一、基于两层编码的进化算法及其在控制混沌中的应用（论文文献综述）
薛斐[1]（2015）在《基于多层编码的遗传-粒子群融合算法流水线优化控制》文中指出自动化物流系统（Automated logistics system）是现代物流系统的一个重要组成部分。它集先进的计算机控制技术、现场总线技术、信息管理技术于一身,能实现自动化货物存取、搬运,流水线加工等操作,在各行各业中有着广泛的应用。本课题以西安科技大学自动化物流系统为研究平台,针对加工行业中多任务加工的流水线自动优化控制问题,提出一种新的优化算法—基于多层编码的遗传-粒子群融合算法并针对该系统无法实时监测库存数量的问题,设计实时库存容量监测模块。论文首先介绍并分析西安科技大学自动化物流系统的硬件组成,深入剖析流水线加工的特点,根据此特点,建立流水线优化控制的数学模型。然后通过对解决该类问题的各类算法的分析和比较,针对传统遗传算法的不足,结合粒子群算法和多层编码机制的优势,对算法进行改进和融合,提出基于多层编码的遗传-粒子群融合优化算法。利用该算法对流水线自动加工问题中不同规模的加工实例进行优化,并在Matlab环境下进行仿真,结果表明该算法完成多工件多工序的加工时间比基本遗传算法缩短了约9%,能够克服传统算法易陷入局部最优解的缺点并具有收敛速度较快和提高流水线利用率和机械加工生产效率的优点。最后,针对该自动化物流系统存在的控制软件无法实时监测库存数量的问题,本论文在原有软硬件的基础上,设计了基于C语言和WIFI数据传输的实时库存容量监测模块,经过验证,该模块能够实现准确监测库存容量的功能。
张彤[2]（2010）在《仿人机器人步行控制及路径规划方法研究》文中研究说明随着人们生活水平的提高,以及越来越严重的老龄化问题,人们迫切希望能够拥有一种智能机器人,能够进入人们的家庭,用于照料越来越多的老年人。仿人机器人由于外形和动作与人类相似,因此更容易被人类所接受,也容易适应人类社会的各种设施,因此,仿人机器人作为进入人类日常生活的机器人首选,已经引起越来越多科研人员的关注,成为机器人研究的热点。本文工作主要围绕仿人机器人的步行系统所涉及的一些关键技术进行展开,在对国内外仿人机器人的研究现状进行分析的基础上,着重研究了仿人机器人在数字仿真环境下的步行控制及路径规划方法。由于仿人机器人采用不稳定的杆件结构,在考虑稳定性的前提下对仿人机器人步行规划,步行控制,环境地图建立,路径规划方法展开了研究:1.针对仿人机器人和双足机器人相比具有头部、躯干和手臂等部件,因此步行模式的产生更加复杂。讨论了一种实时产生稳定的腿部、手臂和躯干运动的方法。在行进平面的腿部运动必需满足ZMP点的X轴位置具有最大的稳定裕度,与此类似,正向平面的腿运动必需满足ZMP点的Y轴位置具有最大的稳定裕度。手臂和躯干的运动是由Z轴力矩平衡产生的。步行规划方法在仿人机器人三维实时仿真系统中得到有效的验证。2.根据自由度配置情况,建立了机器人单腿支撑期和双腿支撑期的拉格朗日动力学方程。然后根据仿人机器人对控制系统的要求,设计了分层控制系统,针对动力学惯量波动问题专门在各关节控制器前设置惯量波动调节控制器环节,在设计该控制器中,将动力学模型中不易精确量化的部分处理为干扰和摄动,引入H∞控制器设计方法,经过非线性补偿,得到惯量波动调节控制器,此种控制方法有效地控制了误差。最后分析单自由度位置控制系统特性,并根据经典控制方法,建立了关节的前馈控制器模型。3.针对仿人机器人传感器配置和步行特点,提出了建立环境地图的方案。