导读:本文包含了单染色体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:多旅行商问题,时间窗口,编码,多染色体遗传算法
单染色体遗传算法论文文献综述
叶多福,刘刚,何兵[1]（2019）在《一种多染色体遗传算法解决多旅行商问题》一文中研究指出建立带时间窗口的多旅行商问题模型,设计旅行商数量和旅行时间总和主次两个目标函数,设计一种多染色体编码的编码方式,开发复杂突变算子树进化操作,克服了传统遗传算法搜索空间大的问题。仿真比较了算法的性能,仿真结果表明带复杂突变树的多染色体遗传算法均衡了旅行商数量与旅行时间总和两个目标函数,提高了算法的运行速度,减少旅行时间总和15.8%。(本文来源于《系统仿真学报》期刊2019年01期）
陈呈频,韩胜军,鲁建厦,陈青丰,王成[2]（2018）在《多车场与多车型车辆路径问题的多染色体遗传算法》一文中研究指出针对目前多车场、多车型车辆路径问题存在的求解效率低和解的质量差等不足,建立了该问题的整数规划模型,提出了多染色体遗传算法,统一了多车场、多车型问题与传统单车场、单车型问题的求解算法。通过算例对多染色体遗传算法进行了实验,并将其与传统算法进行了对比分析。实验表明,该算法不仅呈现出搜索效率高和收敛速度快的特点,而且解的质量和稳定性高,从而验证了算法的有效性和实用性。(本文来源于《中国机械工程》期刊2018年02期）
韩胜军[3]（2017）在《多车场多车型车辆路径问题的多染色体遗传算法》一文中研究指出随着社会经济的快速发展,拥有多个车场多种车型的大规模物流运输企业甚至企业联盟正在快速兴起,仅考虑一个车场、一种车型的基本车辆路径问题已经不能跟上社会发展的需要,多车场多车型车辆路径问题亟待解决。但是,由于含有“多车场”与“多车型”两个重要的约束条件,原本就复杂的车辆路径问题变得更加难以处理。针对这一难题,以提高多车场多车型车辆路径问题的求解效率和解的质量为目标,建立了该问题的数学模型,并重点设计了求解该问题的多染色体遗传算法,对求解多约束条件下的车辆路径问题展开了探索性的研究。论文的主要研究内容如下:(1)对多车场多车型车辆路径问题作了基本描述,确定了该问题的优化目标和约束条件,变量采用叁角标形式表示,建立了与之相应的车辆流数学模型。(2)针对多车场多车型车辆路径问题及其数学模型,设计了有别于传统遗传算法的多染色体遗传算法,详细阐述了该算法的几个特点,并给出了该算法的具体实现步骤。(3)通过多组算例实验对多染色体遗传算法的有效性及可行性进行了验证,并通过与传统遗传算法的对比实验展开对多染色体遗传算法性能的检验工作。实验表明,多染色体遗传算法在求解多车场多车型车辆路径问题时,不仅呈现出搜索效率高和收敛速度快的特点,而且解的质量和稳定性高,从而验证了该算法的有效性和实用性。本研究是组织优化技术与人工智能领域的交叉与结合,为解决多车场多车型车辆路径问题这一热点和难点问题进行了有益的探索。论文的研究成果是对遗传算法的扩展延伸,还可以应用于更广阔的多约束车辆路径问题。(本文来源于《浙江工业大学》期刊2017-05-01）
杨朝兴,李思坤,王向朝[4]（2016）在《基于多染色体遗传算法的像素化光源掩模优化方法》一文中研究指出提出了一种基于多染色体遗传算法(GA)的像素化光源掩模优化(SMO)方法。该方法使用多染色体遗传算法,实现了像素化光源和像素化掩模的联合优化。与采用矩形掩模优化的单染色体GASMO方法相比,多染色体GASMO方法具有更高的优化自由度,可以获得更优的光刻成像质量和更快的优化收敛速度。典型逻辑图形的仿真实验表明,多染色体方法得到的最优光源和最优掩模的适应度值比单染色体方法小7.6%,提高了光刻成像质量。仿真实验还表明,多染色体方法仅需132代进化即可得到适应度值为5200的最优解,比单染色体方法少127代,加快了优化收敛速度。(本文来源于《光学学报》期刊2016年08期）
陈新宇,龚华炜,臧晓冬,陈俊基[5]（2015）在《可变长染色体遗传算法在乘用车物流运输规划中的应用》一文中研究指出针对整车物流中的乘用车物流运输规划问题,提出了基于可变长染色体改进遗传算法的优化算法。首先建立了基于乘用车装载方式约束条件的优化模型,然后通过选定约束条件建立的罚函数以及半定量运输成本的目标函数,设计了可变长染色体的遗传算法;最后通过Matlab编程求解得到了优化的运输装载方案。优化的运输装载方案可为物流公司整车物流方案制订提供科学参考依据,对整车物流配送具有实用性意义。(本文来源于《物流技术》期刊2015年12期）
