一、一种改进的遗传算法及其应用（论文文献综述）
孙晶华[1]（2020）在《基于混合量子算法的生产车间干扰管理问题应用研究》文中进行了进一步梳理车间作业调度问题是典型的多目标组合优化问题,具有高计算复杂性和广泛的实用前景。在生产加工企业实际生产中,由于加工需求和客户需求不同等干扰事件,预期生产调度方案可能发生改变。工件加工优先级变动、加工机器发生故障等事件发生可能导致加工时间和成本增加,企业和客户满意度降低。如何降低不确定干扰事件的负面影响已成为生产领域研究的热点和亟需解决的问题。柔性作业车间调度问题是在传统作业车间调度问题的基础上摆脱了机器条件的约束,为干扰管理理论的应用奠定了基础。现有柔性作业车间调度生产方案中,常忽视急件到达干扰、加工优先级改变以及机器发生故障等事件引起的恶化效应。干扰事件发生时,由于柔性作业车间调度问题具有高计算复杂性和多目标优化的特点,传统生产调度方案很难顾及多个客户的利益需求,从而不易快速有效地生成应对干扰事件扰动的生产调度方案。本文在前景理论基础上针对干扰事件的特点,分别对考虑行为主体因素、机器故障因素以及急件插单因素等干扰问题进行了研究和分析。结合量子优化算法,对不同扰动问题的相应解决策略进行设计与探讨,通过仿真实验和实例来验证提出干扰策略的有效性、稳定性和可行性,同时选取Z汽车公司铆焊车间物料配送进行调度研究,为实际生产作业车间调度提供了有力的理论支撑和实践证明。本文主要研究内容包括:（1）多目标柔性作业车间调度干扰管理问题研究。针对生产加工过程中受到干扰事件影响导致需要变更初始调度方法的问题,结合前景理论使用一种考虑客户、企业管理者和车间工人三类行为主体对扰动感知程度的扰动度量方法,建立了同时考虑原始目标和扰动目标的多目标干扰管理模型,设计了一种改进的字典序多目标规划方法以更好地解决基于干扰管理的多目标车间调度问题。最后,结合自适应调整旋转角的量子遗传算法来求解该模型。（2）基于前景理论的机器故障干扰管理研究。在作业车间实际生产过程中会遇到机器故障、工人离岗和紧急插单等干扰事件,这些随机、动态的事件可能导致初始调度方案受到影响。本文在生产调度干扰管理中,将前景理论加入对干扰事件因素的分析,结合行为运筹学解决生产调度干扰管理问题。讨论了基于右移、局部和全局三种重调度策略,提出并实现结合运筹学理论的相应调度方法。采用改进的量子细菌觅食算法对16种重调度情景的4项响应指标进行模拟测试和分析,比较了相同情景下不同调度策略的指标值。（3）基于累积前景理论的急件到达干扰管理研究。对急件到达的的车间调度问题进行分析研究,结合累积前景理论,从成本偏离、路径偏离和累积前景值三个方面进行扰动度量,建立了以最小化急件插单完工时间、车间物流总时间和最大化序位相似性为目标的急件到达车间调度干扰管理模型。设计了一种改进遗传模拟退火算法求解该模型。最后,从生产车间物料配送的角度,以物料配送过程出现的急件到达干扰为研究对象,选取Z汽车公司铆焊车间物料配送调度进行研究,验证了本文提出的干扰策略和算法的有效性。
谷晓琳[2]（2020）在《基于改进遗传算法的柔性作业车间调度问题的应用研究》文中研究说明制造业的发展水平反映了国家的生产力水平,生产车间调度是制造系统的基础,生产调度的优化是先进制造企业和现代制造技术的核心,是实现企业的生产高效率和高可靠性的关键技术。有效的车间调度方法和优化技术,对于制造类企业实现现代化具有重要的理论和实际意义。文中对各类柔性作业车间问题（Flexible Job-shop Scheduling Problem,FJSP）进行研究和探索,结合遗传算法和粒子群优化算法,对其进行改进和融合。共设计了三个优化算法,并开发了一个柔性作业车间调度问题的原型系统,为实际生产车间的调度问题提供理论指导和技术支持。针对单目标柔性作业车间调度问题,提出改进的变邻域搜索的分层遗传算法,求解总完工时间。在算法中,染色体采用双层编码结构,采用混合方法生成初始种群;将初始种群划分为N个子种群,在每个子种群中进行改进的遗传操作,将得到的寻优结果存储在精英库中,防止最优解的丢失;在精英库中采用自适应变邻域搜索,共设计了三种不同的邻域结构,迭代过程中自适应的选择优化效果好的邻域进行下一次的搜索,促进了邻域间的竞争,使具有更优秀搜索效果的邻域方法拥有更高概率用于算法的优化。针对多目标柔性作业车间调度问题,提出改进的遗传退火算法,将总完工时间、关键机器负荷和机器总负荷三个目标采用加权和的方法,将多目标问题转换为单目标问题。算法中,交叉过程采用改进的多父代工序交叉方法,多父代生成多子代,实现了基因的重组,加快了算法的收敛速度;在交叉和变异过程中及时更新最优个体库;对变异后的最优个体库进行模拟退火操作,通过退火机制进行细化搜索,避免了遗传算法陷入局部最优。充分利用模拟退火算法与遗传算法的优点,增强了遗传算法的局部搜索能力,提高了算法的效率。针对多目标柔性作业车间调度问题,其求解总完工时间、关键机器负荷和机器总负荷三个目标的Pareto最优解,提出自适应惯性权重的离散粒子群算法。算法在进化过程中应用离散粒子群算法直接在离散域内求解下一代染色体的值,位置的更新用的是遗传算法中的交叉和变异操作;并提出了一种自适应惯性权重的方法,根据粒子当前位置与全局最优位置的距离来调整惯性权重,有效平衡了算法的全局搜索和局部搜索能力。开发针对柔性作业车间调度问题的原型系统,用于对提出的优化算法进行仿真和研究,并给出优化结果。原型系统中可以对实际的车间问题和五组国际标准算例（5个Kacem问题,10个BRdata问题,21个BCdata问题,18个DPdata问题和66个HUdata问题）进行仿真实验,对得到的仿真结果进行测试和分析,仿真结果验证了文中提出的三个优化算法是可行且有效的。最后,对全文的研究内容和创新点进行了归纳和总结,并对今后的研究方向进行了展望。
