导读:本文包含了遗传变异算子论文开题报告文献综述及选题提纲参考文献，主要关键词:遗传算法,变异算子,二进制
遗传变异算子论文文献综述
王春阳,赵玉庆,谢金兴,苏本堂[1]（2019）在《遗传算法变异算子的改进》一文中研究指出为了提高遗传算法的全局寻优能力,本文提出变异算子的一种新的构造机制。在种群进化的初始阶段,使变异点发生在二进制染色体的高位区,以保证种群的多样性;在进化的中期阶段,使变异点发生在染色体的中位区,以保持种群持续大范围寻优;在收敛阶段,使变异点发生在染色体的低位区,以提高最优个体的精度。数值试验表明,在不增加算法整体计算量的前提下,这样构造的变异算子,对避免遗传算法出现早熟具有明显的积极作用。(本文来源于《山东农业大学学报(自然科学版)》期刊2019年05期）
贺永兴,杨瑞,唐伟,欧新良[2]（2015）在《基于重构变异算子遗传算法的研究》一文中研究指出针对遗传算法存在早熟和局部搜索能力差的缺点,提出重构变异算子遗传算法(Reconstruction Mutation Operator Genetic Algorithm,RMOGA)。该算法由速成算子和自适应算子组成。首先,通过速成算子来平衡变异算子和交叉算子在遗传算法中的地位,以此来改善遗传算法中的早熟现象;其次,采用自适应算子来保留遗传过程中适应度大的个体,从而增强局部搜索能力;最后,引入"路由判断"的方法来加快算法的收敛速度。实验过程使用MATLAB 7.0仿真软件,选取四组典型的测试函数,采用基本遗传算法(Simple Genetic Algorithms,SGA)、双变异率遗传算法(Double Mutation Genetic Algorithm,DMGA)以及文中提出的基于重构变异算子遗传算法(RMOGA),分别对测试函数在收敛精度上进行对比。结果表明,RMOGA算法能很好地解决遗传算法早熟与陷入局部最优解的问题。(本文来源于《计算机技术与发展》期刊2015年12期）
唐伟[3]（2014）在《基于重构变异算子遗传算法的文本信息过滤研究》一文中研究指出随着互联网技术的飞速发展，网络信息呈现出几何倍增的趋势。海量信息在给人们生活带来便利的同时，也导致了一系列问题：如数据的检索和查找变得更复杂；垃圾短信、不良信息的识别、过滤以及屏蔽变得更难实现等。信息过滤（Information Filtering，IF)技术在面对复杂的网络环境中应运而生。通过对网页中无关、不良信息的过滤，使用户能更快速、准确的得到所需信息，从而提高信息搜索的效率和准确率。本文在提出纯度基尼指数的基础上，对文本预处理算法进行研究，并提出了重构变异算子遗传算法。结合纯度基尼指数在文本信息预处理中的应用，将重构变异算子遗传算法应用于文本信息过滤，提高了文本信息过滤中用户类别模板的过滤精度。取得的主要成果有：1．提出了基于纯度原理基尼指数的文本特征选择方法文本信息预处理是文本信息过滤前期的准备工作，文本的特征选择是信息预处理的关键，特征选择的目的是选出最能代表文档特征的特征词作为特征空间维数。本文针对于传统基尼指数在文本信息预处理上的缺点进行了改进，并将其应用于文本的特征选择中，降低了原始文本的空间维数、减小了时间复杂度，提高了分类器的分类精度。2．基于重构变异算子遗传算法的提出并应用于文本信息过滤重构变异算子遗传算法用来平衡交叉算子与变异算子的地位，进而优化用户模板。对四个类别进行过滤精度对比实验，结果表明：基于重构变异算子遗传算法能更好地应用于文本信息过滤。最后设计并实现了基于重构变异算子遗传算法的互联网文本信息过滤系统，它能准确、快速地在海量信息中找到所需信息，提高互联网文本信息过滤的精度和效率。(本文来源于《湖南工业大学》期刊2014-05-28）
陶杨,韩维,陶春明,胡倩影[4]（2014）在《一种基于免疫变异算子的改进型量子遗传算法》一文中研究指出基于量子遗传算法进化方向随机性大、易早熟等缺点提出了一种改进的量子遗传算法.该方法采用了自适应染色体长度和旋转角度,提高了优化效率;引入了免疫算子,淘汰繁殖率低的个体,并通过操作染色体编码实现量子变异,以增强种群中基因多样性,避免算法陷入局部最优.对若干基准测试函数进行实验,结果表明相对于标准量子遗传算法,该算法在收敛速度、精度、稳定性以及克服早熟能力方面都有了显着的提高.(本文来源于《安徽师范大学学报(自然科学版)》期刊2014年03期）
欧阳柏成[5]（2014）在《变异遗传散布控制执行算子的数据库分类查询》一文中研究指出为提高数据查询的寻优能力和查询准确度,对数据库查询进行优化改进。提出一种新型的变异遗传散布控制执行算子数据库分类查询算法。设计遗传散布执行算子,实现对遗传算法数据库查询中的迭代控制,通过定义数据库查询散布值,通过对数据文本的最佳特征提取,通过散布分类查询系数的控制遗传迭代循环,对遗传算法的变异处理,实现最优数据信息相关匹配,可以很好地指导数据查询结果,实现数据库查询的准确性和有效性。仿真实验表明,新算法可以提高半连接下分布式数据库查询的效率,特征呈现高聚敛性匹配,数据查询特征相关匹配度达到97.3%,比传统算法提高了25.6%,寻优时间较传统算法大幅缩短。算法有效提高了数据库查询准确率和效率,具有较强的应用价值。(本文来源于《科技通报》期刊2014年04期）