赵明渊,唐勇,傅翀,周明天[6]（2010）在《基于带特征染色体遗传算法的支持向量机特征选择和参数优化》一文中研究指出鉴于支持向量机特征选择和参数优化对其分类准确率有重大的影响,将支持向量机渐近性能融入遗传算法并生成特征染色体,从而将遗传算法的搜索导向超参数空间中的最佳化误差直线.在此基础上,提出一种新的基于带特征染色体遗传算法的方法,同时进行支持向量机特征选择和参数优化.在与网格搜索、不带特征染色体遗传算法和其他方法的比较中,所提出的方法具有较高的准确率、更小的特征子集和更少的处理时间.(本文来源于《控制与决策》期刊2010年08期）
王美华,田绪红,廖鸿翔[7]（2009）在《求解广义旅行商问题的混合染色体遗传算法》一文中研究指出提出了针对广义旅行商问题(GTSP)的混合染色体遗传算法(HCGA)。目前,广义染色体遗传算法(GCGA)是求解GTSP问题的最好方法,但这种方法在编码设计上存在不足,使得算法全局搜索能力较差。在GCGA算法基础上,设计了二进制和整数混合编码的染色体,并更新了交叉和变异算子设计,得到改进算法HCGA。理论和实验结果都说明:HCGA比GCGA等多种算法具有更强的全局搜索能力。(本文来源于《计算机工程与应用》期刊2009年27期）
郭华芳,刘海利,李海生,张严林[8]（2009）在《用变长度染色体遗传算法优化加工路径的方法》一文中研究指出加工路径优化问题属于一类特殊的旅行商问题(TSP),针对此问题将加工路径细分为点、线段、曲线段及闭合曲线等加工要素,并提出一种基于变长度染色体遗传算法的优化方法。该方法将每个点编码为一个二元组用以表示各种加工要素,其交叉和变异操作能对一些线进行分割和合并,使加工路径能得到更大程度的优化。仿真结果表明,该方法具有良好的优化效果,可以显着地缩短辅助运动路径的长度。(本文来源于《计算机工程与应用》期刊2009年06期）
张振宇,谢晓尧[9]（2008）在《基于遗传算法的感知无线电染色体遗传研究》一文中研究指出源于生物进化原理的遗传算法,可以利用优胜劣汰遗传机制演化得到系统最优参数。通过对感知循环、遗传算法进行讨论,针对感知无线电提出了基于遗传算法的感知无线电基因与感知无线电染色体。用不同的适应率要求对感知无线电遗传算法案例进行求解,并对案例生成的不同解进行了讨论。通过对案例的研究,分析了Rieser基于遗传算法的感知无线电引擎模型的局限,提出了今后研究的思路。(本文来源于《计算机工程与设计》期刊2008年15期）
王勇华,滕少华[10]（2008）在《基于染色体遗传规律的遗传算法》一文中研究指出给出了一种基于染色体遗传规律的二进制遗传算法——在编码中,对个体进行成对等位基因编码,同时把个体的所有基因分成一定数量的染色体(基因片断);在交叉中,从父代中随机抽取染色体组成新的个体;在变异中,应用染色体基因交换;在求适应度时,以一对等位基因"或"的结果作为计算该基因适应度值时的依据。对两个较复杂的测试函数实验结果表明,该方法具有进化代数少、收敛率高的特点,其性能明显优于标准遗传算法。(本文来源于《计算机应用与软件》期刊2008年06期）
单染色体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：
针对目前多车场、多车型车辆路径问题存在的求解效率低和解的质量差等不足,建立了该问题的整数规划模型,提出了多染色体遗传算法,统一了多车场、多车型问题与传统单车场、单车型问题的求解算法。通过算例对多染色体遗传算法进行了实验,并将其与传统算法进行了对比分析。实验表明,该算法不仅呈现出搜索效率高和收敛速度快的特点,而且解的质量和稳定性高,从而验证了算法的有效性和实用性。
（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。
单染色体遗传算法论文参考文献
[1].叶多福,刘刚,何兵.一种多染色体遗传算法解决多旅行商问题[J].系统仿真学报.2019
[2].陈呈频,韩胜军,鲁建厦,陈青丰,王成.多车场与多车型车辆路径问题的多染色体遗传算法[J].中国机械工程.2018
[3].韩胜军.多车场多车型车辆路径问题的多染色体遗传算法[D].浙江工业大学.2017
[4].杨朝兴,李思坤,王向朝.基于多染色体遗传算法的像素化光源掩模优化方法[J].光学学报.2016
[5].陈新宇,龚华炜,臧晓冬,陈俊基.可变长染色体遗传算法在乘用车物流运输规划中的应用[J].物流技术.2015
[6].赵明渊,唐勇,傅翀,周明天.基于带特征染色体遗传算法的支持向量机特征选择和参数优化[J].控制与决策.2010
[7].王美华,田绪红,廖鸿翔.求解广义旅行商问题的混合染色体遗传算法[J].计算机工程与应用.2009
[8].郭华芳,刘海利,李海生,张严林.用变长度染色体遗传算法优化加工路径的方法[J].计算机工程与应用.2009
[9].张振宇,谢晓尧.基于遗传算法的感知无线电染色体遗传研究[J].计算机工程与设计.2008
[10].王勇华,滕少华.基于染色体遗传规律的遗传算法[J].计算机应用与软件.2008