为了使仿人机器人在复杂环境中自由行走,获取周围环境里的平面信息能力非常重要,提出了一种从深度图像中提取平面的方法,从立体视觉中得到深度图像后,通过扫描将每一行上的像素点分割成直线段,并用链式结构保存线段间的邻接关系,选取最优的三条线段作为种子区域,用队列保存种子区域,围绕着种子区域进行平面增长,当种子队列为空时平面增长结束,经过修剪,平面边缘变光滑,最后得到平面边缘,实验验证了平面提取方法的速度和精度满足仿人机器人的路径规划的要求。我们又提出一种构建真实世界的平地障碍物地图的方法,地图中每个单元格保存平地类型和它的精确高度信息或者障碍物类型和它的粗略高度信息。系统维护一个提供概率支持的3D占有率网格和一个提供平面信息的平地网格。所提出的方法在仿真平台上得到验证,所产生的地图已经在现有的路径规划系统中使用。4.针对仿人机器人的步行特点,提出了仿人机器人路径规划方案,将仿人机器人的动作离散化为指定的动作,将状态空间离散化为网格,利用立体视觉建立的环境地图,将机器人的轮廓简化为双圆柱模型进行避障检测,最终在环境地图中搜寻代价最小的一系列可行的动作作为路径,仿真实验的结果证实了我们提出的方法是有效的。
周辉仁[3]（2008）在《递阶遗传算法理论及其应用研究》文中研究指明本文对递阶遗传算法的理论及其在神经网络的参数确定、系统的结构设计和复杂车间调度问题的应用等方面进行了深入研究。首先,研究了递阶遗传算法的理论问题。介绍了根据所研究问题的复杂性,把染色体设计成递阶结构的形式,进而提出递阶遗传算法,并在此基础上提出自适应递阶遗传算法和模拟退火算法与递阶遗传算法的结合。接着,研究了递阶遗传算法应用于车间调度问题。首先,探讨求解最小加权完成时间的并行机调度问题。文中提出的递阶遗传算法能清楚地反映出调度方案关系,能有效地解决大规模等同并行机调度和非等同并行机调度问题。其次,研究了求解复杂的柔性作业车间调度问题。提出了递阶遗传算法求解柔性作业车间调度问题,即找到一个最优调度,使完工时间最小。仿真结果证明,本文提出的方法能达到满意的效果,具有实际应用的价值。然后,应用递阶遗传算法于模糊系统的结构设计及其经济预测方面。利用递阶遗传算法能够把模糊系统的模糊规则数目和参数同时通过训练确定。该方法在非线性经济系统仿真,通过比较,说明该模型的预测精确度是令人满意的。进一步,研究了递阶遗传算法用于神经网络的参数确定问题。探讨了设计BP网络并进行财务预警。利用递阶遗传算法把网络的结构和权重同时通过训练确定。与其它模式分类模型相比较,结果证明分类精确度更令人满意。根据上市公司的财务数据用所提出的方法进行财务预警是可行的。研究了设计四层BP网络及其人口预测应用。利用很好设计的递阶遗传算法能够把网络的结构、权重和阈值同时通过训练确定。结合实际案例与传统的方法相比较,结果证明文中提出的方法是可行的。最后,探讨了结合系统结构及参数同时确定的更复杂的问题。研究了递阶遗传算法设计连续参数小波神经网络及参数确定。采用巧妙设计的递阶遗传算法,可以把网络的结构同时通过训练确定,经过实际建模与应用结果表明,该方法具有很高的应用价值。
管宝云[4]（2005）在《基于混合智能算法的高校时间表及自动组卷问题研究》文中研究说明本文主要利用混合智能算法对高校管理中时间表和自动组卷问题进行了研究。概括说明了遗传算法、模拟退火算法的结构、功能、特征,并分析了混沌理论的主要特点及现状。针对单一智能算法存在的问题和不足,设计混沌遗传算法、遗传退火算法、遗传模拟退火算法三种混合智能算法。并利用混合智能算法对高校排课时间表问题、考试组卷问题与考试时间安排问题进行了较为深入的研究。论文的主要研究工作如下:分析了科学、合理地编排课程表原则。