导读:本文包含了适应性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,适应性,自适应,电容器,小生境,端电压,果蝇。
适应性遗传算法论文文献综述写法
孔盼盼,崔英花[1]（2019）在《多重自适应性遗传算法的研究》一文中研究指出为了改善遗传算法"早熟"的问题,增强算法的全局收敛能力并加快收敛速度,提出了一种新的多重自适应遗传算法.由于种群在不同的遗传阶段具有不同的特征,所以将遗传代数分为叁个阶段,每一阶段采用不同的选择策略,加快算法的收敛,并且设计了一种基于种群多样性和个体适应度的多重自适应交叉概率和变异概率,增强算法的全局搜索能力.通过分别对两处改进的仿真对比,验证了改进的有效性,对交叉和变异概率的改进加快了收敛速度和精度,改善了"早熟"问题,对选择策略的改进在不影响收敛精确度的前提下,进一步加快了收敛速度.新算法在搜索全局最优解和收敛速度上具有较好的综合表现.(本文来源于《微电子学与计算机》期刊2019年03期）
任家铭,李灿,姚李孝[2]（2018）在《基于果蝇算法与自适应性遗传算法组合优化神经网络的光伏电站短期出力预测》一文中研究指出光伏电站的输出功率会随着很多因素发生波动,若能够提高光伏系统出力预测的准确性,则能有效地降低光伏电站并网后对电网造成的冲击,提高电力系统的稳定性。建立了果蝇算法与自适应遗传算法组合优化的BP神经网络的预测模型。从预测结果可以发现,采用组合优化算法的BP神经网络模型能够有效避免地BP神经网络易陷入局部极小值点的缺陷,相比于仅优化权值和阈值的BP神经网络模型提高了预测精度,具有一定的应用价值。(本文来源于《电网与清洁能源》期刊2018年09期）
钟叶[3]（2018）在《基于混合遗传算法的适应性组卷算法研究》一文中研究指出现在是计算机技术与互联网的时代,科技的迅速发展也让我们的生活方式发生了极大改变。随着各种学业水平考试、招聘考试、职业技能等级考试等逐渐由线下转成线上,一批在线题库、在线考试系统也接踵而来,组卷问题作为其核心元素自然而然也引起了相应的关注。一个良好的组卷方法应不仅可以高效迅速组卷,还要确保试卷的生成质量,满足用户需求约束,最终使其不但可以适用于各种不同性质的考试,还可以在其他个性化教辅资源的定制上具有更加延伸的实际意义。针对已有组卷方式存在的问题,本文提出了一种基于混合遗传算法(SNGA)的组卷算法,首先从研究对象的本源出发,提出了试卷模型的定义,并将组卷问题涉及到的多种约束条件进行了细致的划分与整理,并将其转化成了包含整体难度分布、知识点分布、章节分布等多条件约束的目标函数,基本上囊括了组卷所要求的大部分约束条件。然后本文在传统遗传算法的基础上进行了相应改进,先是针对种群的多样性度量方式进行了设计,在目前适用范围最广的种群熵的度量方式之上加入了试卷整体基因位相似度的评估,这样从不同适应度范围内的个体聚集程度和种群基因位的相似度两个方面对种群整体的多样性程度进行更为准确的衡量,也为后续交叉、变异概率的适应性调整打下基础;为了改善原有遗传算法可能陷入局部最优解的不足,将多小生境拥挤算法融入了遗传算法,与一般小生境遗传算法的不同之处在于多小生境拥挤遗传算法提倡试探性有条件的配对机制以及随机个体替换机制,这样在交配的时候能减少优良基因的破坏,在新老个体替换的时候也不仅仅局限于父子个体。然后基于种群多样性度量提出了一种适应性调整的交叉、变异概率,先是依据种群整体的多样性程度对种群整体的交叉、变异概率进行调整,之后又在整体概率的基础上对个体概率进行调整,在进化的前期与后期,概率随着种群多样性程度进行细微调整,进一步延缓了种群多样性在进化后期较为单一的问题。最后基于团队已有的在线题库的真实数据,对多种相关算法进行了实验,并通过常用的组卷算法检测指标对实验结果进行判定,在综合各种指标的考量下,本文所提出的组卷算法与实验中其他的组卷算法相比在组卷效率和组卷质量上都略有提升,基本可以满足现实组卷所提需求。(本文来源于《江西财经大学》期刊2018-06-01）
