导读:本文包含了分布度保持论文开题报告文献综述及选题提纲参考文献，主要关键词:多目标遗传算法,多样性,时间复杂度,分布度
分布度保持论文文献综述
曾映兰,邝达,郑金华[1]（2008）在《一种基于极坐标的分布度保持策略》一文中研究指出将极坐标的思想引入多目标遗传算法来保持解的多样性,由此提出了一种新的多目标遗传算法:PCGA2(Polar Coordinates Genetic Algorithms Ⅱ);分析了基于极坐标的分布度保持策略的时间复杂度,并通过实验将PCGA2同当前流行的两种多目标遗传算法(NSGA2和SPEA2)进行了比较。实验数据表明该算法不仅在时间耗费上比较低,而且所得到的解具有非常好的分布度。(本文来源于《计算机工程与应用》期刊2008年20期）
邝达[2]（2006）在《多目标遗传算法中解集分布度保持策略的研究》一文中研究指出由于多目标遗传算法能够通过一次运行找到一组多目标优化问题的Pareto折衷解,所以受到了国内外众多研究者的广泛关注。一个多目标遗传算法的优劣主要看叁个指标:解集收敛程度,解集分布度以及时间消耗。其中良好的解集分布度能够让决策者们从解集中选择最适合问题的解。对于如何保持解集的分布度,相关人士作了大量的研究工作,并提出了多种分布度保持策略。其中,最有代表性的是:基于适应度共享的策略,它很依赖参数的设定;基于拥挤距离的策略,它在高维问题上的解集分布度不理想;基于第k小距离的策略,它的时间复杂度很高;基于网格的策略,它的参数很难确定。在对现有的分布度保持策略的研究的基础上,本文提出了一种基于极坐标的解集分布度保持策略。它不需要设定任何参数,且时间复杂度低于O ( N 2)。为了达到使解多样化的目的,该策略通过均匀划分极角,将解的搜索空间分成若干区域,使解分布在尽量多的区域当中,且让解恰好处于每个区域的中心位置附近。在此基础上,本文进一步提出了一种新的多目标遗传算法:PCGA2。它采用了擂台法则来构造非支配集,并融合了极坐标的思想来维持解集分布度。为了测试PCGA2的性能,本文将PCGA2同NSGA2,PESA2以及SPEA2进行了实验比较,实验表明PCGA2在解集分布度和CPU时间两方面能够取得较好的结果,且其解集在基于极角的分布上具有非常好的分布度。(本文来源于《湘潭大学》期刊2006-05-01）
分布度保持论文开题报告
（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：
由于多目标遗传算法能够通过一次运行找到一组多目标优化问题的Pareto折衷解,所以受到了国内外众多研究者的广泛关注。一个多目标遗传算法的优劣主要看叁个指标:解集收敛程度,解集分布度以及时间消耗。其中良好的解集分布度能够让决策者们从解集中选择最适合问题的解。对于如何保持解集的分布度,相关人士作了大量的研究工作,并提出了多种分布度保持策略。其中,最有代表性的是:基于适应度共享的策略,它很依赖参数的设定;基于拥挤距离的策略,它在高维问题上的解集分布度不理想;基于第k小距离的策略,它的时间复杂度很高;基于网格的策略,它的参数很难确定。在对现有的分布度保持策略的研究的基础上,本文提出了一种基于极坐标的解集分布度保持策略。它不需要设定任何参数,且时间复杂度低于O ( N 2)。为了达到使解多样化的目的,该策略通过均匀划分极角,将解的搜索空间分成若干区域,使解分布在尽量多的区域当中,且让解恰好处于每个区域的中心位置附近。在此基础上,本文进一步提出了一种新的多目标遗传算法:PCGA2。它采用了擂台法则来构造非支配集,并融合了极坐标的思想来维持解集分布度。为了测试PCGA2的性能,本文将PCGA2同NSGA2,PESA2以及SPEA2进行了实验比较,实验表明PCGA2在解集分布度和CPU时间两方面能够取得较好的结果,且其解集在基于极角的分布上具有非常好的分布度。
（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。
分布度保持论文参考文献
[1].曾映兰,邝达,郑金华.一种基于极坐标的分布度保持策略[J].计算机工程与应用.2008
[2].邝达.多目标遗传算法中解集分布度保持策略的研究[D].湘潭大学.2006