把混沌引入到遗传算法中,采用了混沌开关后的遗传算法,能充分地利用了沌序列的内在规律性,有效地引导交叉和变异操作;而在遗传算法中加入混沌搜索策略后,大大地拓展了算法的搜索空间,同时避免了标准遗传算法容易陷入局部极小的缺陷。利用设计的智能优化算法对排课表问题进行了求解试验,并分析比较不同算法不同参数取得的试验结果。在分析随机选取法和回溯试探法组卷功能的考试系统不足和缺点的基础上,提出一种新的具有通用性的自动组卷算法。算法的核心是将组卷系统应用矩阵理论方法建立多目标优化的数学模型,采用权重系数法将多目标转化成单目标,解决了多个目标相互冲突的问题,并对这个数学模型的各个约束条件进行了详细的讨论。将遗传算法引入模拟退火算法中,设计了求解组卷系统问题的混合算法。分析讨论了考试时间表问题的各种约束条件,对考试时间表问题建立了数学模型;提出了大学考试时间表问题拆分化简方案,使问题的数学模型适合分步求解,设计遗传模拟退火混合算法,对考试科目考试时间确定问题进行了求解试验,并分析比较不同算法不同参数取得的试验结果。
张振林[5]（2004）在《基于遗传程序设计的数字电路设计自动化研究》文中认为电子设计自动化（Electronics Design Automation,EDA）是随着集成电路和计算机技术的飞速发展应运而生的一种高级、快速、有效的电子设计自动化技术。EDA是电子设计技术的发展趋势,利用EDA工具可以代替设计者完成电子系统设计中的大部分工作。EDA技术的发展和普及给电子系统的设计带来了革命性的变化,同时人们对电路行为的要求也日趋复杂,电路设计的瓶颈随之出现。演化硬件（Evolvable Hardware,EHW）是一种可重构的硬件,它建立在可编程逻辑器件之上,每当环境发生变化,演化硬件就自动地改变自身的硬件结构以适应所处的环境。进行演化硬件的设计不需要硬件功能的规范说明,它通过演化计算技术进行自组织、自学习、自适应,不断地重构自身的硬件结构,从而最终达到设计的要求。 演化硬件研究的一个重点是硬件电路的表示,即电路的编码方式。遗传程序设计（Genetic Programming,GP）在表示硬件电路,特别是数字电路的表示上面有着天生的优势。GP是在遗传算法（Genetic Algorithm）基础上发展起来的新型搜索算法,通常采用树结构为个体的表示方法。在使用GP之前,首先必须指定它建立个体的终止符集和函数集,这使它与遗传算法中二进制或实数编码有了很大的不同,同时也使得每一个GP的个体都是一个可执行的解。但是在演化的过程中,GP也对遗传算子的设计提出了更高的要求,需要遗传算子保持树状结构染色体的语义,还要使用相应机制保证树状节点组合而成的染色体包含一定问题域中的信息。 本文在详细介绍电子设计自动化的基础上,系统的研究了演化硬件的原理,实现及应用。通过分析遗传程序设计的算法思想及实现方式,本文将它运用到数字电路的自动设计当中来,用遗传程序设计作为演化硬件的主要演化设计途径。演化硬件的主要瓶颈在于演化计算的速度。为了实现算法的快速收敛,本文在电路的演化设计中引入了分而治之的思想,采取两层编码并行演化的方案。演化设计的起点是基于一个初始的胚胎电路,它包含了电路的基本信息。在初始胚胎电路的构造上,使用了手工编写与随机生成相结合的方法,从而保证了电路的确定性与多样性。首先把整个胚胎电路划分为很多个小的功能单一的模块,然后通过有向图的连接把这些小模块组合成一个完整的电路。演化设计也随之分成了模块内部基于遗传程序设计的演化和模块间连接有向图的演化,两个层次并行进行。基于这种演化硬件思想,我们搭建了一个软硬件协同设计平台WU-EHW,本文对其中遗传算子设计,演化规则,种群策略,适应值评估与分配等进行了深入的研究。最后通过一个伪随机数发生器电路的例子表明,分层并行的演化策略表现良好,不仅提高了演化设计的速度,而且电路设计的结果也较为理想。
