导读:本文包含了组合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:软件可靠性,组合模型,遗传算法,陷入度系数
组合遗传算法论文文献综述
毕翔,吴家伟,陆阳[1]（2019）在《基于遗传算法优化的软件可靠性组合模型评估》一文中研究指出文章针对现有软件可靠性组合模型评估方法在模型选择、评估精度和评估效率方面的不足,从软件可靠性模型特征的形式化定义出发,借助特征量化获取的特征矩阵,给出了构建软件可靠性模型基本集的统一方法。依据软件可靠性评估的特点,对传统遗传算法的适应度函数和爬山操作进行了改进,并将其用于基模型权值的求解。在此基础上,给出了基于加权组合基模型的软件可靠性评估方法。实例验证表明,该方法在全局评估精度和评估效率上均有显着提升。(本文来源于《合肥工业大学学报(自然科学版)》期刊2019年11期）
闫鹏洋,王利宁,郭培文,刘涛[2]（2019）在《基于组合赋权的遗传算法优化BP神经网络岩爆预测研究》一文中研究指出针对岩爆倾向性预测的复杂问题,选取隧洞应力系数、脆性系数及围岩冲击倾向指数为评价指标,利用组合赋权法确定指标的权重,结合遗传算法和BP神经网络,建立了基于组合赋权的遗传算法优化BP神经网络的预测模型。利用岩爆实例数据对建立的模型进行测试,测试结果具有良好的准确度,验证了该模型的可行性及有效性。(本文来源于《广东土木与建筑》期刊2019年10期）
邵帅,周志祥,楚玺,雷杨昆[3]（2019）在《基于全息变形和遗传算法的装配式钢混组合梁损伤识别研究》一文中研究指出针对一片装配式钢混组合试验梁,依次开展了在无损伤和多种损伤工况下相同试验荷载的加载试验,运用迭差分析与轮廓线提取算法对全息拼接图像进行处理,得到结构全息轮廓线以及结构全息变形数据。将初始全息变形与目标全息变形作为输入,结构全息轮廓线为损伤表征因子,通过改进的遗传算法在ANSYS二次开发接口APDL中对目标全息变形进行刚度矩阵折减系数全局最优解的求解。结果表明:全息变形位移曲线在正常无损变形和有损异常变形特征描述上具有较强的判别性,全息变形与百分表实测挠度值在所有试验工况下全梁L/4、L/2、3L/4处挠度值平均误差最大为6. 9%,改进的遗传算法对试验梁损伤位置及程度识别精度较高,损伤识别结果与试验结果基本吻合。为后续研究该桥型的结构状态识别与结构健康监测奠定了基础,全息变形以及损伤识别算法亦可供其他桥梁参考。(本文来源于《公路工程》期刊2019年04期）
李云飞,李广飞,杨勇,谢康,代飞[4]（2019）在《基于量子遗传算法的RBF神经网络智能滤波组合导航算法》一文中研究指出组合导航中标准卡尔曼滤波和扩展卡尔曼滤波存在容错性和鲁棒性不足,处理非线性信号能力较弱的缺点.提出了基于量子遗传算法的RBF神经网络的智能滤波组合导航算法,通过RBF神经网络调节卡尔曼滤波增益,而神经网络参数由量子遗传算法进行调整优化.对捷联惯导系统(SINS)/全球卫星定位系统(GPS)组合导航系统进行了仿真实验,结果表明:该算法提高了导航定位的精度、鲁棒性和可靠性.(本文来源于《云南大学学报(自然科学版)》期刊2019年S1期）
鲁苓茜[5]（2019）在《基于遗传算法的成分数据变权重组合预测研究》一文中研究指出成分数据是一种具有特殊空间结构的多维数据,通常用于研究各部分在整体中的占比情况,故成分数据反映的是数据间的相对信息,而不是数据本身。但是,一般统计分析方法的前提是正态性假设,而成分数据的定和限制往往使其具有复共线性而不满足假设前提,因此常用的统计方法不适合对此类数据进行预测分析。为此,Aitchison提出对数比变换的方法避免常数和限制,即将成分数据空间映射到欧氏空间,从而使经典的统计方法继续适用于成分数据的统计分析。最初对成分数据的关注主要是用于研究岩石中各化学成分的比例情况,后逐渐被推广用于分析地区产业结构的变化趋势、预测城乡居民家庭生活费用支出比例等,使其成为经济、社会、科技等领域的一种重要的统计分析数据类型。所以,成分数据的预测研究在一定程度上为专家的决策建议提供了理论依据。组合预测方法是当前预测领域备受关注的热点话题之一,它最大限度地减少了单预测模型中不确定因素的影响,即将不同模型的单预测值以赋予不同权重的形式组合起来,从而提高预测结果的可靠性和稳定性。然而在已有的文献资料中,对成分数据的预测研究很少运用变权组合预测方法。因此,有必要对成分数据以组合形式进行预测分析。本文的研究内容主要有:(1)针对与时间变化有关的成分数据,将其在非对称Logratio变换的基础上应用变权重组合预测方法。在该方法中,不同时刻的单预测模型的权系数是不同的,所以变化的权重对于预测数据具有更好的自适应性。(2)针对多数组合预测目标函数单一的问题,对变权重组合预测以最小化绝对相对误差之和为目标进行优化。但是该优化函数形式复杂且不可微,一般求权重的方法达不到理想效果。因此,本文将运用基本无数学限制的遗传算法获得样本期权重,并用平均值法确定预测期权系数,从而减小其预测误差,使预测结果更全面、更系统,具有更好的适应能力。(本文来源于《山西大学》期刊2019-06-01）
