导读:本文包含了排序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,目标,衰减器,工序,反射率,多项式,测试。
排序遗传算法论文文献综述写法
楚克明,吴立云[1]（2019）在《自适应遗传算法在混流装配线排序中的应用》一文中研究指出混流装配线排序对实现准时化生产、提高生产效率至关重要。以保持均匀的零/部件消耗速率为目标,运用自适应遗传算法(Adaptive Genetic Algorithm,AGA)对混流装配线排序进行优化分析。构建了以零/部件均匀消耗速率为目标的优化模型,应用MATLAB软件对自适应遗传算法和标准遗传算法(Standard Genetic Algorithm,SGA)进行了编程,并对一个混流装配线实例进行排序分析。结果表明,AGA求出的最优解目标函数值26 723优于SGA求出的最优解目标函数值26 759,说明自适应遗传算法对解决此类问题有更好的搜索能力和更快的收敛速度。(本文来源于《现代制造工程》期刊2019年09期）
李波,曹敏,李仕林,张林山,刘清蝉[2]（2019）在《计量自动化终端自动化检测流水线调度非支配排序遗传算法》一文中研究指出为解决计量自动化终端自动化检测流水线调度问题,建立了以检定时间最短、检定成本最低、检定质量最好为目标的多目标混合流水线调度问题模型。通过对带精英策略的非支配排序遗传算法(NSGA-Ⅱ算法)的学习与设计,得到最优方案。与原有的以检定时间最短为目标的优化算法相比,NSGA-Ⅱ可以在不增加检定时间的基础上,降低检定成本,并提高检定的质量。实验表明,NSGA-Ⅱ算法对解决计量自动化终端自动化检测流水线调度问题是有效的,具有工程意义。(本文来源于《大连工业大学学报》期刊2019年04期）
王青松,谢兴生,周光临[3]（2019）在《一种改进的非支配排序遗传算法》一文中研究指出提出了一种改进的非支配排序遗传算法。通过扩大第一代种群规模,在初期加速种群的进化;对选择算子引入概率操作来提高种群的多样性;同时引入混合交叉算子,动态调节算法的搜索空间。最后以收敛性和分布性作为性能指标,使用公开的多目标测试函数对其进行测试,并与基本的非支配排序遗传算法和改进的多目标粒子群算法进行比较。实验结果表明,改进后的非支配排序遗传算法在收敛性和分布性两方面均有提升。(本文来源于《信息技术与网络安全》期刊2019年05期）
沈国峰[4]（2019）在《基于遗传算法的家具生产作业排序研究》一文中研究指出我国是家具生产大国,但不是家具生产强国。家具行业作为传统的制造行业,很多企业在生产管理上仍保留手工作坊式的管理模式,导致生产效率较低,无法适应现代竞争激烈的市场环境。而生产作业排序问题作为生产调度的核心,是提高企业生产效率,减少在制品库存的途径之一。因此采用科学的调度及生产排序方法会对生产管理及提高生产效益起到事半功倍的效果。基于上述观点,本文提出了基于遗传算法对家具生产作业排序问题的研究,来达到提高家具生产效率的目的。本文对家具生产作业排序问题进行了研究,并在某家具企业进行实地调研,在所调研的车间中,进行6种家具产品在实木机加工段上的生产排序实验,并测量各工序的加工工时。结合家具生产作业排序的特点,对遗传算法进行设计,通过MATLAB软件进行编程,并对生产实验中的6种家具排序问题进行算法仿真实验。将仿真实验得到的结果与生产实验结果进行对比分析,说明遗传算法在求解家具生产作业排序问题中具有可行性和有效性。本文给出了基于遗传算法解决n×m的家具流水生产作业排序问题的解决方案,完善了家具生产作业排序的优化方法。本文的主要研究内容及成果如下:(1)对生产作业排序问题进行研究,并根据家具制造企业的特点,对家具企业中的生产作业排序问题进行了研究。对某家具企业进行调研,分析该企业生产运作中存在的问题,并给出合理建议,起到为其它企业提供参考及借鉴的作用。(2)在某家具制造车间进行生产排序实验,模拟家具实际生产中的排序问题。