冯春[6]（2004）在《机构学及优化设计中基于混沌分形的理论与方法的研究》文中认为混沌分形作为非线性科学研究的核心内容，近二十年来引起了人们的广泛关注，并在混沌分形理论的探讨和混沌分形工程应用等方面均取得了可喜的研究成果。本文对混沌分形理论进行了系统深入的研究，在此研究成果的基础上，对机构学、机器人及全局优化设计主要问题中的混沌分形现象做出了详细的分析，并针对混沌分形在计算运动学、全局优化技术、进化计算等方面的应用做了深入而富有创造性的研究和试验验证，研究面向机构学及全局优化设计中一些一直比较困难的课题。本文的主要内容与创新成果包括以下几个方面： 第一章（绪论）系统回顾了混沌分形的研究历史和发展趋势，详细介绍了混沌分形在机构学及优化设计中的研究进展。在仔细研究了计算运动学、全局优化技术以及进化计算的发展现状的基础上，阐明了课题研究的意义和本文的研究内容。 第二章（混沌分形理论与方法的研究）系统阐述了混沌分形动力学的相关定义和定理，证明了Li-Yorke混沌定义与Devaney混沌定义之间关系和有关命题，研究了Julia点集的混沌特性，证明有关Julia集的关键命题，为混沌分形技术的应用奠定了坚实的理论基础。提出了确定动力系统倍周期分叉点的一种基于遗传算法的计算方法及提出了寻找迭代函数Julia点的方法，为混沌在机构学及优化设计中的应用提供了有效的方法。研究了离散动力系统和连续动力系统的Lyapunov指数，提出了定量识别混沌的新方法：计算最大Lvapunov指数的变分法，为判定混沌是否存在提供了有效方法。 第三章（混沌分形在机构学中的应用研究）将混沌分形技术作为机构学综合问题数值求解的新工具，系统分析了计算运动学各种理论方法的优缺点，研究了计算运动学中的混沌分形现象，通过理论证明和数值试验验证了Newton-Raphson迭代法具有混沌分形特性，提出了求解NR迭代函数Julia点的优化模型及进化规划求解方法，利用非线性离散动力系统在其Julia集出现混沌分形现象的特点，提出了一种基于NR搜索技术的求解机构综合问题全部／部分解的混沌分形方法。并在刚体导引和轨迹再现两大平面机构综合问题上进行了应用研究，比同伦方法找到了更多的有意义的实解。 第四章（混沌分形在无约束全局优化设计中的应用研究）系统地提出了基于混沌分形的无约束全局优化新方法，分析了机械优化设计中各种无约束全局优化方法的优缺点，对牛顿优化方法所构成的非线性离散动力系统的混动分形动力行为进行了深入研究，利用混沌分形理论研究牛顿优化方法对初始第日页西南交通大学博士研究生学位论文点敏感的原因，提出了一种求解牛顿优化迭代函数的Julia点的反函数迭代方法，发现J。lia集一般具有分形结构，而产生此动力系统的迭代函数在其Julia集上呈混沌现象，利用牛顿优化方法的混沌分形敏感区域，提出了一种全局优化的新方法，求解非线性优化问题的全部和/或全局最优解。给出了基于混沌分形的全局优化新方法的计算步骤，并在函数发生优化综合问题和刚体导引优化综合问题上进行了应用研究和数值试验，证明了该方法的有效性。 第五章（混沌在约束全局优化设计中的应用研究）提出了基于连续时间变量的混沌全局优化新方法，证明子贯吐连续系统具有一定的优化能力，同时证明了通过调整适当的受迫力，惯性耗散系统产生的混沌运动能得到控制，系统通过混沌运动的方式在众多局部极小点之间迁移，随着受迫力的逐渐消失，系统最终能收敛到全局最优解，在此理论基础上提出了具有全局优化能力的基于连续时间变量的混沌优化算法。