导读:本文包含了族群进化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:遗传算法,族群进化算法,族群聚类,大配子筛选机制
族群进化算法论文文献综述
陈皓,潘晓英,崔杜武[1]（2011）在《求解约束函数优化问题的族群进化算法》一文中研究指出为提高族群进化算法对约束函数的优化性能,应用基于线性截取策略的大配子采样机制来提高群体进化过程中大配子筛选的稳定性。该机制可有效减少在进化过程中族群结构的大幅波动,提高族群进化算法的搜索效率。通过对六个典型约束函数的仿真实验显示,该机制使族群进化算法成为了一种有竞争力的约束函数优化算法。(本文来源于《计算机应用》期刊2011年04期）
陈皓,崔杜武,崔颖安,陶永芹,梁琨[2]（2010）在《族群进化算法》一文中研究指出借鉴人类学研究中族群的概念以及以族群为视角来分析群体的结构及其演变趋势的方法,提出了一种简单、有效的群体结构调控技术——族群机制.设计了针对二进制编码方式的族群分类方法,并基于该族群结构形成了具有双轨协同进化特征的族群进化算法以及相应的族群算子.针对高维函数和复杂混合函数的数值优化实验表明,族群进化机制可以显着提高群体的抗早熟能力和搜索效率,与其他典型算法的对比也表明,族群进化算法是一种具有竞争力的函数优化算法.(本文来源于《软件学报》期刊2010年05期）
陈皓,崔杜武[3]（2010）在《族群进化算法的选择机制》一文中研究指出针对改进族群进化算法(EGEA)中对族群模式的有效采样问题,提出以竞争指数为选择指标的常规选择、以族群为选择单位的常规选择以及基于竞争指数的模拟退火排序选择3种选择机制,并通过多维函数优化问题进行实验分析,结果表明3种选择机制都能够在一定程度上提高EGEA的搜索效率,且基于竞争指数的模拟退火排序选择算子的实现更简便,对EGEA综合性能的提高也更明显。(本文来源于《计算机工程》期刊2010年03期）
陈皓[4]（2009）在《族群进化算法及其在全局函数优化和电力经济负荷分配中的应用研究》一文中研究指出电力经济负荷分配问题(economic load dispatch,简称ELD)是电力系统运营中面临的一类优化问题。由于该问题可归为一类高维、非线性、多约束的函数优化问题,因此寻找一种高效的函数优化算法成为了求解这类问题的关键。进化算法(evolutionary algorithms,简称EAs)是一种模拟自然进化过程的全局优化方法,实践证明EA是一种有效的函数优化算法,但其收敛速度慢,容易早熟等缺点严重影响着EA的实用效果。本文通过引入族群进化的思想和方法,设计了一种新的进化算法-族群进化算法(ethnic group evolution algorithm,简称EGEA)。通过对大量无约束最优化问题和约束最优化问题的优化实验证明EGEA具有较好的搜索效率和抗早熟能力,是一种有效的函数优化算法。在此基础上,本研究成功将EGEA应用到了电力经济负荷分配中。主要工作包括以下内容：提出了族群进化的基本概念和方法,并首先从二进制编码这个角度来尝试进行族群聚类,实现了一种族群进化算法-EGEA/Binary。该算法使用竞争指数作为评估个体价值的指标,并基于族群组织来控制群体的繁殖过程,同时利用族群的分类能力来筛选典型个体并挖掘蕴含于其中的经验性知识。族群的繁殖和自学习过程形成了一种互补的进化模式,本研究称之为双轨协同进化机制。通过对18个各种类型UCOP的优化实验表明EGEA/Binary不仅是可行的,而且是有效的。由于EGEA/Binary具有特殊的群体结构,常规的选择方式并不完全适合于EGEA/Binary的迭代过程,因此提出了一种基于竞争指数的模拟退火排序选择算子,通过对12个高维UCOP的优化实验证明该算子是一种适合于EGEA/Binary的选择模式,它不仅易于操作而且能够在保证EGEA/Binary收敛稳定性的同时显着提高该算法的收敛速度。通过分析交叉点规模对交叉算子空间搜索能力的影响,发现随群体状态的演变交叉算子对交叉点规模的选择是一个需要动态优化的过程。针对此问题提出了使用分阶段调整策略、随机分配策略以及白适应进化策略叁种方法来对交叉点规模进行动态调控,并提出利用自适应进化策略来发现交叉点规模控制知识,而将产生的知识应用于随机分配策略中作为实际应用的方法。