导读:本文包含了混合双种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:柔性作业车间调度,遗传算法,双种群,全局搜素
混合双种群遗传算法论文文献综述
程子安,童鹰,申丽娟,于帅帅,李明[1]（2016）在《双种群混合遗传算法求解柔性作业车间调度问题》一文中研究指出针对柔性作业车间调度问题(FJSP),提出一种改进的双种群混合遗传算法,其中一个种群侧重全局搜索,另一个种群负责局部搜索。采用基于工序与基于机器相结合的编码机制,提出一种初始种群产生方法,提高初始种群的多样性;通过交换精英个体的方式实现两个种群间的协同优化,提高算法的精度和收敛速度。对比仿真结果验证了该算法求解FJSP问题的有效性。(本文来源于《计算机工程与设计》期刊2016年06期）
胡云清[2]（2015）在《基于双种群混合遗传算法的车辆调度问题研究》一文中研究指出车辆路径优化问题影响着企业的生存发展,对于企业至关重要。传统遗传算法容易陷入局部最优解,算法求解性能有待改善。针对该问题,文章提出了求解车辆路径优化问题的双种群混合遗传算法。算法在进化过程中采用两个遗传种群,分别选取不同的交叉和变异概率进行遗传操作。在每一次迭代结束时,将两个种群中的优秀个体进行互换,打破种群间的平衡。同时,为了提高种群质量,文章还采用2-opt算子对种群中的最优个体进行了优化。仿真实验表明,文章所提的算法具有更好的求解性能。(本文来源于《物流科技》期刊2015年10期）
何昌武[3]（2013）在《双种群混合遗传算法的研究及应用》一文中研究指出GA是一种自适应全局搜索算法,它以个体为基本搜索单位,模拟物种进化过程进行搜索。它通过编码技术将问题空间转换为个体编码,将适应度函数取代目标函数作为个体优劣的衡量标准,把对问题的求解过程转换成对最优适应度个体的搜索过程。算法不依赖于问题本身的特性,通过选择操作,种群一直朝着最优解的方向不断进化,体现出较高的自适应性,这就使得遗传算法在很多领域有着广泛的应用。遗传算法以种群为单位进行搜索,个体进化具有很高的独立性,每个个体进化过程就是对问题解的一个独立搜索过程,可以说,遗传算法是一种以种群规模大小为并行规模的隐藏式并行算法,使得遗传算法具有较强的全局搜索能力,然而,缺乏局部搜索能力的遗传算法,在对实际问题进行求解时缺乏收敛力度,往往在进化很多代之后,也无法精确收敛于最优解。造成这种现象的另一个原因是种群在进化到中后期时,种群间的相似度会不断提高,种群进化当中出现大量的近亲繁殖现象,种群多样性被破坏,从而使得算法收敛于局部最优解或最优解附近。本文根据遗传算法本身存在的缺陷,提出了双种群混合遗传算法DPHGA,通过构造双种群并行进化,保证种群多样性,避免种群近亲繁殖,提高算法效率。将局部优化算法加入遗传算法当中,构造混合遗传算法,在保证遗传算法全局搜索能力的同时,增强局部搜索能力。DPHGA算法是以遗传算法为框架的混合式算法,算法能够通过不同编码方式,应用于对不同的实际问题的求解,本文研究内容包括两个部分：1.无约束函数优化部分,为研究便利,本章选择双决策变量多模态的无约束函数优化问题作为研究对象。采用扩展性和可操作性非常强的二进制编码方式进行编码,通过随机匹配复制原则构造双种群,并采用改进的随机联赛选择算子,保证种群多样性的同时,能有效提高交叉操作的效率,交叉操作和变异操作均根据问题特性进行设计,加入模拟退火算法以提高DPHGA算法的局部搜索能力。最后,对3个国际算例的测试结果与文献对比,证实了DPHGA算法具有较强的收敛能力与精确度。2. VRPTW部分,针对带时间窗车辆路径问题,先对约束进行处理,对载重约束,在解码部分通过贪婪算法进行处理,而对时间窗约束,则通过惩罚函数法进行处理,优化处理仍采用DPHGA算法。首先对所有客户进行编号,采用自然数编码方式对配送的所有客户进行编码,并针对编码的不同,设计出不同的交叉变异算子,在变异算子中加入2-opt算法思想,取代模拟退火算法作为局部搜索算法,增强算法的局部搜索能力。最后,为进一步保证种群的多样性,算法加入重生策略,将种群中相同个体进行重生操作。算法通过对2个VRPTW常用算例进行测试,测试结果优于文献中算法。(本文来源于《广西大学》期刊2013-11-01）