并研究了应用于冗余度机器人在有障碍的环境中逆运动学问题优化求解，首次提出了一种避开任意多边形的避障算法，通过构造避障势函数使该混沌全局优化算法能够处理该约束优化问题。对平面7自由度操作手的多个仿真试验表明，该优化算法不仅能进行避障运动而且位置误差非常小。 第六章（混沌进化计算及其在机构学及优化设计中的应用）建立了混沌进化计算的理论框架，提出了求解复杂工程优化问题的全部/部分极小点的全局优化算法—混沌进化计算方法。论述了进化计算的理论基础，建立了进化计算的统一模型;研究了混沌发生器的随机性、遍历性和规律性以及混沌与进化计算相结合的三种方式。设计了相应的混沌进化算子以及混沌群体嵌入算子，提出了基于混沌吸引域概念的种群保护策略，适应了极值点分布不均匀的情况，达到求解全部/大部分极小点的目的。针对机械优化设计中普遍存在的混合离散变量问题，完整地阐明了利用线性表技术实现离散变量的编码方法，连续变量按加工精度离散化编码方法，多余码的处理技术的混合个体表示方法，并用于机械工程优化设计实例求解。并将混沌进化计算应用于机构运动链同构识别中，建立了机构运动链同构识别全新的优化模型，提出了用有序编码来描述机构运动链的变换矩阵，设计了有效的混沌有序进化算子，实例研究及计算机仿真，显示该方法是成功的。 最后，结论部分对本文工作进行了总结，指出了进一步研究的方向。关键词:混沌;分形;计算运动学;全局优化设计;进化计算
翁妙凤,王敏[7]（2001）在《基于两层编码的进化算法及其在控制混沌中的应用》文中指出针对RBF（RadialBasisFunction）网特点 ,提出基于两层编码的进化算法来同时确定网络结构和参数。文中分别采用两种不同的遗传算法GA （GeneticAlgorithm ）和进化规划EP （EvolutionaryProgramming）训练网络。实验结果表明 ,基于这三种不同进化算法的RBF网络都能有效地控制混沌系统 ,其中EP的训练和控制结果最优
二、基于两层编码的进化算法及其在控制混沌中的应用（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、基于两层编码的进化算法及其在控制混沌中的应用（论文提纲范文）
（1）基于多层编码的遗传-粒子群融合算法流水线优化控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 本课题研究的背景与意义 |
| 1.2 国内外研究动态和发展趋势 |
| 1.2.1 国外研究动态和发展趋势 |
| 1.2.2 国内研究动态和发展趋势 |
| 1.3 本课题主要研究内容及章节安排 |
| 1.3.1 本课题主要研究内容 |
| 1.3.2 本论文的章节安排 |
| 2 自动化物流系统硬件平台介绍及分析 |
| 2.1 U字形流水线 |
| 2.2 自动化立体仓库 |
| 2.3 控制系统 |
| 2.4 本章小结 |
| 3 流水线加工优化控制系统设计思路及模型建立 |
| 3.1 系统总体设计思路 |
| 3.2 流水线加工优化控制模型建立 |
| 3.2.1 流水线加工优化控制过程描述 |
| 3.2.2 流水线加工优化控制的特点和存在的问题 |
| 3.2.3 流水线优化控制的数学模型 |
| 3.3 本章小结 |
| 4 流水线加工优化控制算法及其仿真 |
| 4.1 遗传算法 |
| 4.1.1 遗传算法原理 |
