导读:本文包含了遗传算子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:算子,算法,精英,自适应,阈值,组合,神经网络。
遗传算子论文文献综述
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）
刘芳华,余丽萍[2]（2019）在《基于遗传算子改进阈值的遥感图像分割算法研究》一文中研究指出针对复杂背景遥感图像分割准确率不高的问题,提出了一种基于遗传算子改进阈值的遥感图像分割算法。通过对遗传算法中选择、交叉、变异等算子的优化设计,增强变异的多样性,加快搜索的收敛速度,以获取遥感图像分割的最佳阈值。实验仿真结果表明:该算法降低了阈值搜索时间,同时取得了良好的图像分割结果。(本文来源于《河南科技》期刊2019年14期）
曲志坚,陈宇航,李盘靖,刘晓红,李彩虹[3]（2019）在《基于多算子协同进化的自适应并行量子遗传算法》一文中研究指出量子遗传算法具有种群规模小,全局搜索能力强的特点被广泛应用于各类优化问题的求解.为了进一步提高量子遗传算法的收敛速度和搜索稳定性,克服算法的早熟问题,本文改进了基于自适应机制的量子遗传算法.在自适应量子遗传算法的基础上根据种群的适应度定义了个体相似度评价算子、个体适应度评价算子和种群变异调整算子及相应算子的计算方法,利用多算子协同评价当前种群状态并根据进化代数的变化,自适应的改变个体的变异概率,提高了算法全局寻优能力和收敛速度,降低了算法陷入局部寻优的概率.此外,为了提高算法的时间效率,将算法采用并行多宇宙的方式实现.实验结果表明,本文提出的算法在全局搜索性能、收敛速度和时间效率方面有较好的综合表现.(本文来源于《电子学报》期刊2019年02期）
屈星,李欣然,宋军英,曾小军[4]（2018）在《遗传算子自适应设计及其在负荷建模中的应用》一文中研究指出针对电力系统综合负荷模型参数辨识的分散性与耗时较长的问题,研究了遗传算子对遗传算法寻优能力的影响,基于算子与适度值本质关系,设计了个体繁殖数量与其适度值成正比的选择/复制算子、交叉概率随适度值自适应调整以及种群规模与交叉步长相协调的交叉算子和变异概率随适度值自适应调整的变异算子,并成功地将其应用于基于总体测辩的电力系统负荷建模。算例表明,该方法在提高辨识精度、缩短辨识时间和提升辨识结果的稳定性等方面有显着的表现,有效提高了建模效率。(本文来源于《电力系统及其自动化学报》期刊2018年07期）
罗凤鸣,吕方林,侯宗琰[5]（2018）在《基于精英保留策略与爆炸算子的改进遗传算法》一文中研究指出针对标准遗传算法(standard genetic algorithm,SGA)应用于数值优化存在收敛缓慢、易陷入局部优解和精度低等问题,提出一种具有爆炸算子的改进遗传算法(FGA)。引入爆炸算子(fire algorithm,FA),通过局部最优解集爆炸产生新个体以弥补SGA算法寻优过程中种群多样性不足的缺陷,从而提高算法在解析域的全局搜索能力;加入精英保留策略使每代中的最优个体都能得以保留,避免交叉和变异操作遗失全局最优解。为验证算法的优化性能,选用4个经典测试函数对SGA与FGA这2种算法的优化性能进行对比,算例结果表明,本文所提算法具有更好的全局搜索能力、收敛性能以及计算精度。(本文来源于《西华大学学报(自然科学版)》期刊2018年03期）
张侃,刘宝平,黄栋[6]（2018）在《精英遗传改进的非线性灰色神经网络算子与军费开支多目标组合预测应用》一文中研究指出军费开支属于复杂经济系统下具有宏观经济特征的一类非线性时间序列。在多目标组合下的军费开支预测问题研究背景下,提出了一种基于精英遗传算法(elite genetic algorithm,EGA)改进的非线性灰色神经网络计量组合预测模型,给出了总体建模思路与非线性灰色神经网络算子分系统和EGA分系统设计方法,解决了多准则目标优化的NP完全问题,并对模型的预测效果进行比较分析。采集美国27年间(1990-2016年)军费开支时间序列进行实证检验,分析结论认为非线性灰色神经网络算子能够有效提高模型精度,EGA算法在收敛速度与精度上优于标准遗传算法,采用所建立的预测模型进行军费开支预测精度更高,效果更好。(本文来源于《系统工程与电子技术》期刊2018年05期）