苏畅[4]（2013）在《基于双种群并行遗传算法的混合流水线优化》一文中研究指出电子商务在服务行业中占据重要地位。而对其运营中心的管理和流程优化成为了各电商企业越来越关注的课题之一。在运营中心,逆向物流部门的响应速度和工作质量是影响客户体验及运营成本的重要因素。本文的研究背景为某电子商务企业(下面简称为A公司)的运营中心逆向物流部门的精益改善项目,项目目标是实现整组工位的均衡化生产。目前该部门流水线及各工位存在严重的“时忙时闲”现象,导致整组效率的提升困难。现欲利用流水线工位布局改善,合理分配作业元素和改进配送站预约到货时间等手段,实现消除“瓶颈工位”,均衡化生产,最终提升效率,即缩短加工总时长的目的。论文结合精益生产理论的优化成果,利用混合流水线均衡原理建立多层目标模型,同时采用双种群遗传算法原理对粗粒度并行遗传算法进行改进后,对模型进行求解。在研究背景方面：以逆向物流部门退货流水线为研究对象。研究涉及产品种类多样,同时其自主制定预约配送计划的能力有利于全面考虑不同种类产品的投产排序计划对流水线均衡生产的影响；在研究方法方面：本文结合定性和定量的研究方法,不仅针对“瓶颈工位”问题改善了现场布局,同时针对混合流水线平衡模型求解得到最优的作业元素分配方案以及产品投产排序方案；在模型建立方面：通过目标分离和子种群独立进化手段,避免了传统多目标求解时权重设置带来的主观性弱点；在算法、编程方面：借鉴双种群遗传算法的优化原理及粗粒度并行的优化思想,旨在克服传统遗传算法的全局收敛性差及搜索速度慢的缺陷；在数值试验方面：首先,通过五种运行原理的结果比较,对本文提出的“多目标轮换”原理性能进行评价。然后探究了种群规模、繁衍代数等参数对结果的影响,最后,寻求并对最优解集进行验证。(本文来源于《大连海事大学》期刊2013-05-20）
来卫国,李鸥,季中恒[5]（2008）在《用双种群混合遗传算法求解最优QoS划分问题》一文中研究指出在取决于性能的价格机制下,最优QoS划分用于沿路由路径最优化地分配QoS参数值,以使得通信总费用最小。提出了求解最优QoS划分问题(OPQ问题)的双种群混合遗传算法。该算法充分利用了遗传算法的全局搜索优势和模拟退火算法的局部搜索优势,并且两个相互独立的子群体周期性的交流最优染色体,进一步提高了性能。仿真结果表明了该算法的有效性。(本文来源于《计算机工程与应用》期刊2008年03期）
混合双种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：
车辆路径优化问题影响着企业的生存发展,对于企业至关重要。传统遗传算法容易陷入局部最优解,算法求解性能有待改善。针对该问题,文章提出了求解车辆路径优化问题的双种群混合遗传算法。算法在进化过程中采用两个遗传种群,分别选取不同的交叉和变异概率进行遗传操作。在每一次迭代结束时,将两个种群中的优秀个体进行互换,打破种群间的平衡。同时,为了提高种群质量,文章还采用2-opt算子对种群中的最优个体进行了优化。仿真实验表明,文章所提的算法具有更好的求解性能。
（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。
混合双种群遗传算法论文参考文献
[1].程子安,童鹰,申丽娟,于帅帅,李明.双种群混合遗传算法求解柔性作业车间调度问题[J].计算机工程与设计.2016
[2].胡云清.基于双种群混合遗传算法的车辆调度问题研究[J].物流科技.2015
[3].何昌武.双种群混合遗传算法的研究及应用[D].广西大学.2013
[4].苏畅.基于双种群并行遗传算法的混合流水线优化[D].大连海事大学.2013
[5].来卫国,李鸥,季中恒.用双种群混合遗传算法求解最优QoS划分问题[J].计算机工程与应用.2008