导读:本文包含了记忆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:进化计算,多目标优化,动态环境,记忆方法
记忆进化算法论文文献综述
刘敏,曾文华[1]（2013）在《记忆增强的动态多目标分解进化算法》一文中研究指出现实世界中的一些多目标优化问题经常受动态环境影响而不断发生变化,要求优化算法不断地及时跟踪时变的Pareto最优解集.提出了一种记忆增强的动态多目标分解进化算法.将动态多目标优化问题分解为若干个动态单目标优化子问题并同时优化这些子问题,以便快速逼近Pareto最优解集.给出了一个改进的环境变化检测算子,以便更好地检测环境变化.设计了一种基于子问题的串式记忆方法,利用过去类似环境下搜索到的最优解来有效地响应新的环境变化.在8个标准的测试问题上,将新算法与其他3种记忆增强的动态进化多目标优化算法进行了实验比较.结果表明,新算法比其他3种算法具有更快的运行速度、更强的记忆能力与鲁棒性能,并且新算法所获得的解集还具有更好的收敛性与分布性.(本文来源于《软件学报》期刊2013年07期）
宋丹[2]（2011）在《基于自适应维度选择的记忆进化算法》一文中研究指出提出一种基于自适应选择维度的记忆进化算法。该算法设置一个叁维数组保存有用的进化信息,用于引导后续的进化过程,增强局部搜索能力,在变异过程中结合记忆信息自适应地选择维度进行变异,加强变异的有效性,当代种群中的最优个体通过自学习提高算法求解精度。标准函数仿真结果表明,该算法适合求解高维优化问题,局部收敛速度快,全局收敛能力强,算法稳定性高。(本文来源于《计算机工程》期刊2011年13期）
关守平,尹晓峰[3]（2011）在《动态环境下基于可变记忆的进化算法》一文中研究指出常规基于记忆的进化算法在动态环境中往往达不到期望的效果,这主要是由于记忆体大小的限制.为此提出了动态环境下基于可变记忆的进化算法(IMEEA),其核心思想是算法中拥有两个种群,即搜索种群和记忆种群,同时采用过度变异策略来增加种群的多样性.算法中的两个种群有最小和最大的允许长度,并且种群的大小根据进化过程的进行而不断变化.仿真结果表明,在动态环境中IMEEA算法的跟踪误差要小于常规的记忆提高进化算法(MEEA),从而证明了所提算法的有效性.(本文来源于《东北大学学报(自然科学版)》期刊2011年06期）
张晓丽[4]（2011）在《具有记忆功能的进化算法研究综述》一文中研究指出阐述了进化算法的基本原理,讨论了几种典型的算法,包括传统的遗传算法,基于免疫系统克隆选择理论的克隆选择算法,并通过分析了其记忆功能,指出可能的改进形式,展望了今后的研究重点和发展趋势。(本文来源于《信息系统工程》期刊2011年04期）
夏柱昌,刘芳,公茂果,戚玉涛[5]（2010）在《基于记忆库拉马克进化算法的作业车间调度》一文中研究指出多种群遗传算法相比遗传算法在性能上能够有所提高,但对具有较多局部最优解的作业车间调度问题,多种群遗传算法仍然难以改善易陷入局部最优解和局部搜索能力差的缺点.因此,提出了一种求解作业车间调度问题的新算法MGA-MBL(multi-population genetic algorithm based on memory-base and Lamarckian evolution for jobshop scheduling problem).MGA-MBL在多种群遗传算法的基础上通过引入记忆库策略,不但使子种群间的个体可以进行信息交换,而且有利于保持整个种群的多样性;通过构造基于拉马克进化机制的局部搜索算子来提高多种群遗传算法中子种群进化的局部搜索能力.由于MGA-MBL采用了全局寻优能力较强的模拟退火算法对记忆库中的个体进行优化,从而缓解了多种群遗传算法易陷入局部最优解的问题,并提高了算法求解作业车间调度问题的性能.对着名的benchmark数据进行测试,实验结果证实了MGA-MBL在求解作业车间调度问题上的有效性.(本文来源于《软件学报》期刊2010年12期）
