导读:本文包含了精英保留论文开题报告文献综述及选题提纲参考文献，主要关键词:数值优化,遗传算法,爆炸算子,精英保留策略
精英保留论文文献综述
罗凤鸣,吕方林,侯宗琰[1]（2018）在《基于精英保留策略与爆炸算子的改进遗传算法》一文中研究指出针对标准遗传算法(standard genetic algorithm,SGA)应用于数值优化存在收敛缓慢、易陷入局部优解和精度低等问题,提出一种具有爆炸算子的改进遗传算法(FGA)。引入爆炸算子(fire algorithm,FA),通过局部最优解集爆炸产生新个体以弥补SGA算法寻优过程中种群多样性不足的缺陷,从而提高算法在解析域的全局搜索能力;加入精英保留策略使每代中的最优个体都能得以保留,避免交叉和变异操作遗失全局最优解。为验证算法的优化性能,选用4个经典测试函数对SGA与FGA这2种算法的优化性能进行对比,算例结果表明,本文所提算法具有更好的全局搜索能力、收敛性能以及计算精度。(本文来源于《西华大学学报(自然科学版)》期刊2018年03期）
张超[2]（2018）在《基于t-分布精英保留机制的花朵授粉算法》一文中研究指出针对花朵授粉算法收敛精度不高,算法迭代后期收敛速度慢的缺陷,从全局搜索和局部搜索两个方面对算法进行改进。首先,在全局搜索时引入基于t-分布的精英概率保留机制,该策略通过设置一个精英概率保留参数,控制部分最优解信息能够保留进入到下一次迭代,并使用t-分布算子对保留的最优解的各维度实施扰动变异。其次,在算法的局部搜索时,使用高斯变异代替原算法的随机数扰动变异,提升局部搜索的稳定性。仿真实验结果表明,改进的算法比基本花朵授粉算法,在收敛精度和收敛速度上有提升,从而说明改进策略的可行性。(本文来源于《安徽理工大学学报(自然科学版)》期刊2018年03期）
卞京红,任雪婷[3]（2016）在《基于精英保留机制的花授粉算法》一文中研究指出花授粉算法融合了蝙蝠算法以及布谷鸟算法的优点,从而具有参数少、进化过程简单易控制等优点.但是花授粉算法同时也存在收敛速度慢,易陷入局部极小等不足,针对这些不足,将精英保留机制应用到花授算法中,提出了一种改进的花授粉算法.通过进行数值实验来验证改进后的花授粉算法的性能.实验结果表明,基于精英保留机制的改进花授粉算法具有比花授粉算法收敛速度更快、寻优精度更好等优点.(本文来源于《哈尔滨商业大学学报(自然科学版)》期刊2016年03期）
刘健,李京航,柏小丽[4]（2015）在《基于精英保留策略遗传算法的配电网无功优化》一文中研究指出在分析配电网无功优化必要性和特点的基础上,以有功网损与节点电压偏差之和最小为目标函数对配电网进行无功优化。采用精英保留策略对传统遗传算法进行改进,按电容器组数进行整数编码对无功优化模型求解。IEEE33节点系统仿真结果表明,所提该方法能稳定收敛,降低网损,能为实际优化提供参考。(本文来源于《电气技术》期刊2015年04期）
魏民,杨明磊,钱锋[5]（2015）在《带有精英保留机制的混合差分化学反应算法》一文中研究指出传统智能算法在求解复杂的带有多峰特点的优化问题时,由于其计算量和变异方式的限制很容易陷入局部最优,并且不具备跳出局部最优进行二次搜索等能力。针对这一问题,本文提出了混合差分的化学反应算法,在利用化学反应算法(CRO)良好的全局搜索能力的同时,使用差分变异策略来加强算法的计算精度。对于优秀分子可能在反应中被消耗掉的现象,有针对性地加入了精英保留机制来保持种群的优良。本文选取了CEC2005中的测试函数,特别是几个带有多峰特点的复杂测试函数来分析改进算法的各项性能,并与几个改进的智能算法进行了对比实验。最终验证改进算法在提高计算精度和全局搜索能力两方面具有良好的效果。(本文来源于《化工学报》期刊2015年01期）
魏民,杨明磊,钱锋[6]（2014）在《带有精英保留机制的混合差分化学反应算法》一文中研究指出传统智能算法在求解复杂的带有多峰特点的优化问题时,由于其计算量和变异方式的限制很容易陷入局部最优,并且不具备跳出局部最优进行二次搜索等能力。针对这一问题,本文提出了混合差分的化学反应算法,在利用化学反应算法(CRO)良好的全局搜索能力的同时,使用差分变异策略来加强算法的计算精度。对于优秀分子可能在反应中消耗掉的现象,有针对性的加入了精英保留机制来保持种群的优良。本文选取了CEC2005中的测试函数,特别是几个带有多峰特点的复杂测试函数来分析改进算法的各项性能,并与几个改进的智能算法进行了对比实验。最终验证了改进算法在保证了计算精度的同时,拥有良好的全局搜索能力。(本文来源于《第25届中国过程控制会议论文集》期刊2014-08-09）