黄元生,张利君[6]（2019）在《基于遗传算法的BP-LSSVM组合变权模型权重优化的短期电价预测研究》一文中研究指出为了能够精确预测短期电价为市场参与者提供有效的决策指导,首先对电价数据进行水平处理,然后建立BP神经网络(BPNN)和最小二乘支持向量机(LSSVM)组合变权模型(BP LSSVM),同时提出采用遗传算法(GA)对该组合变权模型的权重进行优化,最后将权重优化之后的GA BP LSSVM模型应用于美国PJM电力市场的边际电价预测,并与传统的LSSVM与BPNN的预测结果进行比较,结果表明,该组合变权模型能够提供更加精确的预测电价。(本文来源于《煤炭工程》期刊2019年05期）
陈信新,王福林,宋莹莹[7]（2020）在《基于实数遗传算法的农机总动力变权组合预测》一文中研究指出黑龙江省农机总动力进行预测,选用指数函数模型、多项式拟合模型、叁次指数平滑模型、龚帕兹曲线模型为单一预测模型并以1980-2013年农机总动力数据为样本点进行拟合,其平均绝对百分比误差分别为12.5%、3.22%、3.43%、6.09%;然后,建立以误差平方和最小为目标函数的变权组合预测模型,并利用改进的实数遗传算法对变权组合预测模型进行优化,所得到的变权重组合预测模型的平均绝对百分比误差为1.98%,拟合效果较好。以2014-2016年农机总动力数据为预测时点对该方法进行验证,结果表明:不论是拟合精度还是预测误差都具有较好的效果。最后,对黑龙江省未来5年的农机总动力进行了预测,为相关部门对农业机械化的发展规划提供参考。(本文来源于《农机化研究》期刊2020年01期）
杨玉智,张金刚,白元宝[8]（2019）在《基于遗传算法优化的中长期月度负荷组合预测》一文中研究指出提出一种基于遗传算法优化的中长期月度负荷组合预测方法。模型以组合预测的误差平方最小为目标函数,并采用遗传算法优化出权重系数。分别通过对线性回归模型、趋势外推模型、灰色模型等权平均组合预测法以及基于遗传算法优化权系数的组合预测模型仿真,对组合预测结果、单一模型预测结果进行分析,验证此算法的优越性。(本文来源于《电气时代》期刊2019年05期）
陈霞[9]（2019）在《基于数据累加的证券投资组合遗传算法》一文中研究指出证券投资组合优化算法是人们关注的热点、难点问题。目前研究主要集中于不同算法方面,其中运用最为广泛的是遗传算法求解证券投资组合最优化问题,但投资组合中出现的大量数据的随机性和波动性问题并没有得到很好的解决。利用数据累加和数据累减技术可以较好地解决这一问题。采用遗传智能优化算法,可以实现证券投资组合优化计算。结果表明:在保持组合收益不变的情况下,比较由原始数据和经过处理后数据计算出的风险系数值,将原始数据进行累加处理,对于求解证券投资组合问题是有较大改善的。(本文来源于《河南工程学院学报(社会科学版)》期刊2019年02期）
宿爱香,宋继震,田洪根[10]（2019）在《基于BP网络和遗传算法组合优化的门式起重机主梁优化研究》一文中研究指出该论文建立了门式起重机主梁轻量化数学模型,并运用遗传算法、BP网络及二次规划法构成组合优化对该模型进行了优化,并将优化前后的结果进行对比,表明了模型的准确性及组合优化法解决大型门式起重机轻量化问题的有效性和实用性。(本文来源于《特种设备安全技术》期刊2019年01期）
组合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：
针对岩爆倾向性预测的复杂问题,选取隧洞应力系数、脆性系数及围岩冲击倾向指数为评价指标,利用组合赋权法确定指标的权重,结合遗传算法和BP神经网络,建立了基于组合赋权的遗传算法优化BP神经网络的预测模型。利用岩爆实例数据对建立的模型进行测试,测试结果具有良好的准确度,验证了该模型的可行性及有效性。
（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。
组合遗传算法论文参考文献
[1].毕翔,吴家伟,陆阳.基于遗传算法优化的软件可靠性组合模型评估[J].合肥工业大学学报(自然科学版).2019
[2].闫鹏洋,王利宁,郭培文,刘涛.基于组合赋权的遗传算法优化BP神经网络岩爆预测研究[J].广东土木与建筑.2019
[3].邵帅,周志祥,楚玺,雷杨昆.基于全息变形和遗传算法的装配式钢混组合梁损伤识别研究[J].公路工程.2019
[4].李云飞,李广飞,杨勇,谢康,代飞.基于量子遗传算法的RBF神经网络智能滤波组合导航算法[J].云南大学学报(自然科学版).2019
[5].鲁苓茜.基于遗传算法的成分数据变权重组合预测研究[D].山西大学.2019
[6].黄元生,张利君.基于遗传算法的BP-LSSVM组合变权模型权重优化的短期电价预测研究[J].煤炭工程.2019
[7].陈信新,王福林,宋莹莹.基于实数遗传算法的农机总动力变权组合预测[J].农机化研究.2020
[8].杨玉智,张金刚,白元宝.基于遗传算法优化的中长期月度负荷组合预测[J].电气时代.2019
[9].陈霞.基于数据累加的证券投资组合遗传算法[J].河南工程学院学报(社会科学版).2019
[10].宿爱香,宋继震,田洪根.基于BP网络和遗传算法组合优化的门式起重机主梁优化研究[J].特种设备安全技术.2019