刘传玉,王兆青[6]（2009）在《一种自适应免疫记忆多克隆进化算法》一文中研究指出基于免疫系统的克隆选择机制,提出一种用于函数优化的改进免疫克隆算法。该算法针对单克隆选择算法容易陷入局部最优的弱点以及算法在迭代后期易出现停止不前的现象,采用浮点编码,增加了两超变异、启发式交叉和错位交叉叁种算子;对不同的抗体群采用不同的进化方法;自适应调节变异和交叉系数及抗体的克隆数量。对叁个典型复杂函数的测试结果表明,该算法有效地克服了早熟问题,提高了全局寻优能力,收敛速度快,性能稳定。(本文来源于《浙江理工大学学报》期刊2009年01期）
吴斯,曹炬[7]（2008）在《带记忆信息的协同进化算法》一文中研究指出本文提出了一种带记忆信息的协同进化算法——将种群划分为一个子种群和多个独立的个体,协调算法的局部与全局搜索能力;独立个体中适应度最高的个体与子种群进行交叉与合并,实现种群内部的协作与更新;利用子种群内个体间的相似性,选择有代表性个体进行多次变异,发现有利于提高个体适应度的重要基因位来引导该子种群的变异行为。实验表明,本文算法能够快速找到高精度的数值解,性能稳定且易于实现。(本文来源于《计算机工程与科学》期刊2008年03期）
刘宏宇,杨军,欧建平[8]（2007）在《卫星高速数传中基于进化算法的有记忆HPA预失真技术》一文中研究指出本文根据TWT的特点提出一种基于分段线性模型的预失真方法,并应用进化算法辨识该模型。首先采用进化算法(GA+ES+LS)辨识该模型,通过GA辨识非线性分段的参数,用ES辨识分段的参数,用LS辨识LTI的参数。根据HPA老化的特点,然后把辨识出的参数作为初始值,采用简单的(ES+LS)在线辨识该模型,该方法易于高速实现,MATLAB仿真证明该方法的正确。(本文来源于《第十叁届全国信号处理学术年会（CCSP-2007）论文集》期刊2007-08-25）
郑有志,覃征,邹玲[9]（2007）在《关于进化算法记忆存储方法的探讨》一文中研究指出针对进化算法的不同个体表示,分析研究了基于进化个体或其特征的存储表示和基于进化种群的概率记忆存储表示两类存储方法。通过研制分析可以看出,有效的搜索历史记忆存储方法能很好进行数据的存储和管理。如果记忆的存储方法与进化算法的控制过程相配合,则整个进化算法会变得更加有效。(本文来源于《计算机应用研究》期刊2007年04期）
刘雪英[10]（2001）在《引入传统算子和记忆信息的进化算法》一文中研究指出本文在进化算法中加入了一个传统优化算子 ,它利用最好点的记忆信息对搜索过程进行指导 ,使之不仅具有逃离局部最优点的能力 ,而且有较快的收敛速度(本文来源于《内蒙古工业大学学报(自然科学版)》期刊2001年03期）
记忆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：
提出一种基于自适应选择维度的记忆进化算法。该算法设置一个叁维数组保存有用的进化信息,用于引导后续的进化过程,增强局部搜索能力,在变异过程中结合记忆信息自适应地选择维度进行变异,加强变异的有效性,当代种群中的最优个体通过自学习提高算法求解精度。标准函数仿真结果表明,该算法适合求解高维优化问题,局部收敛速度快,全局收敛能力强,算法稳定性高。
（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。
记忆进化算法论文参考文献
[1].刘敏,曾文华.记忆增强的动态多目标分解进化算法[J].软件学报.2013
[2].宋丹.基于自适应维度选择的记忆进化算法[J].计算机工程.2011
[3].关守平,尹晓峰.动态环境下基于可变记忆的进化算法[J].东北大学学报(自然科学版).2011
[4].张晓丽.具有记忆功能的进化算法研究综述[J].信息系统工程.2011
[5].夏柱昌,刘芳,公茂果,戚玉涛.基于记忆库拉马克进化算法的作业车间调度[J].软件学报.2010
[6].刘传玉,王兆青.一种自适应免疫记忆多克隆进化算法[J].浙江理工大学学报.2009
[7].吴斯,曹炬.带记忆信息的协同进化算法[J].计算机工程与科学.2008
[8].刘宏宇,杨军,欧建平.卫星高速数传中基于进化算法的有记忆HPA预失真技术[C].第十叁届全国信号处理学术年会（CCSP-2007）论文集.2007
[9].郑有志,覃征,邹玲.关于进化算法记忆存储方法的探讨[J].计算机应用研究.2007
[10].刘雪英.引入传统算子和记忆信息的进化算法[J].内蒙古工业大学学报(自然科学版).2001