王仕文[3]（2019）在《某篮球馆钢结构桁架优化设计研究》文中提出对结构进行优化设计,除了能够降低整体结构的重量,控制项目成本,同时能够更好地保障结构的刚度与强度。桁架结构的重量相对比较轻,承受荷载的能力比较强,能合理的利用材料,提升材料的利用率。桁架结构已被广泛应用于很多实际工程。因此优化桁架的结构非常重要。传统的结构优化方法存在多种缺陷,随着科技的发展,工程实践中遇到的问题越来越复杂。传统的优化方法计算量较大,计算的结果精度较低,越来越不适合解决复杂的结构优化问题。伴随着计算机科学技术、仿生学、数学、人工智能等学科的飞速发展,人们通过研究和利用自然界中自然现象或生物体机制,提出了一些智能优化算法。智能优化算法的开发为建筑和土木工程领域结构优化设计提供了新颖的思路和高效的方法。目前在建筑和土木工程领域中,鸡群优化算法的应用还很少,本文将提出一种改进的鸡群优化算法,将改进的算法与桁架结构优化设计相结合,希望为土木工程结构优化设计提供一种新的方法和思路。鸡群优化算法的改进方法为:将混沌反向学习策略的概念引入到算法的初始化中,保证全局搜索能力;母鸡位置更新上加入偏好随机动态惯性权重因子,增强算法稳定性;再次在小鸡位置更新过程中引入惯性权重因子和学习因子,做到更好的结合全局和局部搜索,并通过边界处理预防个体出现越界;最后通过差分进化算法对算法整体个体位置优化。将改进鸡群优化算法与实际桁架结构优化设计相结合,建立桁架结构模型,设计变量为桁架结构的截面面积,目标函数为桁架结构的最小结构重量,对建立好的桁架结构模型进行结构优化分析,与其他算法和传统鸡群优化算法进行对比。结果证明改进鸡群优化算法更加有效。对优化后的桁架结构进行ANSYS有限元分析,主要包括内力分析、位移分析和优化后的模态分析,得出优化后的桁架结构满足内力要求和位移要求。与优化前的桁架结构相比,具有更好的经济性。本文的研究为结构优化设计提供了一种新颖的思路和高效的方法。
张奇松[4]（2019）在《我国国债利率期限结构与宏观因子的动态关联性研究 ——基于机器学习方法的实证分析》文中研究指明伴随着近些年来我国经济的迅猛发展,中国经济急需一个健全和稳定的金融市场作为其支撑,利率市场化是中国金融改革的重要组成部分,随着1996年利率市场化改革的开始,我国利率市场化已经取得了令人瞩目的成绩,目前正处于全面冲刺阶段。在一个由市场自主决定利率的经济环境下,央行往往利用泰勒规则来保持短期利率的稳定,进而影响长期利率,最终达到调节社会产出和通胀的目的。美国金融危机爆发后,利率期限结构对于宏观经济的影响效果进一步增强,比如2008年金融危机爆发后,美国政府为摆脱经济危机,美联储将联邦基准利率调到历史最低水平,通过“定量宽松”等手段来改变利率期限结构,进而实现其经济目标。由此可以看出,研究利率期限结构及其相关问题对分析和判断宏观经济态势及预期有着重要的学术价值和实践意义。针对利率期限结构模型的构建大致可分为静态模型和动态模型,但随着金融市场的复杂化,不管是静态模型的估计方法还是动态模型的估计方法在参数估计的精确度和算法的稳定性上都不能满足现代金融市场的需求。通过传统方法拟合出现的收益率偏差,在微观层面上使我们很难精准把握期限结构的真实变动特征,在宏观层面上也很难为政府实施精准货币政策而提供相应的实证支持。因此本文从利率期限结构的估计方法入手,对静态模型和动态模型的估计方法进行改进,提高描述利率期限结构的精确度以及估计算法的稳定性,同时在优化利率期限结构精确度的基础上,紧密结合宏观经济信息,分析利率期限结构与宏观经济因子的动态特征,进而有助于我们分析和判断宏观经济态势和预期。本文共分七章,主要做了以下五个方面的工作:第一,阐述利率期限结构的相关理论基础,并对国内外相关文献进行综述。首先较为系统的介绍利率期限结构的基础理论,理顺了其发展脉络,其次针对静态利率期限结构、动态利率期限结构以及宏观金融模型的利率期限结构的相关文献进行阐述,总结其优缺点,并指出本文相对于前人研究的创新之处。第二,关于我国国债利率期限结构的静态模型估计方法的研究。首先对国债利率期限结构静态模型进行介绍,重点介绍静态模型中常用的三次样条函数、Nelson-Siegel及其扩展形式模型,并指出基于三次样条函数的利率期限结构模型、NS模型和Svensson模型的估计方法都存在参数估计精度不高,整体拟合效果有待优化的问题。针对其问题,本文提出一种改进遗传算法,并将其应用在三次样条函数分界点的选取以及估计NS及其扩展模型的参数上。通过本文所提的改进遗传算法,可以解决传统遗传算法易陷入局部最优解的问题,从而提高整体算法的求解性能。同时利用我国国债数据进行实证分析和研究,研究结果表明利用改进遗传算法得到的静态模型不管是在样本内数据和还是样本外数据,其拟合能力都有较大的提升,同时在多项式样条函数模型中对改进算法中的相关参数进行讨论,得出相关参数的最优取值范围。第三,关于无套利Nelson-Siegel模型估计方法的研究。目前针对无套利NS模型中参数的估计,往往使用卡尔曼滤波进行估计,但在卡尔曼滤波算法中,比较依赖参数初始值的设置,同时随着参数估计数目的逐渐增多,会导致误差的均值和均方误差在迭代过程中会逐渐放大,使滤波估计的精准度下降。为此,本文提出一种改进自适应卡尔曼滤波方法,通过实证对比分析发现,基于改进自适应卡尔曼滤波估计的即期利率比基于传统卡尔曼滤波估计的即期利率更加接近于真实值,同时也能更好的描述我国国债期限结构的变动特征。最后利用改进自适应卡尔曼滤波提取模型中三个状态因子,实证发现,提取出的水平、斜率和曲率三因子与实证代理变量高度重合,并通过潜在因子与自身滞后项的相关性分析,得出水平因子代表长期利率,受到外界冲击时,受影响的持续时间较长;曲率因子的持久性高于斜率因子,但低于水平因子,代表了中期利率;而斜率因子持久性最短,波动性最大。第四,关于我国国债利率期限结构与宏观经济变量相关性的研究。本文在高斯仿射模型的基础上加入宏观经济变量,构建关于我国国债利率期限结构的宏观金融仿射模型,并借助本文所提出的改进自适应卡尔曼滤波方法对宏观金融仿射模型中的参数进行估计。重点研究经济状况、财政政策、货币政策等宏观因子和利率期限结构之间的相关性,构建基于潜在因子和宏观经济因子的无套利仿射模型,并利用我国国债利率数据及宏观经济数据进行实证研究。通过实证研究发现,财政因子和货币因子对我国国债利率期限结构有较为明显的正向冲击作用;经济状态因子对我国短期国债有较为明显的正向作用,但对长期国债的影响作用较小;通胀因子对短期期限的即期利率有正向作用,但随着期限的增加,效果逐渐减弱,甚至出现微弱的负向作用,该结论与实际经济状况一致。