导读:本文包含了混合蚁群遗传算法论文开题报告文献综述及选题提纲参考文献，主要关键词:微电网,优化配置,混合算法,能量互补
混合蚁群遗传算法论文文献综述
张弈鹏[1]（2018）在《基于混合狼群—遗传算法的微电网优化配置》一文中研究指出随着时代的发展,能源短缺和环境问题已经引起世界各国广泛的关注,可再生能源发电技术作为解决这个问题的重要途径得到了快速发展。分布式发电技术作为一种利用可再生能源发电技术,对于解决环境问题,提升能源利用率,解决电力供应问题具有重要的意义。微电网作为分布式发电接入电网的一种重要手段,在解决偏远地区供电可靠性问题和提升电网新能源接入比等方面具有独特的优势。由于风能和太阳能具有随机性,在微电网电源配置选择的问题中,如何通过合理的配置各项电源设备达到节约微电网总投资、提升新能源利用效率和向负荷可靠供电的目标是微电网研究的热点问题。本文首先分析了国内外微电网技术的研究现状,对微电网未来研究趋势进行分析和讨论,分别对光伏电池、风力发电机、柴油发电机和蓄电池的功率模型进行分析和建立。然后介绍了标准遗传算法并对其算法改进,加入了自适应、并行和自然灾害算子,提出了改进的自适应并行遗传算法,为了解决遗传算法局部搜索能力较差的问题,引入狼群算法使用分层算法改进,将改进后的混合狼群-遗传算法用标准测试函数和其他算法进行对比,结果表明混合狼群-遗传算法性能较优。然后对于微电网仿真建立了微电网气候模型,并分别对独立型微电网和并网型微电网进行控制策略分析,建立了新能源渗透率和综合投资成本为参考的目标函数,确定了相关约束条件,使用混合狼群-遗传算法对微电网配置优化进行计算,得出结果并对结果进行分析。基于能量互补考虑微电网群新增微电网的配置优化,并对相关因素进行分析。(本文来源于《东北石油大学》期刊2018-06-12）
楼涛,杜文才,钟杰卓[2]（2015）在《基于混合蚁群遗传算法的Hadoop集群作业调度》一文中研究指出提出了一种基于蚁群与遗传算法融合的自适应作业调度机制,将遗传算法全局收敛、快速搜索的优点与蚁群算法正反馈、高求精率的优势相结合,以变异策略来加快局部寻优,提高收敛速度.实验结果表明本文算法可快速找到最适合当前作业的节点,有效提高Hadoop集群作业调度的效率.(本文来源于《海南大学学报(自然科学版)》期刊2015年04期）
李浩[3]（2014）在《混合蚁群遗传算法的树枝型铁路取送车问题优化》一文中研究指出针对树枝型部队后勤货运铁路专用线的特点,建立了树枝型专用线取送车模型,提出了一种混合蚁群遗传算法,对取送车作业进行优化。该算法融合了蚁群算法和遗传算法的特点,对蚁群算法进行改进,提高了蚁群算法的收敛速度。同时在遗传算法的交叉操作前,参考蚁群算法产生的种群,提高了遗传算法的求解精度。实验仿真结果证明,该方法能有效地优化铁路取送车作业问题。(本文来源于《火力与指挥控制》期刊2014年06期）
刘雪东,许峰[4]（2013）在《基于目标函数变化率的混合蚁群遗传算法》一文中研究指出根据蚁群算法和遗传算法收敛性互补的特点,提出了一种基于目标函数变化率的混合蚁群遗传算法。该算法的基本思想是:用蚁群算法的解作为遗传算法的初始种群,根据目标函数的变化率交叉地调用蚁群算法和遗传算法。每当种群进化接近停滞时,调用蚁群算法。这种方法可动态地控制蚁群算法和遗传算法的调用时机,再配合相应的信息素更新方法,以提高算法的收敛性。将新算法用于车间调度基准测试问题,仿真结果表明,与常规混合蚁群遗传算法相比,新算法的全局收敛性和局部收敛性有了明显的提高。(本文来源于《计算机工程与应用》期刊2013年18期）