廖梦琛,孙鹏,张杰勇,杜华桦[4]（2017）在《基于云遗传算法的不确定性环境下平台资源调度适应性优化方法》一文中研究指出针对战场环境中不确定因素对平台资源调度方案的影响,提出了一种面向不确定事件的平台资源调度适应性优化方法。考虑平台损耗和任务处理时间2个方面的不确定性,建立以最大任务执行效率为目标函数的平台资源调度的适应性优化问题的数学模型,根据不确定事件对平台资源能力或任务属性的影响来判断是否触发调度方案的适应性优化,并基于云遗传算法设计了平台资源调度适应性优化问题数学模型的求解方法,最后通过算例进行了验证。仿真结果表明,使用云遗传算法对平台资源调度方案进行适应性优化调整,能得到更加优化的平台任务匹配关系,并从整体上缩短使命完成时间。(本文来源于《空军工程大学学报(自然科学版)》期刊2017年04期）
薛朝改[5]（2015）在《基于自适应免疫遗传算法的企业信息系统适应性优化研究》一文中研究指出为了提高企业信息系统的适应性,研究了企业信息系统的适应性优化问题。首先,建立了企业信息系统适应性的指标体系,并基于企业信息系统的形式化表达方法——对象知识网(Object-based Knowledge Mesh),给出了适应性指标的量化方法;其次,建立了企业信息系统适应性的优化模型,并给出了模型的优化算法——自适应免疫遗传算法;最后以销售处理流程为例说明了企业信息系统的适应性指标、优化模型以及算法的应用,验证了其有效性,为提升企业信息系统的适应性奠定基础。(本文来源于《管理工程学报》期刊2015年01期）
安成万,宋红蓉,田俊杰[6]（2011）在《基于适应性权重遗传算法的配电网多目标综合优化》一文中研究指出针对配电网多目标综合优化问题的复杂性,以及网络重构、电容器投切的离散控制变量优化问题,基于遗传算法从全局角度来求解此优化问题,研究了网络重构、电容器投切的编码方案,以及两者的综合编码方案,并研究给出合理的选择、交叉、变异以及保留操作策略。针对线损、电压质量以及线路负载多目标的各个目标权重难以确定问题,进一步引入适应性权重遗传算法,随着遗传代数的进化,算法自适应地给出各个目标权重。仿真算例验证了所提算法用于配电网多目标综合优化的合理性。(本文来源于《山西电力》期刊2011年06期）
朱建广,谢青松[7]（2011）在《基于适应性遗传算法的新型低碳发电调度》一文中研究指出以经济节能发电数学模型为基础,通过分析火电厂的发电特性,提出和建立了火电厂二氧化碳排放数学模型,采用适应性遗传算法经过多次迭代来搜索多目标优化解,从而实现经济发电和低碳发电双重目标的低碳发电方式。最后选择IEEE30节点系统为算例进行验证,通过与原有的发电方式进行对比,证明所提出的发电调度方式可以较大幅度减少二氧化碳的排放量。(本文来源于《广东电力》期刊2011年02期）
白鹭[8]（2010）在《混合自适应性遗传算法》一文中研究指出设计了一种混合自适应遗传算法.将信息论中信息和熵的概念应用在遗传算法中,将遗传算法中群体的实际熵值与期望熵值的比作为负反馈,使遗传算法具有自适应性.(本文来源于《沈阳大学学报》期刊2010年03期）