这是由于从2014年,中国经济增长开始放缓,而经济增长的放缓抵消了通货膨胀的增长对利率的正向冲击作用;同时潜在因子系数大于宏观经济因子系数,表明利率自身的滞后项对利率期限结构的影响大于我国宏观经济因子对利率期限结构的影响,表明我国国债收益率与宏观经济变量之间的传导机制仍然不够完善。第五,关于利率期限结构与宏观经济联系的进一步研究。由于宏观金融仿射模型中只能包含少数宏观经济变量信息,所以导致无法更为精确的反映利率期限结构与宏观经济之间的密切关联性,同时也无法得知货币政策预期对我国国债利率期限结构的影响及其传导作用。因此本文基于FAVAR模型,将更多更适合的宏观经济变量信息,包括预期货币政策和未预期货币政策指标纳入模型当中。在模型中,首先利用本文所提出的改进自适应卡尔曼滤波估计出国债即期利率期限结构,其次考察利率期限结构与关键宏观经济变量之间的动态关联性以及货币政策预期对利率期限结构的影响。实证发现,改进自适应卡尔曼滤波较传统卡尔曼滤波相比,改进自适应卡尔曼滤波在基于FAVAR形式的宏观金融模型中更加有效;宏观变量对利率期限结构的影响较为平稳,没有较大波动,而利率期限结构三因子对宏观变量的影响,波动较大,且曲率因子与宏观经济变量的动态关联与水平因子类似;经济放缓时期,宏观变量与利率期限结构之间的关联性不变,但影响效果变大,影响持续时间缩短;未预期货币政策对利率期限结构的影响程度远大于预期货币政策对于利率期限结构的影响。本文的创新之处在于:第一,提出一种改进遗传算法,考察了改进遗传算法对我国国债利率期限结构静态模型的影响。该算法首先在选择操作中加入分层机制,同时在交叉过程中改进了Srinivas提出的动态交叉概率,提出“均值邻域”的概念,根据该“均值邻域”可以更为有效的对交叉概率进行动态调整。通过两处改进,可以使种群中个体的优秀基因得到进一步保留,提高整体算法的优化效果。本文将该改进遗传算法应用到利率期限结构静态模型中的多项式样条函数模型、Nelson-Siegel和Svensson模型的相关参数估计中,提高了上述静态模型的拟合效果,得到了更为精确的国债利率期限结构。第二,对无套利动态Nelson-Siegel模型和宏观金融仿射模型的估计方法进行改进,提出一种改进自适应卡尔曼滤波方法。该算法在计算预测的均方误差操作中时增加一个指数型衰减因子,避免了在滤波过程中的易出现的滤波发散现象,进而得出更为优化的参数值,拟合出的即期利率值更加贴近实际值,并在此基础上研究利率期限结构与宏观经济变量之间的相关性。第三,利用改进自适应卡尔曼滤波对基于FAVAR形式的宏观金融模型进行估计。一般宏观金融模型,只能包含少数宏观经济变量,无法对利率期限结构和宏观经济因子的关联性进行深层次分析,本文利用FAVAR模型将包括预期货币政策和未预期货币政策在内的多种宏观变量纳入考量范围之内,不仅进一步考察利率期限结构与宏观经济因子之间的动态关联性,也考察了货币政策预期对利率期限结构的影响,同时利用改进自适应卡尔曼滤波对基于FAVAR形式的宏观金融模型中的参数进行精确估计。
赵涛岩[5]（2019）在《二型模糊系统的建模与控制》文中研究表明传统的模糊集合在表达和处理不确定性问题时具有很大的局限性,针对这一问题,美国模糊控制领域的专家Zadeh教授在其基础上进行了扩展,首次引入了二型模糊集合的概念。它是对传统的模糊集合中的隶属度值再次进行模糊化处理,使其具有三维隶属度函数特性,这样可以扩展隶属度函数及模糊推理的设计自由度,能够更好的处理不确定性复杂问题。然而,二型模糊集合的三维隶属度函数特性也带来了计算复杂、计算量过大的问题。为此,提出了区间二型模糊集合的概念,其具有易于表达、结构简单和计算成本低的特点,由其组成的系统叫做区间二型模糊系统。目前,区间二型模糊系统是二型模糊系统的研究热点问题,在很多领域得到了大量地应用。本文以区间二型模糊系统理论为基础,充分利用其处理不确定性复杂问题的优势,以乙烯裂解过程为应用背景,重点研究区间二型模糊系统在复杂工业过程中的建模与控制方面的理论和应用。本文的主要研究工作如下:（1）针对非线性系统的辨识和复杂工业过程的建模问题,提出了一种改进的区间二型模糊神经网络建模方法。在改进的算法中,网络的模糊规则前件采用区间二型模糊隶属度函数,规则后件采用Mamdani模型。在解模糊计算中,设计一种能够学习的?因子可自适应的调节降型集合的左、右端点值替代常用的均值计算方法,以此来提升系统的精度。改进的区间二型模糊神经网络由结构和参数学习构成,网络模糊规则前件参数通过自适应模糊c均值算法确定,网络规则后件参数的初值为区间随机数。改进的区间二型模糊神经网络的前件参数、后件参数和权重因子?利用一种自适应梯度下降方法进行学习和调整。最后,通过一个非线性系统辨识的例子和建立乙烯裂解炉软测量模型,验证了所提出的改进区间二型模糊神经网络的有效性。（2）针对具有不确定性的复杂非线性系统的辨识和建模问题,提出了一种具有非对称隶属度函数的自组织区间二型模糊神经网络。首先采用具有四个不同模糊化参数的模糊c均值算法对输入数据进行划分获得模糊规则的不确定均值和标准差。然后根据聚类有效性标准可以确定模糊规则数,从而自动完成区间二型模糊神经网络的结构和规则前件参数辨识。网络的规则后件部分采用Mamdani模型,后件参数的初值为区间随机数。最后,将提出的具有非对称隶属度函数的自组织区间二型模糊神经网络应用到了非线性系统辨识和乙烯裂解炉收率预测问题上。实验结果与模糊神经网络和区间二型模糊神经网络相比较,证明了提出的方法拥有更好的性能。（3）针对复杂化工过程的软测量建模问题,提出了一种基于自组织递归区间二型模糊神经网络的软测量模型。它合并了区间二型模糊系统和递归神经网络的优点,可以避免数据的不确定性带来的困扰。高斯区间二型模糊隶属度函数用来描绘网络规则的前件,网络规则后件为Mamdani类型。一种基于高斯核有效性指标的自适应最优聚类数模糊核聚类算法用来确定网络的结构和参数,网络参数采用梯度下降法进行学习。最后,提出的自组织递归区间二型模糊神经网络应用到了乙烯裂解炉收率建模中。通过实验比较提出的方法与模糊神经网络和区间二型模糊神经网络,结果表明提出的方法拥有更佳的性能。（4）乙烯裂解炉出口温度控制系统存在非线性、多变量耦合、大时滞等干扰因素,使得它在实际的生产过程中很被难精确控制。