赵俨,乐俊,刘丹[7]（2017）在《双交叉算子遗传算法在终端区飞机排序中的应用》一文中研究指出当今,普遍的航班延误现象不仅增加了巨额飞行成本,还影响乘客体验.对终端区待降飞机队列进行合理调整,可以提高跑道利用率,减少航班延误,达到降低延误代价的效果.针对终端区飞机排序问题,提出一种包含双交叉算子的遗传算法,针对不同适应度染色体采取不同的交叉操作,使得在交叉过程中既能保护优质染色体,也能使其它染色体继续进化.同时引入重排算子对变异后的子代进行优化,共同加快遗传算法收敛速度,使其更加符合实际使用需求.实验结果表明,算法收敛速度得到改进,能在可接受时间内得到可行解.(本文来源于《计算机系统应用》期刊2017年12期）
钱海军[8]（2017）在《采用空间编码与正弦选择算子遗传算法求解排课问题》一文中研究指出遗传算法是求解多约束、多目标组合优化问题的有效算法。经典遗传算法具有早熟特性,可以直接导致算法陷入局部最优解。为了提高算法的全局搜索性能,以遗传算法的染色体编码设计和选择算子设计两个方面为切人点,提出基于空间编码与正弦选择算子遗传算法(SCSS)。仿真实验证明,SCSS遗传算法求解开放教育排课问题能够满足多重约束条件,为有效实现排课问题的智能求解提供实用性的数学方法。改进后的遗传算法能够快速收敛得到问题的全局最优解,算法全局搜索性能明显增强。(本文来源于《计算机与数字工程》期刊2017年10期）
曾俊蓉,申丽珍,窦继涛[9]（2017）在《算子优化遗传算法的插画艺术设计模型》一文中研究指出针对标准遗传算法在插画艺术设计的应用中还存在搜索效率低下、复杂度过高等问题。本文提出了一种基于算子及聚类优化遗传算法的插画艺术设计模型。首先在遗传算法运行中依据种群的特点来动态调整交叉概率和变异概率的数值,以提高算法的搜索效率,然后引入K-medoids算法对遗传算法进行聚类优化,并采用一个成本函数来进行评估聚类质量的好坏,以优化原算法的复杂度,最后采用改进遗传算法对随机插画艺术设计。通过实例仿真表明,本文提出的改进算法对插画艺术设计的实现,艺术性和创新性更高。(本文来源于《科技通报》期刊2017年08期）
张宏伟,张向锋,文传博[10]（2017）在《一种含全交叉算子的改进遗传算法》一文中研究指出提出一种含全交叉算子的遗传算法。与传统的基于点的交叉不同,全交叉算子选择与、或、异或3种方式中的一种作为染色体之间的交叉方式。为了提高算法进化速度,从种群中选择优秀个体组成精英集,每轮更新精英集,种群中染色体进行交叉操作时会先选择一种交叉方式,再从精英集中随机选择精英个体作为交叉染色体进行交配。在同样情况下,与单点交叉、两点、多点交叉进行比较,仿真实验结果表明,含全交叉的改进遗传算法有较好的优化效果。(本文来源于《上海电机学院学报》期刊2017年04期）
遗传算子论文开题报告
（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：
针对复杂背景遥感图像分割准确率不高的问题,提出了一种基于遗传算子改进阈值的遥感图像分割算法。通过对遗传算法中选择、交叉、变异等算子的优化设计,增强变异的多样性,加快搜索的收敛速度,以获取遥感图像分割的最佳阈值。实验仿真结果表明:该算法降低了阈值搜索时间,同时取得了良好的图像分割结果。
（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。
遗传算子论文参考文献
[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].刘芳华,余丽萍.基于遗传算子改进阈值的遥感图像分割算法研究[J].河南科技.2019
[3].曲志坚,陈宇航,李盘靖,刘晓红,李彩虹.基于多算子协同进化的自适应并行量子遗传算法[J].电子学报.2019
[4].屈星,李欣然,宋军英,曾小军.遗传算子自适应设计及其在负荷建模中的应用[J].电力系统及其自动化学报.2018
[5].罗凤鸣,吕方林,侯宗琰.基于精英保留策略与爆炸算子的改进遗传算法[J].西华大学学报(自然科学版).2018
[6].张侃,刘宝平,黄栋.精英遗传改进的非线性灰色神经网络算子与军费开支多目标组合预测应用[J].系统工程与电子技术.2018
[7].赵俨,乐俊,刘丹.双交叉算子遗传算法在终端区飞机排序中的应用[J].计算机系统应用.2017
[8].钱海军.采用空间编码与正弦选择算子遗传算法求解排课问题[J].计算机与数字工程.2017
[9].曾俊蓉,申丽珍,窦继涛.算子优化遗传算法的插画艺术设计模型[J].科技通报.2017
[10].张宏伟,张向锋,文传博.一种含全交叉算子的改进遗传算法[J].上海电机学院学报.2017
论文知识图