并采用秒表测时法,测量生产实验中6款家具产品在实木机加工段上的加工工时,作为之后遗传算法仿真实验的工时数据。(3)建立家具车间生产模型,通过分析车间生产模型,进一步说明家具生产作业排序问题在家具生产中的重要性。建立了n×m的家具流水生产作业排序问题(FSP)的数学模型,为遗传算法求解家具生产作业排序问题提供数学基础。(4)对遗传算法进行研究,并结合家具生产的特点,对求解家具生产作业排序问题的算法进行设计,并利用MATLAB软件对算法进行编程。(5)对生产实验中的6种家具排序问题,进行算法的仿真实验,通过两组实验得到的排序结果进行对比分析,表明了遗传算法在求解家具生产作业排序问题上具有有效性和可行性。(本文来源于《中南林业科技大学》期刊2019-05-01）
刘炜,王彦春,谢玮[5]（2019）在《基于快速非支配排序遗传算法的VTI介质多分量迭前联合反演》一文中研究指出在VTI介质中,由于引入了各向异性参数使得多分量多参数地震反演问题的非线性程度显着增加,因此采用传统的权重加权法构建单目标函数进行反演得到的反演结果往往并不理想.本文以反射率法为基础,结合快速非支配排序遗传算法研究了一种VTI介质的多分量迭前联合反演方法.该方法以反射率法为正演方程,应用互相关原理构建PP波和PSV波的多目标函数,进而采用快速非支配排序遗传算法全局寻优获得VTI介质的厚度、纵横波速度、密度和各向异性参数等多个参数.在正演的过程中,反射率法可以考虑几何扩散、吸收衰减、透射损失、多次波以及纵横波旅行时不匹配等地震波传播效应,更能精确地描述地震波在地下地层中的真实传播情况;在反演的过程中,快速非支配排序遗传算法可以在不引入权重系数的条件下同时优化多个目标函数,获得联合反演问题的Pareto最优解,既不添加权重系数影响又充分利用多分量地震数据.模型测试结果验证了该反演方法的有效性和可行性.(本文来源于《地球物理学报》期刊2019年04期）
孙家泽,王刚[6]（2018）在《利用佳点集遗传算法的白盒测试用例优先排序》一文中研究指出在软件演化过程中,测试用例优先排序作为一种高效实用的回归测试技术,对于提高缺陷的早期检测速率和降低测试成本有重要意义。针对传统遗传算法在白盒测试用例优先排序中收敛速度慢和稳定性差的问题,采用佳点集遗传算法求解白盒测试用例优先排序问题。算法根据程序实体覆盖矩阵对个体进行编码,以程序实体覆盖平均百分比作为适应度函数,采用随机抽样选择算子和佳点集交叉算子产生新一代种群。实验选择6个典型的基准开源项目,以语句、分支和方法作为程序实体,实验结果表明佳点集遗传算法收敛速度快、稳定性好,为回归测试提供了一个有效的测试用例优先排序方法,有助于尽早发现软件缺陷,降低测试成本。(本文来源于《计算机工程与科学》期刊2018年10期）
窦建平,李俊,苏春[7]（2019）在《基于可行工序序列遗传算法的工序排序优化》一文中研究指出针对CAPP中工序排序优化这一NP-hard问题的求解,以最小化总成本为目标,提出一种新型的面向可行工序序列的遗传算法(FOSOGA)。该算法中,染色体以排列数的形式直接表征满足工序优先关系约束的可行工序序列;设计了可保证染色体可行性的自适应交叉算子和自适应变异算子来演化工序序列和各工序的加工资源;引入新的精英参与的交叉策略。将FOSOGA应用于两个案例,并与现有遗传算法、粒子群算法和蚁群算法进行了对比。结果表明,FOSOGA获取的解的平均质量优于现有遗传算法、粒子群和蚁群算法。(本文来源于《计算机集成制造系统》期刊2019年08期）
秦仙蓉,张氢,刘超,徐俭[8]（2018）在《基于非支配排序遗传算法的塔机有限元模型修正》一文中研究指出为了建立一个能准确反映结构实际状态的有限元模型,提出了一种基于非支配排序遗传算法Ⅱ(NSGA-Ⅱ)的有限元模型修正方法.首先建立初始有限元模型,基于二次响应面法,得到有效的响应面替代模型,然后采用NSGA-Ⅱ对该模型进行修正,最终建立了满足工程精度要求的可靠的有限元模型.给出了某型塔机有限元模型修正的工程算例,将修正后的计算结果与实测数据相比较,说明了基于NSGA-Ⅱ多目标优化算法对于有限元模型修正具有理想的效果,修正后的有限元模型能准确反映结构力学特性.(本文来源于《东北大学学报(自然科学版)》期刊2018年07期）