陈得宇,张仁忠,沈继红,高世伟[9]（2010）在《基于适应性权重遗传算法的多目标无功优化研究》一文中研究指出研究一种多目标无功优化问题的求解方法。基于无功分层分区平衡以及保证紧急情况下电网安全的原则,给出了在电网正常情况下优先投切电容器、调节变压器分接头,然后设定机端电压的优化调控顺序,进一步提出将优化问题分解为连续变量优化和离散变量优化问题,并分别求解,迭代直至收敛的求解思路。鉴于多目标无功优化模型的复杂性,以及连续、离散控制变量并存,采用遗传算法求解,重点研究了控制变量的编码方案以及选择、交叉、变异以及保留操作策略。针对于多目标无功优化各个目标权重难以确定问题,又进一步引入了适应性权重遗传算法,随着遗传代数的进化算法能自适应地给出各个目标权重。仿真算例验证了文中所提的多目标无功优化求解方法的合理性。(本文来源于《电力系统保护与控制》期刊2010年06期）
常彦鑫,高正红[10]（2009）在《遗传算法在气动优化问题中的适应性分析》一文中研究指出由于在理论上可找到全局最优解、不需计算灵敏度、对设计空间无特殊要求等这些优点,遗传算法(GA)在气动优化问题中得到了大量的应用。然而,实际应用中算法的理论收敛条件很难满足,面临着严重的计算效率问题。在具体应用中,气动问题本身的特点对算法参数选取和进程设计提出了适应性的要求。本文在分析算法优化机制的基础上,针对气动优化自身特点,以典型气动优化问题为例,对优化参数的设置进行了分析讨论。分析总结了翼型优化问题中参数化模型设计变量维数增加对翼型优化问题的影响,给出了初步定量的参数取值规律。结果表明参数化模型应当选择足够大的变量维数来描述设计空间,在变量维数确定之后选取合理种群规模和截止代数,以保证优化结果的收敛性。所得定性和部分定量的结果可以为优化算法在气动优化中的应用提供依据。(本文来源于《空气动力学学报》期刊2009年02期）
适应性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：
光伏电站的输出功率会随着很多因素发生波动,若能够提高光伏系统出力预测的准确性,则能有效地降低光伏电站并网后对电网造成的冲击,提高电力系统的稳定性。建立了果蝇算法与自适应遗传算法组合优化的BP神经网络的预测模型。从预测结果可以发现,采用组合优化算法的BP神经网络模型能够有效避免地BP神经网络易陷入局部极小值点的缺陷,相比于仅优化权值和阈值的BP神经网络模型提高了预测精度,具有一定的应用价值。
（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。
适应性遗传算法论文参考文献
[1].孔盼盼,崔英花.多重自适应性遗传算法的研究[J].微电子学与计算机.2019
[2].任家铭,李灿,姚李孝.基于果蝇算法与自适应性遗传算法组合优化神经网络的光伏电站短期出力预测[J].电网与清洁能源.2018
[3].钟叶.基于混合遗传算法的适应性组卷算法研究[D].江西财经大学.2018
[4].廖梦琛,孙鹏,张杰勇,杜华桦.基于云遗传算法的不确定性环境下平台资源调度适应性优化方法[J].空军工程大学学报(自然科学版).2017
[5].薛朝改.基于自适应免疫遗传算法的企业信息系统适应性优化研究[J].管理工程学报.2015
[6].安成万,宋红蓉,田俊杰.基于适应性权重遗传算法的配电网多目标综合优化[J].山西电力.2011
[7].朱建广,谢青松.基于适应性遗传算法的新型低碳发电调度[J].广东电力.2011
[8].白鹭.混合自适应性遗传算法[J].沈阳大学学报.2010
[9].陈得宇,张仁忠,沈继红,高世伟.基于适应性权重遗传算法的多目标无功优化研究[J].电力系统保护与控制.2010
[10].常彦鑫,高正红.遗传算法在气动优化问题中的适应性分析[J].空气动力学学报.2009