为了解决这个问题,提出了一种基于区间二型模糊模型的逆控制器设计的控制策略。所提出的控制方案分为两部分:一部分是区间二型模糊模型的逼近结构,其用来逼近过程输出。另一部分是区间二型模糊模型逆控制器,其用来控制过程输出跟踪目标值。此外,大量的工业现场数据用来测试并取得了乙烯裂解炉平均出口温度控制系统的数学模型。最后,将提出的基于区间二型模糊模型的逆控制器设计方案用在了乙烯裂解炉平均出口温度控制系统中,仿真结果表明所提出的方法是可行的。（5）针对区间二型模糊控制器的降型过程损失系统不确定信息的问题,提出了一种基于遗传算法的改进区间二型模糊控制器。首先,利用区间二型模糊推理和Wu-Mendel不确定边界降型算法得到区间二型模糊输出的四个不确定边界值,然后对其进行再次优化。通过利用遗传算法优化区间二型模糊控制器的量化因子、比例因子和隶属度函数,构建遗传算法的适度函数作为性能指标,使其与系统输出直接相关,以此来提升整个控制系统的性能。最后,提出的方法应用在了乙烯裂解炉平均出口温度系统中,仿真结果表明所提出的方法是有效的。
古发辉[6]（2017）在《基于双种群协同进化的智能优化算法及其应用研究》文中指出优化问题广泛存在于科学研究和工程实践中,一直是智能计算的研究热点和难点问题之一。受生物进化启发,学者们提出了许多智能优化算法,如遗传算法、差分演化算法、粒子群算法、教与学优化算法等,这些算法能够有效地解决大多数优化问题。然而,面对日益复杂多变的优化问题,这些单一群智能算法常常表现出搜索停滞、收敛精度不高、局部最优、泛化能力弱等不足。双种群协同进化是通过设立两个种群,建立它们之间的竞争或者合作关系,两个种群通过互相作用来提高各自的性能,实现优势互补,进而提高算法在求解各类复杂优化问题的性能。本文从建立一种通用算法模型角度出发,挑选了性能较好的DE算法和TLBO算法作为重点研究对象,建立起双种群协同进化算法模型（DPCE）;针对多约束条件优化、多目标优化、非线性复杂模型参数估计等问题,基于DPCE模型,进行双种群协同进化算法设计,提出了三种新算法:双种群协同进化的差分演化算法（DPCEDE）、双种群协同进化的教与学优化算法（DPCETLBO）、基于DE和TLBO的双种群协同进化算法（DPCEDT）,并将这些算法应用到不同的实际复杂优化问题中。本文所做工作概况如下:（1）研究了DE算法、TLBO算法的基本原理,分析了这两个算法的研究现状。针对DE算法在求解多峰函数优化问题时容易出现早熟,提出了一种基于均匀分割的多种群并行差分演化算法（MPDE）,均匀分割得到几个既不重叠又可以反映函数整体性质的子种群,通过这些子种群并行搜索得到最优解,然后将这些最优解聚集到一起,进而得到全局最优解,通过仿真实验验证了MPDE算法的有效性。在研究TLBO算法时,提出了一种改进的改进教与学优化算法（MTLBO）,并将MTLBO算法应用于Van Genuchten方程参数优化中,验证了MTLBO算法的有效性和优越性。（2）通过基于DE算法和TLBO算法进行了四种情况的种群设置、子种群进化策略设计等实验分析,发现在算法改进中,多种群进化算法设计单纯通过增加种群个体总数仅能在一定范围内提升算法性能;单纯增加子种群数量还会因子种群间交流学习的隔离降低算法性能;而在各子种群进化策略选取上,采用不同的相似进化策略则能有效提升算法性能,若子种群采用互补型进化策略对算法性能提升则更为显着。同时对算法种群规模设置和现有智能优化算法特性的进一步反思,将双种群规模设置和协同进化机制相结合,建立了一种通用型双种群协同进化算法模型（DPCE）,并对DPCE模型的动力学、收敛性进行了分析,给出了DPCE模型指导下的算法设计步骤。在DPCE模型指导下,只需适当调整相应策略,便可设计出适应于不同类型优化问题求解的算法,这对人们面对复杂系统优化算法设计具有重要的指导意义。（3）针对原始DE算法存在易陷入局部最优、收敛慢、早熟、计算代价大等不足,利用DPCE模型,将单种群独立进化改造成双种群协同进化模式,提出了一种双种群协同进化的差分演化算法（DPCEDE）。在DPCEDE算法中,设立双种群独立进化,一个种群采用混合自适应杂交变异算子进行进化操作,对解空间进行大范围搜索,以提高算法的收敛性;另一个种群采用混合DE和生物地理学优化算法（BBO）杂交算子进行进化操作,一方面通过移动算子对子群体信息有效利用,另一方面以平衡算法的开采能力,避免算法早熟等现象;同时引入小生境淘汰机制,对两个种群进行重组实现种群间的信息共享和交流,从而达到提高算法整体性能的目的。通过5组标准测试函数,将DPCEDE算法与DE算法、DPDE算法进行了仿真实验比较,实验结果显示DPCEDE算法较DE算法、DPDE算法在全局搜索能力和收敛性方面均具有一定的优势;最后,将DPCEDE算法应用于柔性车间作业调度问题（FJSP）优化中,实现了柔性车间作业的资源有效配置,可有效平衡车间、设备、工序之间的平衡关系,同时,与基本DE算法、PSO算法在FJSP问题上性能进行了比较,验证了算法的有效性和实用性。（4）针对原始TLBO算法还存在收敛慢、早熟等不足,在DPCE模型指导下,建立了一种双种群协同进化的教与学优化算法（DPCETLBO）。在DPCETLBO算法中,两个种群既有分工又有交流,适应值较高的种群采用带自适应学习因子的TLBO算法进行进化,执行完学习过程后再对精英个体进行多父体非凸杂交,提升算法的收敛速度;适应值较低的种群采用带偏置的反向学习TLBO算法（OLPTLBO）进行进化,以提高算法的全局搜索能力;每轮迭代后,两个种群合并到一起,并按照适应值大小排序,重新分成两个种群,保持种群多样性,以获得更优的求解质量。通过2组标准测试函数,并比与TLBO算法、ETLBO算法进行仿真实验对比,证实算法在收敛精度和多样性上具有明显优势;最后,将该DPCETLBO算法应用于PID控制器参数优化中,算法22次迭代即能求收敛于最优解,并将最优解参数代入PID控制器的Simulink模型中,观测其阶跃响应信号,仿真结果表明阶跃响应信号能很快趋于平稳,同时,与基本TLBO算法、PSO算法在PID控制器参数优化中性能进行了比较,进一步证明该算法的实用性。