导读:本文包含了二进制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,粒子,测试,矩阵,路径,支路,相关性。
二进制遗传算法论文文献综述写法
吴新锋,段然,周虎,许琦[1]（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）
薛文奎[2]（2019）在《遗传算法在农业移动机器人路径规划中的应用——基于矩阵二进制编码》一文中研究指出基于生成编码、适应度函数、交叉和变异等4个方面,提出和实现了一种在农业移动机器人导航和路径规划中使用的矩阵二进制编码的新变种遗传算法。结合对农业移动机器人路径规划问题模型的分析,基于矩阵二进制编码的遗传算法,进行了农业移动机器人路径规划的MatLab仿真分析。实验结果表明:农业移动机器人在存在复杂障碍物的情况下能够实现路径规划与导航,且所求路径是该条件下机器人穿过障碍物耗时最少、运动代价最小的路线。(本文来源于《农机化研究》期刊2019年12期）
林凤德,陈佳品,丁凯,李振波[3]（2019）在《基于遗传算法和二进制蚁群算法的DV-Hop定位算法的优化》一文中研究指出无线传感器网络(WSN)是一种由节点组成的无线自组织网络,在很多领域中有广泛的使用。节点定位是无线传感器网络中最重要的部分,使用无测距定位算法中传统的DV-Hop算法来定位误差较大。为了提高DV-Hop算法的精确度,提出了一种基于遗传算法和二进制蚁群算法来改进DVHop定位算法。遗传算法中利用了线性交叉和非均匀变异算子在种群中进行搜索,在此基础上,采用二进制蚁群算法进行进一步的搜索,而后比较适应度函数来保留较优的个体,从而产生了新一代种群。二进制蚁群算法中使得每只蚂蚁的智能化比较低,每条路径对应的存储空间相对较小,显着提高了计算效率。仿真的结果表明,提出的算法比传统的DV-Hop算法、基于遗传算法的DV-Hop算法有更快的收敛速度和更高的定位精度。(本文来源于《仪表技术与传感器》期刊2019年01期）
秦玉峰,史贤俊,郭家豪[4]（2018）在《基于混合离散二进制粒子群-遗传算法的测试配置方法研究》一文中研究指出针对目前测试性建模工作中尚无具体方法指导测试配置这一问题,通过对系统内故障传播关系进行分析,提出了一种混合离散二进制粒子群-遗传算法用于求解测试配置的最优方案,使系统的测试性模型在满足规定测试性指标下使用的测试数量最少;将系统测试配置方案进行二进制粒子编码,并在粒子群算法中引入遗传算子,使混合算法具有较快的搜索速度的同时避免陷入局部最优;最后通过实例计算与仿真,证明所提出算法计算结果正确且对于指导复杂系统测试性建模工作具有实际应用价值。(本文来源于《计算机测量与控制》期刊2018年12期）
焦龙龙,罗森林,刘望桐,潘丽敏,张笈[5]（2018）在《基于遗传算法的二进制程序模糊测试方法》一文中研究指出针对当前二进制程序模糊测试中基于变异生成的测试数据的执行路径重复率高导致代码覆盖率低的问题,提出基于遗传算法的二进制程序模糊测试方法.该方法将测试数据转换为遗传算法中的个体,利用Quick Emulator对二进制程序进行插桩以获取程序执行路径,使用基于程序执行路径的适应度函数指导遗传算法中的进化过程,使生成的测试数据能够覆盖更多的程序执行路径.实验结果表明,该方法在相同时间内达到的代码覆盖率平均比模糊测试工具American Fuzzy Lop(AFL)高25.4%.同时,该方法在漏洞挖掘实验中发现了测试程序中的所有崩溃漏洞并且其效率至少比AFL提高10%.该方法能够用于提高模糊测试的漏洞挖掘效率.(本文来源于《浙江大学学报(工学版)》期刊2018年05期）
李世文,张红梅,张向利,班文娇[6]（2016）在《基于二进制粒子群与遗传算法的数据分配研究》一文中研究指出针对目前分布式数据库数据分配方法法存在寻求最优分配方案和运行效率等问题的不足,在基于改进的遗传算法的数据分配方法基础上,引入二进制粒子群算法,提出了一种基于二进制粒子群与遗传算法的数据分配方法,既具有二进制粒子群算法的运行速度快、记忆功能好等特点,又具有遗传算法的全局搜索能力、变异能力等特点。该分配方法能够提高搜索效率,并且快速有效地获得全局最优解。实验结果表明,所提出的数据分配方法在搜索全局最优解方面优于基于遗传算法的分配方法,在搜索速度方面比枚举法的分配方法和基于遗传算法的分配方法更快。(本文来源于《电子技术应用》期刊2016年07期）