巴海涛,史超[7]（2010）在《基于精英保留遗传算法的飞行器航路规划》一文中研究指出将精英保留遗传算法的基本原理与飞行器航路规划问题相结合,通过采用变长实值基因编码以及特定的遗传算子,使得规划算法可以有效地处理各种航路约束条件,从而求解最优飞行航路。(本文来源于《指挥控制与仿真》期刊2010年04期）
喻寿益,邝溯琼[8]（2010）在《保留精英遗传算法收敛性和收敛速度的鞅方法分析》一文中研究指出论文引入鞅方法取代传统的马尔科夫链理论,研究保留精英遗传算法(EGA)的收敛条件和收敛速度.通过把EGA的最大适应值函数过程描述为下鞅,基于下鞅收敛定理构造使算法满足几乎处处收敛的充分条件,分析了概率1收敛充分条件与算法操作参数的关系,并计算了EGA获得全局最优解所需的最大进化代数.使用鞅方法分析遗传算法收敛性具有独特的优势,成为分析遗传算法收敛性及其性能的新方法.(本文来源于《控制理论与应用》期刊2010年07期）
王胜兵,张鹏飞[9]（2010）在《一种利用精英保留改进的量子遗传算法》一文中研究指出针对量子遗传算法的"早熟"现象,在多峰值函数的寻优中,提出了基于精英的量子遗传算法。该算法不仅考虑函数值与当前最优值的关系,还考虑函数值所对应的自变量与当前最优值所对应自变量的关系。仿真实验表明,该算法对于多峰值函数具有很好的寻优能力。(本文来源于《海军工程大学学报》期刊2010年01期）
关继波[10]（2006）在《基于多模态免疫进化和遗传精英保留优化算法的研究》一文中研究指出多目标优化问题在社会经济、管理、军事和人文等领域应用的非常广泛。传统的多目标优化方法,很有局限性,往往只能搜索到局部解,而得不到全局最优解。进化算法是一种模拟自然进化的随机优化算法。它搜索最优解的速度快且具有一般性,易于应用。大量事实表明进化算法的机理最适合求解多目标优化问题。遗传算法和免疫算法是进化算法中应用非常多的两种算法。遗传算法具有智能型、全局收敛性、鲁棒性强等优点。免疫系统是一种高度并行的分布式、自适应信息处理学习系统。免疫系统的记忆功能、识别功能、特征提取功能、动态保护、自我调节功能等等,有着很好的应用价值。这两种算法能有效地克服其他算法中的早熟现象、群体多样性不足及搜索速度慢等问题。本文将免疫机制中的亲和度不同的抗体具有不同变异率的思想与优育子群迁徙思想结合起来,设计并实现了一个多模态免疫遗传优化算法。算法主要包括超变异、正选择、记忆抗体产生、优育抗体产生、细胞相似抑制、整理算子。并且对四个不同函数进行测试,将其与其他算法进行比较,验证了算法的完全收敛性结论与求解多模态问题的有效性,搜索性能好,计算量小等优点。(本文来源于《哈尔滨工业大学》期刊2006-06-01）
精英保留论文开题报告
（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：
针对花朵授粉算法收敛精度不高,算法迭代后期收敛速度慢的缺陷,从全局搜索和局部搜索两个方面对算法进行改进。首先,在全局搜索时引入基于t-分布的精英概率保留机制,该策略通过设置一个精英概率保留参数,控制部分最优解信息能够保留进入到下一次迭代,并使用t-分布算子对保留的最优解的各维度实施扰动变异。其次,在算法的局部搜索时,使用高斯变异代替原算法的随机数扰动变异,提升局部搜索的稳定性。仿真实验结果表明,改进的算法比基本花朵授粉算法,在收敛精度和收敛速度上有提升,从而说明改进策略的可行性。
（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。
精英保留论文参考文献
[1].罗凤鸣,吕方林,侯宗琰.基于精英保留策略与爆炸算子的改进遗传算法[J].西华大学学报(自然科学版).2018
[2].张超.基于t-分布精英保留机制的花朵授粉算法[J].安徽理工大学学报(自然科学版).2018
[3].卞京红,任雪婷.基于精英保留机制的花授粉算法[J].哈尔滨商业大学学报(自然科学版).2016
[4].刘健,李京航,柏小丽.基于精英保留策略遗传算法的配电网无功优化[J].电气技术.2015
[5].魏民,杨明磊,钱锋.带有精英保留机制的混合差分化学反应算法[J].化工学报.2015
[6].魏民,杨明磊,钱锋.带有精英保留机制的混合差分化学反应算法[C].第25届中国过程控制会议论文集.2014
[7].巴海涛,史超.基于精英保留遗传算法的飞行器航路规划[J].指挥控制与仿真.2010
[8].喻寿益,邝溯琼.保留精英遗传算法收敛性和收敛速度的鞅方法分析[J].控制理论与应用.2010
[9].王胜兵,张鹏飞.一种利用精英保留改进的量子遗传算法[J].海军工程大学学报.2010
[10].关继波.基于多模态免疫进化和遗传精英保留优化算法的研究[D].哈尔滨工业大学.2006