（5）针对DE和TLBO算法各自的优点和缺点,基于互补策略,采用扬长避短机制,利用DPCE模型,将DE算法和TLBO算法进行巧妙结合,构建一种基于DE和TLBO的双种群协同进化算法（DPCEDT）。在DPCEDT算法中,设置双种群独立进化,一个种群采用DE算法进行进化,另一个种群采用TLBO算法进行进化,并在每一代的进化过程中,首先根据两个种群中的当前最优个体进行组合生成一个复合个体,然后利用生成的复合个体再进一步指导两个种群协同进化,通过这种方式将两个种群的优秀信息相互融合,算法一方面在搜索过程中保持了种群的多样性,另一方面又实现了DE和TLBO两种算法的优势互补。为验证DPCEDT算法性能,将该算法与与jDE、TLBO和TLBO-DE算法在13个标准测试函数在不同维度上进行仿真实验,同时对实验结果进行了双尾t检验,实验结果表明DPCEDT算法具有较高的寻优效率和搜索精度;最后将DPCEDT算法应用于动力电池SOC估算中,并与DPCEDE、DPCETLBO算法算法进行了对比,仿真实验表明DPCEDT算法在动力电池SOC估算中具有很好的收敛性,比传统方法提升了2.54%的估算精度,进一步证实了DPCEDT算法的实用性和优越性。综上所述,本文从机理建模、算法设计和实际应用等多个层面,针对智能优化算法展开研究,本文所提出的双种群协同进化算法模型,具有较强的通用性;基于DPCE模型设计的三种双种群协同进化算法,在具体的仿真、实际应用中体现了其有效性和优越性,具有一定的理论价值和实践价值。
二、一种改进的遗传算法及其应用（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、一种改进的遗传算法及其应用（论文提纲范文）
（1）基于混合量子算法的生产车间干扰管理问题应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题来源、研究意义 |
| 1.1.1 选题来源及研究目的 |
| 1.1.2 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车间调度问题的相关概念 |
| 1.2.2 柔性作业车间调度问题相关概念 |
| 1.2.3 FJSP的国内外研究现状 |
| 1.3 求解方法 |
| 1.3.1 研究方法现状 |
| 1.3.2 算法应用现状 |
| 1.4 现有研究中存在的问题 |
| 1.5 论文的组织结构 |
| 本章小结 |
| 第二章 干扰管理和前景理论现状分析 |
| 2.1 量子计算相关特性 |
| 2.2 干扰管理研究现状分析 |
| 2.3 前景理论研究现状及相关概念 |
| 本章小结 |
| 第三章 多目标柔性作业车间调度干扰管理问题研究 |
| 3.1 干扰管理模型 |
| 3.1.1 干扰管理模型特点 |
| 3.1.2 干扰管理模型的建立 |
| 3.1.3 度量函数的建立及分析 |
| 3.1.4 干扰管理的决策分析及评价标准 |
| 3.2 多目标柔性作业车间调度模型 |
| 3.3 基于前景理论的干扰管理模型 |
| 3.3.1 问题的界定 |
| 3.3.2 基于前景理论的扰动度量方法 |
| 3.3.3 字典序多目标规划方法 |
| 3.4 自适应调整旋转角量子遗传算法 |
| 3.4.1 量子编码 |
| 3.4.2 遗传操作 |
| 3.4.3 云模型自适应调整量子旋转角 |
| 3.4.4 算法步骤 |
| 3.5 仿真实验 |
| 3.5.1 算法性能验证 |
| 3.5.2 干扰管理方法验证 |
| 本章小结 |
| 第四章 基于前景理论的机器故障干扰管理研究 |
| 4.1 引言 |
| 4.2 生产调度问题的干扰管理模型 |
| 4.2.1 问题界定的数学模型 |
| 4.2.2 基于前景理论的价值函数模型 |
| 4.2.3 基于前景理论的干扰管理模型 |
| 4.3 生产调度干扰管理策略 |
| 4.3.1 右移重调度策略 |
| 4.3.2 局部重调度策略 |
| 4.4 机器不可用干扰管理求解算法 |
| 4.5 算例验证及结果分析 |
| 4.5.1 实验指标设计 |
| 4.5.2 实验结果分析 |
| 4.6 实例测试 |
| 本章小结 |
| 第五章 基于累积前景理论的急件到达干扰管理研究 |
| 5.1 引言 |
| 5.2 累积前景理论简介 |
| 5.3 急件到达干扰事件研究现状分析 |
| 5.3.1 急件到达干扰事件的特点及研究现状分析 |
| 5.3.2 急件到达FJSP求解算法分析 |
| 5.4 有急件插单的干扰管理模型 |
| 5.4.1 问题描述 |
| 5.4.2 模型建立与描述 |
| 5.4.3 急件插单干扰下的重调度 |
| 5.4.4 累积前景值模型 |
| 5.5 重调度方法的设计与实现 |
| 5.5.1 确定重调度时间域 |
| 5.5.2 局部约简调度阶段 |
| 5.5.3 生产车间物流干扰问题 |
| 5.6 调度实例及分析 |
| 5.6.1 铆焊车间物料数据信息 |
| 5.6.2 生产物流实例测试 |
| 5.6.3 仿真实验 |
| 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 致谢 |
（2）基于改进遗传算法的柔性作业车间调度问题的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的选题背景及意义 |
| 1.2 调度问题综述 |
| 1.2.1 生产调度问题 |
| 1.2.2 调度问题的分类和特点 |
| 1.2.3 调度问题的研究方法 |
| 1.3 柔性作业车间调度问题 |
| 1.3.1 柔性作业车间调度问题模型 |
| 1.3.2 柔性作业车间调度问题评价指标 |
| 1.3.3 柔性作业车间调度问题研究现状 |
| 1.3.4 柔性作业车间调度问题现有研究中存在的问题 |
| 1.4 遗传算法 |
| 1.4.1 遗传算法的基本思想 |
| 1.4.2 遗传算法的特点 |
| 1.4.3 遗传算法的相关参数 |
| 1.4.4 遗传算法的基本步骤 |
| 1.4.5 遗传算法的改进 |
| 1.5 粒子群算法 |