朱会霞,郝志云,王福林[7]（2016）在《二进制遗传算法编码长度的计算方法》一文中研究指出针对现有文献二进制遗传算法编码长度选取存在的问题,研究了二进制遗传算法编码长度确定的基本原理和具体实现过程,给出了二进制遗传算法编码长度的计算公式,使二进制遗传算法编码长度以公式的形式表述出来,方便计算机编程实现。该公式可以根据决策变量的求解精度和区间长度准确确定所需的最小编码长度,避免了因为编码长度过大,搜索空间呈指数增加而造成效率低的问题,也避免了因为编码长度太短而造成的离散误差问题,提高了二进制遗传算法的优化效率。(本文来源于《辽宁工业大学学报(自然科学版)》期刊2016年02期）
吴炳胜,张子波,王子龙[8]（2015）在《基于二进制编码遗传算法的PID控制在抑制轧机振动中的研究》一文中研究指出本文针对邯郸钢铁公司CSP线轧机的振动问题,从轧机调速控制系统入手,对轧机同步电机的速度控制进行了改进,在传统PID控制基础上运用遗传算法进行基于二进制编码的PID参数整定;应用盲源分离方法对基于常规PID控制和基于二进制编码遗传算法的PID参数整定的电机振动信号进行了分离和功率谱分析,对两种控制器的性能进行了比较,并验证了基于二进制编码遗传算法的PID参数整定后电机的稳定性。(本文来源于《轧钢》期刊2015年02期）
胡文斌,韩璞,孙明[9]（2015）在《二进制编码遗传算法中的控制参数选取方法》一文中研究指出遗传算法是一种模拟自然进化而提出的简单高效的优化组合方法,在火电厂热工系统的PID控制器参数优化问题中得以广泛应用,但是影响遗传算法性能的一些控制参数,没有确切的选择方法。文中以主汽温串级控制系统为仿真算例,在给定的目标函数和罚函数基础上,并通过大量的仿真,给出了诸如种群整体规模、尺度变换系数、交叉概率、变异概率、编码长度及其寻优变量区间等的选择方法,为遗传算法在实际工程的PID参数优化提供了有效依据。(本文来源于《计算机仿真》期刊2015年03期）
刘渝根,谢丽娜,尚龙龙,谢宇亮,吴海涛[10]（2015）在《基于二进制遗传算法的地网断裂导体诊断》一文中研究指出为了研究地网中腐蚀支路对断裂导体诊断结果的影响程度,笔者基于二进制遗传算法编制了MATLAB地网导体断裂诊断程序。以重庆110 k V上桥变电站实际地网为例进行了8组仿真实验,对比分析了各组实验中不同腐蚀情况下的诊断结果和各节点电位的变化,计算了不同导体断裂情况下适应度函数fitness值。利用支路灵敏度法分析了腐蚀支路存在对诊断结果的影响。结果表明:当地网未发生腐蚀或者发生轻微腐蚀时,诊断结果能准确找出断裂导体支路;当地网发生轻度、中度乃至严重腐蚀时,诊断结果中无漏诊、但会出现误诊的断裂导体支路。出现误诊的原因在于腐蚀支路位于不动点测量法中的不动点附近,通过剔除22节点的测量数据,4组仿真均能得到准确结果。(本文来源于《高压电器》期刊2015年01期）
二进制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：
基于生成编码、适应度函数、交叉和变异等4个方面,提出和实现了一种在农业移动机器人导航和路径规划中使用的矩阵二进制编码的新变种遗传算法。结合对农业移动机器人路径规划问题模型的分析,基于矩阵二进制编码的遗传算法,进行了农业移动机器人路径规划的MatLab仿真分析。实验结果表明:农业移动机器人在存在复杂障碍物的情况下能够实现路径规划与导航,且所求路径是该条件下机器人穿过障碍物耗时最少、运动代价最小的路线。
（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。
二进制遗传算法论文参考文献
[1].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
[2].薛文奎.遗传算法在农业移动机器人路径规划中的应用——基于矩阵二进制编码[J].农机化研究.2019
[3].林凤德,陈佳品,丁凯,李振波.基于遗传算法和二进制蚁群算法的DV-Hop定位算法的优化[J].仪表技术与传感器.2019
[4].秦玉峰,史贤俊,郭家豪.基于混合离散二进制粒子群-遗传算法的测试配置方法研究[J].计算机测量与控制.2018
[5].焦龙龙,罗森林,刘望桐,潘丽敏,张笈.基于遗传算法的二进制程序模糊测试方法[J].浙江大学学报(工学版).2018
[6].李世文,张红梅,张向利,班文娇.基于二进制粒子群与遗传算法的数据分配研究[J].电子技术应用.2016
[7].朱会霞,郝志云,王福林.二进制遗传算法编码长度的计算方法[J].辽宁工业大学学报(自然科学版).2016
[8].吴炳胜,张子波,王子龙.基于二进制编码遗传算法的PID控制在抑制轧机振动中的研究[J].轧钢.2015
[9].胡文斌,韩璞,孙明.二进制编码遗传算法中的控制参数选取方法[J].计算机仿真.2015
[10].刘渝根,谢丽娜,尚龙龙,谢宇亮,吴海涛.基于二进制遗传算法的地网断裂导体诊断[J].高压电器.2015