杨帆,邓斌,王国志,吴文海[9]（2018）在《基于Pareto排序遗传算法的改进型扩张室压力脉动衰减器多目标优化》一文中研究指出针对传统扩张室式压力脉动衰减器低、高频脉动衰减明显的不足,提出了两种改进结构。在衰减器外形尺寸不变的前提下,以最大化的回冲频率和固有频率处的滤波性能为目标,利用实数编码的标准遗传算法与Pareto排序的遗传算法分别对这两种改进结构进行参数优化,并结合一维平面波理论计算了其插入损失;在运用遗传算法进行优化的过程中,对影响优化的算法主要驱动算子、Pareto最优解、Pareto前沿的选取进行了讨论。结果表明,二维判据空间取得Pareto最优时,得到滤波器的各个结构参数非劣解,优化后的改进型扩张室式压力脉动衰减器在基频及其一次谐频处具有最优的滤波性能。(本文来源于《振动与冲击》期刊2018年12期）
肖俊明,刘凯松,朱永胜,谢亮,高洪洋[10]（2018）在《基于改进参考点的快速非支配排序遗传算法研究》一文中研究指出快速非支配排序遗传算法(NSGA-Ⅱ)是解决多目标优化问题的经典算法,然而在解决高维多目标问题时,算法的优化效果不佳。本文改进了参考点策略中参考点的生成方式,并将改进后的参考点策略与NSGA-Ⅱ相结合,使其在优化高维多目标问题时的求解性能有了较大的提高。利用DTLZ标准测试函数对4种算法进行了对比,结果表明,改进后的算法在有效解决高维多目标问题的同时,保证了良好的分布性能。(本文来源于《中原工学院学报》期刊2018年03期）
排序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：
为解决计量自动化终端自动化检测流水线调度问题,建立了以检定时间最短、检定成本最低、检定质量最好为目标的多目标混合流水线调度问题模型。通过对带精英策略的非支配排序遗传算法(NSGA-Ⅱ算法)的学习与设计,得到最优方案。与原有的以检定时间最短为目标的优化算法相比,NSGA-Ⅱ可以在不增加检定时间的基础上,降低检定成本,并提高检定的质量。实验表明,NSGA-Ⅱ算法对解决计量自动化终端自动化检测流水线调度问题是有效的,具有工程意义。
（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。
排序遗传算法论文参考文献
[1].楚克明,吴立云.自适应遗传算法在混流装配线排序中的应用[J].现代制造工程.2019
[2].李波,曹敏,李仕林,张林山,刘清蝉.计量自动化终端自动化检测流水线调度非支配排序遗传算法[J].大连工业大学学报.2019
[3].王青松,谢兴生,周光临.一种改进的非支配排序遗传算法[J].信息技术与网络安全.2019
[4].沈国峰.基于遗传算法的家具生产作业排序研究[D].中南林业科技大学.2019
[5].刘炜,王彦春,谢玮.基于快速非支配排序遗传算法的VTI介质多分量迭前联合反演[J].地球物理学报.2019
[6].孙家泽,王刚.利用佳点集遗传算法的白盒测试用例优先排序[J].计算机工程与科学.2018
[7].窦建平,李俊,苏春.基于可行工序序列遗传算法的工序排序优化[J].计算机集成制造系统.2019
[8].秦仙蓉,张氢,刘超,徐俭.基于非支配排序遗传算法的塔机有限元模型修正[J].东北大学学报(自然科学版).2018
[9].杨帆,邓斌,王国志,吴文海.基于Pareto排序遗传算法的改进型扩张室压力脉动衰减器多目标优化[J].振动与冲击.2018
[10].肖俊明,刘凯松,朱永胜,谢亮,高洪洋.基于改进参考点的快速非支配排序遗传算法研究[J].中原工学院学报.2018