异常解,本文将L-M贝叶斯正则化方法融入训练过程。为验证本文方法的有效性,分别选取标准数据集和我国某选矿厂实际生产数据进行实验,并与已有多种方法进行对比实验,实验结果表明本文方法对含噪声磨矿数据进行软测量建模具有较好的准确性和稳定性。基于本文方法所实现的软件系统在实际应用中效果显着。(本文来源于《大连理工大学》期刊2015-05-01)
刘树荣[10](2015)在《基于分层遗传算法的测试数据自动生成方法研究》一文中研究指出随着软件项目规模的不断扩大和软件技术的不断发展,软件测试在软件开发的前期和后期具有越来越重要的作用。在软件测试中,测试数据选择是否合适直接影响软件的缺陷能否按预期被测出,因此测试数据选择具有重要作用。基于遗传算法的测试数据生成一直被人们广泛研究,但遗传算法具有收敛速度慢和局部收敛等问题。本文研究分析了基本遗传算法在测试数据自动化生成中的应用,针对基本遗传算法在测试数据自动生成的收敛速度慢和局部收敛的缺点,提出了一种基于分层遗传算法的测试数据自动生成方法。本方法利用分层遗传算法来生成测试数据,分层遗传算法是对基本遗传算法的改进,它通过对初始种群分层来避免基本遗传算法“近亲繁殖”现象。同时,本文提出的基于分层遗传算法的测试数据自动生成方法利用基于哈夫曼编码的适应度函数设计,使得生成测试数据的效率极大提高。本方法能有效的解决基本遗传算法生成测试数据的收敛速度慢和局部收敛的问题,优化测试数据的自动化生成。在提出基于分层遗传算法的测试数据自动生成方法后,本文搭建基于分层遗传算法的测试工具模型,该测试工具模型包括路径分析器、谓词插装器、基于分层遗传算法的测试数据生成器叁部分。在提出基于分层遗传算法的自动化测试数据生成工具模型后,本文对工具模型进行了开发实现。工具开发实现后,本文通过基本程序(叁角形分类和最大值最小值)和基于Selenium的自动化测试项目进行了实验验证和结果分析。同时对工具的参数设置对工具性能影响进行了实验验证和结果分析。实验结果表明,分层遗传算法生成最优测试数据的速度和质量相比基本遗传算法都有很大程度的提高,更加适合测试数据的自动化生成。(本文来源于《北京理工大学》期刊2015-01-01)
分层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:
为了保障产品的质量,许多生产现场都会对颗粒的粒度特征进行实时监测,以便能够在线调整、控制生产设备。在检测过程中,一般都要求粒度检测不能影响颗粒的生产过程,这就要求检测方案必须具有非接触性、准确性以及实时性等特点。尤其是在测量直径为1毫米以下的微小型颗粒粒度信息时,如何保证测量的精准性已成为本技术领域中的研究重点和难点。经实践表明,传统的测量方法,往往具有测量误差大,精度低,重复性差等缺陷。为此,本课题以提高微小型颗粒测量精度为研究目标,旨在设计一种基于分层改进式遗传算法的微小颗粒检测系统标定方法,该方法能够从多方面提高颗粒测量结果的精度,使整个系统更具鲁棒性。
(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。
分层遗传算法论文参考文献
[1].田旻,刘人境.分层混合遗传算法求解柔性作业车间调度问题[J].工业工程与管理.2017
[2].黄婧.基于分层改进式遗传算法的微小颗粒检测系统标定方法[J].电脑知识与技术.2016
[3].陈云超,李兴源,苗淼,张祥成,温生毅.基于多精英协同进化单亲遗传算法的光伏电站功率汇集系统多目标分层优化[J].电力系统保护与控制.2016
[4].胡飞虎,田朝晖,赵沐华,韩鑫.基于遗传算法的应急物资分层联动调度研究[J].计算机应用研究.2016
[5].李延强,张阳.基于支持向量机与分层遗传算法的斜拉桥全结构损伤分步识别[J].地震工程与工程振动.2015
[6].邹攀,李蓓智,杨建国,施烁,梁越升.基于分层蚁群遗传算法的多目标柔性作业车间调度方法[J].中国机械工程.2015
[7].胡飞虎,田朝晖,李威,韩鑫.基于遗传算法的应急物资分层调度研究[J].计算机工程.2015
[8].戴宁,欧立松,黄仁凯,刘浩.非支配排序遗传算法的叁维打印分层方向优化[J].系统仿真学报.2015
[9].崔庆磊.基于多目标分层遗传算法的溢流粒度软测量[D].大连理工大学.2015
[10].刘树荣.基于分层遗传算法的测试数据自动生成方法研究[D].北京理工大学.2015