对多个UCOP的实验也证明了这种交叉模式的优越性能。将这种交叉模式应用于EGEA/Binary的实验结果显示,它能够显着提高EGEA/Binary的搜索效率。针对二进制编码的缺陷提出将族群进化机制扩展到基于实数编码的进化算法,并设计了一种利用层次聚类过程针对实数编码个体进行的族群聚类方法,同时实现了另一种族群进化算法-EGEA/Hierarchic。使用10个高维UCOP和6个混合函数以及13个标准COP来测试EGEA/Hierarchic的性能,实验结果与权威文献中其它典型算法实验数据的比较显示EGEA/Hierarchic是一种有竞争力的函数优化算法。提出应用EGEA/Binary与EGEA/Hierarchic两种有效的EGEA来求解ELD问题,并对IEEE的3机6母线系统、3机系统、6机系统、15机系统以及20机系统5个仿真系统进行了测试实验。在对IEEE的3机6母线系统和20机系统的实验中,EGEA/Binary与EGEA/Hierarchic搜索到的结果非常接近于现有文献中的最佳结果,而对IEEE的3机系统、6机系统、15机系统这叁个的优化结果则要优于已报道的最佳结果。综合以上实验结果,可以说EGEA是一种对ELD问题非常有效的优化方法。(本文来源于《西安理工大学》期刊2009-08-01）
陈皓,崔杜武[5]（2009）在《Gray编码对族群进化算法性能的改进》一文中研究指出族群进化算法(EGEA)利用族群机制进行群体结构调控。在基于二进制编码的群体中,个体间编码的差异性被作为族群聚类的标准。由于自然二进制编码所存在的Hamming悬崖问题易影响族群聚类的准确性,从而降低EGEA的搜索效率,因此提出利用Gray编码连续个体间编码只有一位不同的特点来改进族群聚类的精度。针对典型多维函数的仿真实验表明,基于Gray编码的族群聚类过程可显着提高EGEA的收敛速度和解的精度。(本文来源于《计算机应用》期刊2009年01期）
陈皓,崔杜武,崔颖安,陶永芹[6]（2008）在《族群进化算法的经验学习机制》一文中研究指出族群是依据个体编码特征的相似性对群体进行分类后形成的一种群体结构化组织,基于该机制形成了一种新的进化模型—族群进化算法(ethnic group evolution algorithm,EGEA)。族群机制可有效调控群体结构,协调算法的全局搜索和局部搜索时间,同时利用其所具有的分类能力也可方便地获取群体中的典型个体。设计了族群的经验学习机制来挖掘蕴含于群体中的进化经验知识,并利用这些知识来引导群体的搜索,提高EGEA的收敛速度。仿真实验表明族群的经验学习机制不仅是可行的而且是有效的,它显着提高了EGEA的搜索效率。(本文来源于《计算机工程与应用》期刊2008年29期）
族群进化算法论文开题报告
（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：
借鉴人类学研究中族群的概念以及以族群为视角来分析群体的结构及其演变趋势的方法,提出了一种简单、有效的群体结构调控技术——族群机制.设计了针对二进制编码方式的族群分类方法,并基于该族群结构形成了具有双轨协同进化特征的族群进化算法以及相应的族群算子.针对高维函数和复杂混合函数的数值优化实验表明,族群进化机制可以显着提高群体的抗早熟能力和搜索效率,与其他典型算法的对比也表明,族群进化算法是一种具有竞争力的函数优化算法.
（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。
族群进化算法论文参考文献
[1].陈皓,潘晓英,崔杜武.求解约束函数优化问题的族群进化算法[J].计算机应用.2011
[2].陈皓,崔杜武,崔颖安,陶永芹,梁琨.族群进化算法[J].软件学报.2010
[3].陈皓,崔杜武.族群进化算法的选择机制[J].计算机工程.2010
[4].陈皓.族群进化算法及其在全局函数优化和电力经济负荷分配中的应用研究[D].西安理工大学.2009
[5].陈皓,崔杜武.Gray编码对族群进化算法性能的改进[J].计算机应用.2009
[6].陈皓,崔杜武,崔颖安,陶永芹.族群进化算法的经验学习机制[J].计算机工程与应用.2008