| 1.5.1 基本粒子群算法 |
| 1.5.2 粒子群算法的改进 |
| 1.5.3 粒子群算法的应用 |
| 1.5.4 粒子群算法的研究现状 |
| 1.6 遗传算法与粒子群算法之间的比较 |
| 1.7 本文的研究内容及论文结构 |
| 本章小结 |
| 第二章 改进的变邻域搜索的分层遗传算法 |
| 2.1 变邻域搜索 |
| 2.2 改进变邻域搜索的分层遗传算法 |
| 2.2.1 FJSP编码和解码 |
| 2.2.2 种群初始化 |
| 2.2.3 改进的遗传操作 |
| 2.2.4 自适应变邻域搜索的设计 |
| 2.3 自适应变邻域搜索的分层遗传算法的流程 |
| 2.4 仿真算例分析 |
| 本章小结 |
| 第三章 改进的遗传退火算法 |
| 3.1 多目标优化问题 |
| 3.2 模拟退火算法 |
| 3.2.1 模拟退火的原理 |
| 3.2.2 模拟退火算法 |
| 3.3 IGA算法描述 |
| 3.3.1 编码和解码 |
| 3.3.2 初始化种群 |
| 3.3.3 交叉操作 |
| 3.3.4 变异操作 |
| 3.4 算法流程 |
| 3.5 仿真与分析 |
| 3.5.1 实际车间数据仿真 |
| 3.5.2 Kacem算例 |
| 3.5.3 BRdata算例 |
| 本章小结 |
| 第四章 改进的离散粒子群-遗传算法 |
| 4.1 多目标优化问题 |
| 4.2 FJSP问题的描述及调度目标 |
| 4.3 粒子群算法 |
| 4.3.1 基本粒子群算法 |
| 4.3.2 离散粒子群算法 |
| 4.4 自适应惯性权重的离散粒子群算法 |
| 4.4.1 编码和解码 |
| 4.4.2 初始化种群 |
| 4.4.3 PSO位置更新方法 |
| 4.4.4 自适应惯性权重的计算 |
| 4.4.5 Pareto最优非支配前沿的求解 |
| 4.5 DPSO-AIW算法步骤 |
| 4.6 算法复杂度分析 |
| 4.7 实验结果 |
| 4.8 参数敏感度分析 |
| 本章小结 |
| 第五章 柔性作业车间调度问题原型系统 |
| 5.1 系统总体设计 |
| 5.1.1 原型系统的开发环境 |
| 5.1.2 系统体系结构 |
| 5.2 案例分析 |
| 5.2.1 实际车间案例 |
| 5.2.2 国际标准算例 |
| 5.3 算法优化的实现过程 |
| 本章小结 |
| 结论 |
| 展望 |
| 创新点 |
| 参考文献 |
| 附录 部分仿真结果 |
| 攻读博士学位期间发表论文情况 |
| 攻读博士学位期间参与的科研课题 |
| 致谢 |
（3）某篮球馆钢结构桁架优化设计研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题的背景及意义 |
| 1.2 结构优化设计的基本概况 |
| 1.2.1 结构优化设计的概述 |
| 1.2.2 结构优化设计的方法 |
| 1.2.3 结构优化设计的数学模型 |
| 1.3 智能优化算法在结构优化设计中应用的国内外研究现状 |
| 1.3.1 国内研究现状 |
| 1.3.2 国外研究现状 |
| 1.4 本文的主要工作 |
| 第2章 桁架结构优化设计概述 |
| 2.1 桁架结构的发展历程 |
| 2.2 桁架结构的国内外研究现状 |
| 2.2.1 国内研究现状 |
| 2.2.2 国外研究现状 |
| 2.3 桁架结构特点及应用 |
| 2.4 桁架结构优化的国内外研究现状 |
| 2.4.1 国内研究现状 |
| 2.4.2 国外研究现状 |
| 2.5 桁架结构优化程序的实现 |
| 2.5.1 桁架结构截面优化 |
| 2.5.2 桁架结构形状优化 |
| 2.6 本章小结 |
| 第3章 鸡群优化算法及其应用 |
| 3.1 鸡群优化算法的原理 |
| 3.2 鸡群优化算法的国内外研究现状 |
| 3.2.1 鸡群优化算法的国内研究现状 |
| 3.2.2 鸡群优化算法的国外研究现状 |
| 3.3 改进鸡群优化算法 |
| 3.3.1 改进鸡群优化算法的方法 |
| 3.3.2 改进鸡群优化算法流程 |
| 3.4 改进鸡群优化算法的仿真测试 |
| 3.5 改进鸡群优化算法在桁架结构优化中的应用 |
| 3.5.1 25杆空间桁架结构截面优化设计 |
| 3.5.2 52杆平面桁架结构截面优化设计 |
| 3.5.3 72杆空间桁架结构截面优化设计 |
| 3.5.4 200杆平面桁架结构截面优化设计 |
| 3.6 本章小结 |
| 第4章 基于改进鸡群优化算法的钢结构桁架优化设计 |
| 4.1 工程概况 |
| 4.2 建立钢结构桁架结构优化设计的数学模型 |
| 4.2.1 钢结构桁架结构的约束条件 |
| 4.2.2 钢结构桁架结构的目标函数 |
| 4.3 钢结构桁架结构工程结构优化设计 |
| 4.3.1 GHJ-1 段桁架结构工程概况 |
| 4.3.2 GHJ-1 段桁架结构优化设计 |
| 4.3.3 CC-1 段桁架结构工程概况 |
| 4.3.4 CC-1 段桁架结构优化设计 |
| 4.4 本章小结 |
| 第5章 优化后桁架结构有限元分析 |
| 5.1 模型建立 |
| 5.1.1 计算参数 |
| 5.1.2 单元选取 |
| 5.1.3 荷载施加 |
| 5.2 有限元计算结果及分析 |
| 5.2.1 内力分析 |
| 5.2.2 位移分析 |
| 5.3 优化后模态分析 |
| 5.3.1 优化后桁架结构的固有频率 |
| 5.3.2 优化后桁架结构的模态振型 |
| 5.3.3 模态分析结果 |
| 5.4 本章小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士学位期间发表的学术论文 |
（4）我国国债利率期限结构与宏观因子的动态关联性研究 ——基于机器学习方法的实证分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 技术路线与主要研究内容 |
| 2 利率期限理论基础及国内外文献综述 |
| 2.1 传统利率期限结构理论 |
| 2.1.1 预期理论 |