王超学,孙有田,董惠,崔杜武[5]（2012）在《改进的基于蜜蜂进化型遗传算法和蚁群系统混合的元件贴装优化》一文中研究指出针对PCB板的表面贴装技术(Surface Mount Technology,SMT)优化问题,提出一种基于蜜蜂进化型遗传算法和蚁群系统的混合智能算法(the Hybrid Intelligent Algorithm based on Bee Evolutionary Genetic Algorithm and Ant Colony System,BAHA).该算法的关键有4点:①通过两个种群的融合实现信息共享,提高算法的收敛速度;②采用改进的OX的交叉算子,合理保留优秀个体基因的排列顺序;③加入局部搜索算子,在当代最优解附近进行更加精细的搜索;④信息素重置防止陷入局部最优解.用TSP30问题、eil51问题与相关文献进行对比测试,仿真结果表明BAHA收敛速度快,寻优能力强.通过对5种不同PCB板的元件贴装顺序进行优化计算,结果表明,BAHA能有效的提高贴装效率.(本文来源于《微电子学与计算机》期刊2012年08期）
徐兵,李建军[6]（2012）在《基于混合蚁群遗传算法的冲压生产调度研究》一文中研究指出针对实际冲压生产中缓冲区与机器冲突的问题,根据冲压生产调度的特点,以最小生产成本为目标,提出一种新的调度方法。建立考虑工序约束、资源约束和机器占用约束的数学模型,利用混合蚁群遗传算法对其求解,并将等待时间作为启发因子,从而提高选择概率。仿真结果表明,该方法是正确有效的。(本文来源于《计算机工程》期刊2012年13期）
王梦菊,胡晓旭[7]（2012）在《基于蚁群信息素的混合遗传算法》一文中研究指出针对遗传算法无法利用系统中的反馈信息,求解到一定范围时出现的冗余迭代,求精确解效率低,局部搜索能力弱、易出现"早熟"现象等缺点,提出了采用蚁群信息素对均匀划分子空间进行标定,利用留存的信息素控制选择操作,采用双重选择算子、基于"杂交优势"思想的交叉算子和自适应变异算子的混合遗传算法.实验表明,采用该算法的分类系统的分类准确率、算法运行时间、算法收敛性等方面性能均有明显提高.(本文来源于《哈尔滨师范大学自然科学学报》期刊2012年01期）
高冬[8]（2011）在《基于混合蚁群遗传算法的RNA二级结构预测》一文中研究指出RNA二级结构预测是生物信息学的重要研究领域。本文提出一种新的基于混合蚁群遗传算法的RNA二级结构预测方法。充分利用茎区和茎区之间的关系信息和累积的信息,通过蚁群算法产生初始种群和新的个体,进而替换遗传算法中的变异算子。构造蚁群算法中的启发式信息、初始信息素矩阵、下一茎区的选取规则和信息素的更新机制,给出遗传算法中交叉算子的交叉策略。最后通过测试已知二级结构的RNA序列,实验结果表明,该方法相对于遗传算法不仅节省程序运行的时间,而且可提高预测的准确性。(本文来源于《计算机与现代化》期刊2011年08期）
吴强[9]（2011）在《蚁群混合遗传算法的研究及应用》一文中研究指出蚁群算法是模拟自然界真实蚂蚁在寻食过程中从蚁穴到食物源中最短路径的原理，而提出的一种新型模拟算法。能够很好的解决较复杂的优化问题，它的并行性，协同性，正反馈性和鲁棒性等方面的优点可以进行全局的优化和智能的搜索。它是最近几年才提出来的，有许多优秀的实用价值，是很有潜力的模拟算法。遗传算法是模拟大自然生物在进化过程中随机搜索的算法，通过自然选择，遗传和变异的作用对个体的适应度进行了提高。此算法具有与问题域没有关系的全局搜索能力,并且不宜陷入局部最优,能够使用评价函数作为启发信息。由于蚁群算法在初期容易受到信息素缺乏的原因，引起搜索时间延长，在运行过程中存在过早收敛易陷入局部最优，搜索的最优解不能在最大范围内得到实现。恰好相反，具有快速全局搜索能力的遗传算法，没有得到更好的利用系统中反馈的信息，往往求得的相对解的效率不高，使得产生无为的冗余迭代。本文针对蚁群算法与遗传算法的特点,将两者融合,克服两种算法的各自缺点，利用遗传算法的优化组合能力确定蚁群算法的最优参数组合,利用蚁群算法求得聚类结果,优势互补,提高了算法的寻优效率，使得混合算法在收敛速度和解的全局性上都有较大的改善。本文在查阅了很多国内外的参考资料基础上，根据两种算法的优缺点，将它们结合形成混合算法的策略：在混合算法的前期，使用具有群体性全局搜索能力的遗传算法，迅速得到所需要的相对初始解，遗传算法的终止条件得到满足之后，在后期，蚁群算法所应用到的初始期信息素来源于遗传算法得到的相对较优解，最后通过具有正反馈性和高效性特点的蚁群算法快速的得到最优解。