谢燕丽,许青林,姜文超[6]（2014）在《一种基于交叉和变异算子改进的遗传算法研究》一文中研究指出文中针对函数优化方面遗传算法(GA)存在的"早熟"与收敛速度慢的问题,设计了一种基于交叉和变异算子改进的遗传算法。通过研究分析GA,根据交叉算子和变异算子的特点,在现有的GA基础上,引入拉普拉斯算子改进交叉算子以及结合黄金分割法对变异算子做了进一步改进。通过3个测试函数对该算法与标准遗传算法,以及其他两种算法加以对比,仿真结果表明文中的算法不仅增加了个体多样性,防止了"早熟",且比其他叁种算法获得了更优解和更快的收敛速度。理论分析和实验表明,提出的算法是可行有效的。(本文来源于《计算机技术与发展》期刊2014年04期）
洪立斌,虞歌[7]（2013）在《基于遗传编程进化规划的变异算子的自动化设计》一文中研究指出变异是进化规划的唯一算子,随着计算机技术的迅猛发展,以及研究人员在该领域近15年的不断研究,利用计算机寻找变异算子的方法成为可能,并得以实现——即通过遗传编程的方法寻找变异算子.通过新方法找出的变异算子,使进化规划算法的效率获得大幅提升.(本文来源于《杭州师范大学学报(自然科学版)》期刊2013年02期）
沈畅,乐天[8]（2012）在《遗传算法中的变异算子的述评》一文中研究指出遗传算法中的变异算子是必不可少的产生新个体的辅助方法。本文首先简单介绍传统的变异算子,既而结合文献分析和讨论改进的变异算子,并展望其未来研究方向,为遗传算法中变异算子的进一步发展提供参考。(本文来源于《科技视界》期刊2012年23期）
廖恩惠,钟诚[9]（2012）在《一种改进变异算子的混合遗传算法》一文中研究指出分析了遗传算法传统变异算子的缺陷,为解决遗传算法搜索效率低下及早熟收敛的问题,设计了一种融合遗传搜索和模式搜索的混合遗传算法。理论分析与实验仿真结果表明,所给出的混合遗传算法是有效的,在收敛速度、精度和稳定性方面均有明显的提高。(本文来源于《信息技术》期刊2012年01期）
王乾龙,刘培玉[10]（2012）在《基于细分变异算子策略的遗传算法》一文中研究指出针对基本遗传算法局部搜索能力不强以及早熟的问题,提出基于细分变异算子的遗传算法(Genetic Algorithm Based on Subdividing Mutation,SMSGA)。SMSGA将变异算子依据进化历程分成大步前进算子和最优调教算子。大步前进算子防止遗传早熟现象的发生;最优调教算子加强局部搜索的能力。同时,为加快算法收敛速度,对遗传操作实施策略进行优化,引入了路由选择操作。选用3个典型的测试函数在MATLAB平台中对该算法与基本遗传算法以及采用双变异率的改进遗传算法进行比较分析,结果表明,SMSGA可以有效的避免遗传算法中存在的局部搜索能力差和早熟现象的出现。(本文来源于《济南大学学报(自然科学版)》期刊2012年01期）
遗传变异算子论文开题报告
（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：
针对遗传算法存在早熟和局部搜索能力差的缺点,提出重构变异算子遗传算法(Reconstruction Mutation Operator Genetic Algorithm,RMOGA)。该算法由速成算子和自适应算子组成。首先,通过速成算子来平衡变异算子和交叉算子在遗传算法中的地位,以此来改善遗传算法中的早熟现象;其次,采用自适应算子来保留遗传过程中适应度大的个体,从而增强局部搜索能力;最后,引入"路由判断"的方法来加快算法的收敛速度。实验过程使用MATLAB 7.0仿真软件,选取四组典型的测试函数,采用基本遗传算法(Simple Genetic Algorithms,SGA)、双变异率遗传算法(Double Mutation Genetic Algorithm,DMGA)以及文中提出的基于重构变异算子遗传算法(RMOGA),分别对测试函数在收敛精度上进行对比。结果表明,RMOGA算法能很好地解决遗传算法早熟与陷入局部最优解的问题。
（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。
遗传变异算子论文参考文献
[1].王春阳,赵玉庆,谢金兴,苏本堂.遗传算法变异算子的改进[J].山东农业大学学报(自然科学版).2019
[2].贺永兴,杨瑞,唐伟,欧新良.基于重构变异算子遗传算法的研究[J].计算机技术与发展.2015
[3].唐伟.基于重构变异算子遗传算法的文本信息过滤研究[D].湖南工业大学.2014
[4].陶杨,韩维,陶春明,胡倩影.一种基于免疫变异算子的改进型量子遗传算法[J].安徽师范大学学报(自然科学版).2014
[5].欧阳柏成.变异遗传散布控制执行算子的数据库分类查询[J].科技通报.2014
[6].谢燕丽,许青林,姜文超.一种基于交叉和变异算子改进的遗传算法研究[J].计算机技术与发展.2014
[7].洪立斌,虞歌.基于遗传编程进化规划的变异算子的自动化设计[J].杭州师范大学学报(自然科学版).2013
[8].沈畅,乐天.遗传算法中的变异算子的述评[J].科技视界.2012
[9].廖恩惠,钟诚.一种改进变异算子的混合遗传算法[J].信息技术.2012
[10].王乾龙,刘培玉.基于细分变异算子策略的遗传算法[J].济南大学学报(自然科学版).2012