| 2.1.2 市场分割理论 |
| 2.2 现代利率期限结构理论 |
| 2.2.1 静态利率期限模型 |
| 2.2.2 动态利率期限结构模型 |
| 2.3 国内外文献综述 |
| 2.3.1 静态模型 |
| 2.3.2 动态模型 |
| 2.3.3 仿射模型和宏观金融模型 |
| 3 基于改进遗传算法的静态利率期限模型 |
| 3.1 多项式样条函数模型 |
| 3.1.1 建模原理 |
| 3.1.2 零息票债券利率期限结构模型 |
| 3.1.3 基于多项式的样条函数利率期限结构 |
| 3.2 Nelson-Siegel模型 |
| 3.2.1 Nelson-Siegel基本模型 |
| 3.2.2 Svensson模型 |
| 3.2.3 Nelson-Siegel扩展模型 |
| 3.3 基于改进遗传算法的求解 |
| 3.3.1 分层机制 |
| 3.3.2 改进自适应交叉概率 |
| 3.4 实证分析 |
| 3.4.1 基于改进遗传算法的多项式利率期限结构 |
| 3.4.2 不同分界点方法样本外预测能力 |
| 3.4.3 相关参数分析 |
| 3.4.4 基于改进遗传算法的NS和SV模型 |
| 3.5 本章小结 |
| 4 基于改进自适应卡尔曼滤波的无套利NS模型 |
| 4.1 动态Nelson-Siegel模型 |
| 4.2 无套利NS模型 |
| 4.3 模型估计方法 |
| 4.3.1 状态空间模型 |
| 4.3.2 传统卡尔曼滤波 |
| 4.3.3 改进自适应卡尔曼滤波 |
| 4.4 实证分析 |
| 4.5 本章小结 |
| 5 基于改进自适应卡尔曼滤波的无套利仿射模型与宏观经济因子影响研究 |
| 5.1 宏观经济对利率期限结构影响的理论基础 |
| 5.2 加入宏观因子的无套利仿射模型 |
| 5.3 不同风险价格的仿射模型 |
| 5.4 仿射模型的规范形式 |
| 5.5 基于改进自适应卡尔曼滤波的估计 |
| 5.6 实证分析 |
| 5.6.1 变量的选择与数据预处理 |
| 5.6.2 基于自适应卡尔曼滤波的估计结果 |
| 5.6.3 拟合检验 |
| 5.7 本章小结 |
| 6 基于FAVAR模型的利率期限结构与宏观因子关联性研究 |
| 6.1 基于FAVAR模型的利率期限结构 |
| 6.1.1 基于FAVAR的宏观金融模型 |
| 6.1.2 FAVAR模型的估计方法 |
| 6.1.3 模型估计 |
| 6.2 期限结构因子与宏观因子的动态关联性 |
| 6.2.1 货币政策预期变量的分解 |
| 6.2.2 脉冲响应函数 |
| 6.3 经济放缓时期关联性分析 |
| 6.4 本章小结 |
| 7 研究结论与政策建议 |
| 7.1 研究结论 |
| 7.2 政策建议 |
| 7.3 研究不足及展望 |
| 研究成果 |
| 附录 |
| 参考文献 |
| 后记 |
（5）二型模糊系统的建模与控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 二型模糊集合及系统基本概念 |
| 1.2.1 二型模糊集合基本概念 |
| 1.2.2 二型模糊系统结构 |
| 1.3 二型模糊系统降型算法综述 |
| 1.3.1 区间二型模糊系统降型算法研究现状 |
| 1.3.2 广义二型模糊系统降型算法研究现状 |
| 1.4 二型模糊系统理论的研究现状与趋势 |
| 1.4.1 二型模糊系统理论研究 |
| 1.4.2 二型模糊系统与其它控制算法的结合 |
| 1.4.3 二型模糊系统的优化 |
| 1.4.4 二型模糊系统存在的问题与发展趋势 |
| 1.5 二型模糊系统的应用现状 |
| 1.5.1 二型模糊系统在系统辨识与建模中的应用 |
| 1.5.2 二型模糊系统在控制领域中的应用 |
| 1.5.3 二型模糊系统在数据分类、图像处理及模式识别中的应用 |
| 1.5.4 二型模糊在其它领域的应用 |
| 1.6 本文主要研究内容和结构 |
| 第二章 一种改进区间二型模糊神经网络设计及其应用 |
| 2.1 引言 |
| 2.2 改进区间二型模糊神经网络(Improved IT2FNN)结构 |
| 2.3 Improved IT2FNN学习算法 |
| 2.3.1 Improved IT2FNN结构学习算法 |
| 2.3.2 Improved IT2FNN参数学习算法 |
| 2.4 仿真实例 |
| 2.5 基于Improved IT2FNN的乙烯裂解炉收率软测量模型建模 |
| 2.5.1 乙烯裂解过程的重要性 |
| 2.5.2 乙烯裂解过程描述 |
| 2.5.3 工业应用实例 |
| 2.6 本章小结 |
| 第三章 具有非对称隶属度函数的自组织区间二型模糊神经网络及其应用 |
| 3.1 引言 |
| 3.2 具有非对称隶属度函数的自组织区间二型模糊神经网络(SIT2FNN-AMF)结构 |
| 3.2.1 非对称高斯区间二型隶属度函数的构成 |
| 3.2.2 SIT2FNN-AMF结构 |
| 3.3 SIT2FNN-AMF学习算法 |
| 3.3.1 SIT2FNN-AMF结构学习算法 |
| 3.3.2 SIT2FNN-AMF参数学习算法 |
| 3.4 SIT2FNN-AMF稳定性分析 |
| 3.5 仿真研究 |
| 3.6 工业应用实例 |
| 3.7 本章小结 |
| 第四章 基于自组织递归区间二型模糊神经网络的软测量建模研究 |
| 4.1 引言 |
| 4.2 自组织递归区间二型模糊神经网络(SRIT2FNN)结构 |
| 4.3 SRIT2FNN学习算法 |
| 4.3.1 SRIT2FNN结构学习算法 |
| 4.3.2 SRIT2FNN参数学习算法 |
| 4.4 实验和结果 |
| 4.5 本章小结 |
| 第五章 基于区间二型模糊模型的逆控制器设计研究 |
| 5.1 引言 |
| 5.2 区间二型模糊模型(IT2FM) |
| 5.3 IT2FM逼近结构 |
| 5.4 区间二型模糊模型逆控制器(IT2FMIC)设计 |
| 5.5 仿真研究 |
| 5.5.1 IT2FM逼近乙烯裂解炉平均出口温度系统 |