本文的主要工作是，在阐述了两种算法的原理和应用后，提出了一种新的混合算法的数学模型。在求解过程中改进了混合算法中蚁群算法的选择策略，使得算法进入局部解得概率减少，用自适应的信息素更新策略对局部信息素和全局信息素进行动态调整，最大范围的利用当前解。为了评估混合算法的性能，文章将混合算法在经典的组合优化问题旅行商问题（TSP）进行了仿真验证。实验结果表明，该混合算法不但加速了蚁群算法的收敛速度，而且提高了所得优化解的质量。最后针对组卷问题对计算机要求的应用前景，提出了开发组卷系统的想法，并进行了可行性分析和应用。(本文来源于《内蒙古科技大学》期刊2011-06-17）
徐兵[10]（2011）在《基于混合蚁群遗传算法的冲压生产优化调度技术研究》一文中研究指出冲压行业作为制造业的一个重要组成部分，在当今全球化的市场竞争条件下面临着更加严酷的挑战。客户至上和生产效率至上的观念日益深入人心，也日益融入到企业的日常生产规范中。传统的冲压生产流程因其低效率和高损耗日益无法满足企业的需求，研究冲压生产流程中的效率瓶颈的需求也日益变得迫切。与此同时，信息化技术的发展为企业的高效管理提供了一种可行的方案。本文调研总结了冲压生产过程中特别是冲压生产调度的特点，研究了一种冲压生产优化调度技术，并在此基础上实现了冲压生产执行系统。本文利用UML建模工具对冲压生产进行了需求分析和建模。总结了冲压生产流程，将冲压生产流程划分为功能性需求和健壮性需求两部分，并据此建立了需求模型。结合相关的软件架构理论，利用需求模型推导出了冲压生产执行系统的系统架构。利用该架构，选择了基于J2EE的B/S多层结构的架构方案，并总结了冲压生产执行系统的系统实现框架。冲压生产流程中最容易导致生产瓶颈的部分就是生产调度。本文针对柳州某冲压企业进行深入调研，提出了冲压生产缓冲区的概念。在此基础上建立了有着工艺约束、资源约束和设备约束的冲压生产数学模型。结合遗传算法和蚁群算法的优点，在该数学模型的基础上，提出了基于混合遗传蚁群算法的冲压生产调度算法，并针对一个具体实例利用仿真的方式论证了该算法的可行性。最后基于上述的调度技术和推导出的软件架构方案实现了冲压生产执行系统，并利用一个完整的冲压生产过程来详细介绍了系统的各个模块的具体实现界面。(本文来源于《华中科技大学》期刊2011-06-01）
混合蚁群遗传算法论文开题报告
（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：
提出了一种基于蚁群与遗传算法融合的自适应作业调度机制,将遗传算法全局收敛、快速搜索的优点与蚁群算法正反馈、高求精率的优势相结合,以变异策略来加快局部寻优,提高收敛速度.实验结果表明本文算法可快速找到最适合当前作业的节点,有效提高Hadoop集群作业调度的效率.
（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。
混合蚁群遗传算法论文参考文献
[1].张弈鹏.基于混合狼群—遗传算法的微电网优化配置[D].东北石油大学.2018
[2].楼涛,杜文才,钟杰卓.基于混合蚁群遗传算法的Hadoop集群作业调度[J].海南大学学报(自然科学版).2015
[3].李浩.混合蚁群遗传算法的树枝型铁路取送车问题优化[J].火力与指挥控制.2014
[4].刘雪东,许峰.基于目标函数变化率的混合蚁群遗传算法[J].计算机工程与应用.2013
[5].王超学,孙有田,董惠,崔杜武.改进的基于蜜蜂进化型遗传算法和蚁群系统混合的元件贴装优化[J].微电子学与计算机.2012
[6].徐兵,李建军.基于混合蚁群遗传算法的冲压生产调度研究[J].计算机工程.2012
[7].王梦菊,胡晓旭.基于蚁群信息素的混合遗传算法[J].哈尔滨师范大学自然科学学报.2012
[8].高冬.基于混合蚁群遗传算法的RNA二级结构预测[J].计算机与现代化.2011
[9].吴强.蚁群混合遗传算法的研究及应用[D].内蒙古科技大学.2011
[10].徐兵.基于混合蚁群遗传算法的冲压生产优化调度技术研究[D].华中科技大学.2011