| 5.5.2 IT2FMIC在乙烯裂解炉平均出口温度控制系统中的应用 |
| 5.6 本章小结 |
| 第六章 一种基于遗传算法优化的改进区间二型模糊控制器设计 |
| 6.1 引言 |
| 6.2 区间二型模糊控制器结构 |
| 6.3 一种基于遗传算法优化的改进区间二型模糊控制器设计 |
| 6.4 仿真研究 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文和参加科研情况 |
（6）基于双种群协同进化的智能优化算法及其应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 优化问题 |
| 1.2.1 优化问题概述 |
| 1.2.2 优化问题特点 |
| 1.2.3 优化问题分类 |
| 1.3 优化算法 |
| 1.3.1 传统优化算法 |
| 1.3.2 启发式搜索算法 |
| 1.4 智能优化算法 |
| 1.5 研究路线与主要内容 |
| 1.6 本文的组织结构 |
| 第2章 双种群协同进化算法基础研究 |
| 2.1 差分演化算法 |
| 2.1.1 差分演化算法概述 |
| 2.1.2 差分演化算法基本原理 |
| 2.1.3 差分演化算法的研究现状 |
| 2.2 改进的差分演化算法及其应用 |
| 2.2.1 引言 |
| 2.2.2 基于均匀分割的多种群并行差分演化算法 |
| 2.2.3 MPDE算法实验及其分析 |
| 2.3 教与学优化算法 |
| 2.3.1 教与学优化算法概述 |
| 2.3.2 教与学优化算法基本原理 |
| 2.3.3 教与学优化算法的研究现状 |
| 2.4 改进的TLBO算法及其应用 |
| 2.4.1 引言 |
| 2.4.2 相关工作 |
| 2.4.3 MTLBO算法设计 |
| 2.4.4 基于MTLBO算法的Van Genuchten方程参数估计 |
| 2.5 基于DE和TLBO的种群进化策略研究 |
| 2.5.1 引言 |
| 2.5.2 基于DE和TLBO算法的实验分析 |
| 2.5.3 双种群进化策略 |
| 2.6 小结 |
| 第3章 双种群协同进化算法模型研究 |
| 3.1 研究动机 |
| 3.2 相关工作 |
| 3.3 双种群规模设置 |
| 3.4 协同型双种群算法子种群个体数量公平性分析 |
| 3.5 协同进化算法 |
| 3.5.1 进化算法 |
| 3.5.2 协同进化算法 |
| 3.6 双种群协同进化算法DPCE模型 |
| 3.7 DPCE模型的动力学分析 |
| 3.8 DPCE模型的收敛性分析 |
| 3.9 DPCE模型指导下的算法设计 |
| 3.10 小结 |
| 第4章 基于双种群协同进化的差分演化算法及其应用研究 |
| 4.1 基于双种群协同进化的差分演化算法 |
| 4.1.1 研究动机 |
| 4.1.2 相关工作 |
| 4.1.3 DPCEDE算法思想 |
| 4.1.4 DPCEDE算法模型 |
| 4.1.5 DPCEDE算法描述 |
| 4.1.6 DPCEDE算法实现 |
| 4.1.7 数值实验与比较 |
| 4.2 DPCEDE复杂度分析 |
| 4.3 DPCEDE在求解FJSP中的应用 |
| 4.3.1 FJSP概述 |
| 4.3.2 FJSP问题描述 |
| 4.3.3 求解FJSP研究现状和趋势 |
| 4.3.4 仿真实验及比较研究 |
| 4.4 小结 |
| 第5章 基于双种群协同进化的教与学优化算法及其应用研究 |
| 5.1 基于双种群协同进化的教与学优化算法 |
| 5.1.1 研究动机 |
| 5.1.2 相关工作 |
| 5.1.3 DPCETLBO算法思想 |
| 5.1.4 DPCETLBO算法模型 |
| 5.1.5 DPCETLBO算法描述 |
| 5.1.6 DPCETLBO算法实现 |
| 5.1.7 数值实验与比较 |
| 5.2 DPCETLBO算法复杂度分析 |
| 5.3 DPCETLBO算法在PID控制器参数优化中的应用 |
| 5.3.1 PID概述 |
| 5.3.2 PID控制器参数优化研究现状 |
| 5.3.3 仿真实验及比较研究 |
| 5.4 小结 |
| 第6章 基于互补策略的双种群协同进化算法及其应用研究 |
| 6.1 基于互补策略的双种群协同进化算法 |
| 6.1.1 研究动机 |
| 6.1.2 相关工作 |
| 6.1.3 DPCEDT算法思想 |
| 6.1.4 DPCEDT算法模型 |
| 6.1.5 DPCEDT算法描述 |
| 6.1.6 DPCEDT算法实现 |
| 6.1.7 数值实验与比较 |
| 6.2 DPCEDT算法复杂度分析 |
| 6.3 DPCEDT算法在动力电池SOC估计中的应用 |
| 6.3.1 动力电池SOC估计方法研究 |
| 6.3.2 电池老化对其SOC估计的影响 |
| 6.3.3 DPCEDT在SOC中的应用思路 |
| 6.3.4 实验仿真及比较研究 |
| 6.4 小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 创新之处 |
| 7.3 展望 |
| 致谢 |
| 参考文献 |
| 附录A 攻读学位期间的科研工作情况 |
| 附录B 测试函数 |
四、一种改进的遗传算法及其应用（论文参考文献）
- [1]基于混合量子算法的生产车间干扰管理问题应用研究[D]. 孙晶华. 大连交通大学, 2020
- [2]基于改进遗传算法的柔性作业车间调度问题的应用研究[D]. 谷晓琳. 大连交通大学, 2020(05)
- [3]某篮球馆钢结构桁架优化设计研究[D]. 王仕文. 河北工程大学, 2019(02)
- [4]我国国债利率期限结构与宏观因子的动态关联性研究 ——基于机器学习方法的实证分析[D]. 张奇松. 东北财经大学, 2019(06)
- [5]二型模糊系统的建模与控制[D]. 赵涛岩. 西北工业大学, 2019(04)
- [6]基于双种群协同进化的智能优化算法及其应用研究[D]. 古发辉. 华南农业大学, 2017(08)