| 4.1.2 遗传算法流程 |
| 4.1.3 遗传算法特性分析 |
| 4.2 粒子群算法 |
| 4.2.1 粒子群算法原理 |
| 4.2.2 粒子群算法流程 |
| 4.2.3 粒子群算法特性分析 |
| 4.3 多层编码机制 |
| 4.3.1 两层编码形式 |
| 4.3.2 多层编码机制的优点 |
| 4.4 基于多层编码的遗传-粒子群融合算法 |
| 4.4.1 本文GPSOAM算法概述 |
| 4.4.2 GPSOAM算法的粒子更新公式 |
| 4.4.3 GPSOAM算法流程 |
| 4.5 三种智能优化算法比较 |
| 4.6 GPSOAM算法的Matlab仿真 |
| 4.7 本章小结 |
| 5 自动化物流系统库存量监测模块的软硬件设计及开发 |
| 5.1 库存量监测模块硬件设计 |
| 5.1.1 监测模块单片机功能设计 |
| 5.1.2 监测模块的WIFI通信设计 |
| 5.2 库存量监测模块软件设计 |
| 5.2.1 下位机软件设计 |
| 5.2.2 WIFI传输软件设计 |
| 5.2.3 上位机软件设计 |
| 5.3 联机调试 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（2）仿人机器人步行控制及路径规划方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 国内外仿人机器人的研究概况 |
| 1.1.1 国外仿人机器人的研究概况 |
| 1.1.2 国内仿人机器人的研究概况 |
| 1.2 仿人机器人实现自主稳定行走的相关技术 |
| 1.3 仿人机器人的研究意义及课题背景 |
| 1.4 仿人机器人样机结构及自由度简介 |
| 1.5 本论文研究内容 |
| 第二章 仿人机器人步行规划 |
| 2.1 仿人机器人步态规划的研究概况 |
| 2.2 仿人形机器人步行稳定性 |
| 2.2.1 步行方式分类 |
| 2.2.2 ZMP点含义 |
| 2.2.3 ZMP 坐标的计算 |
| 2.3 规划方法的研究 |
| 2.3.1 与步态规划有关的概念 |
| 2.3.2 姿态约束的研究 |
| 2.3.3 步态的参数化设计 |
| 2.3.4 五点式规划法 |
| 2.4 行走步态的产生 |
| 2.4.1 行进平面 |
| 2.4.2 正向平面 |
| 2.4.3 运动学约束 |
| 2.4.4 躯干和手臂的运动 |
| 2.4.5 算法仿真 |
| 2.5 本章小结 |
| 第三章 仿人机器人步行控制 |
| 3.1 运动学模型 |
| 3.2 动力学建模 |
| 3.3 仿人机器人步行运动控制系统 |
| 3.3.1 仿人机器人步行运动控制系统结构 |
| 3.3.2 仿人机器人分层式步行控制系统 |
| 3.4 机器人的H_∞鲁棒控制 |
| 3.4.1 鲁棒控制简介 |
| 3.4.2 标准H_∞控制问题及非标准H_∞控制问题 |
| 3.4.3 标准H_∞控制问题的主要处理方法 |
| 3.4.4 非标准H_∞控制问题的主要处理方法 |
| 3.5 基于H_∞的惯量波动控制器 |
| 3.5.1 惯量波动控制系统模型 |
| 3.5.2 H_∞鲁棒控制器的设计 |
| 3.5.3 仿真实验 |
| 3.6 关节控制器设计 |
| 3.7 本章小结 |
| 第四章 仿人机器人环境地图构建 |
| 4.1 移动机器人地图构建的研究进展 |
| 4.1.1 地图构建的方法简介 |
| 4.1.2 地图构建的难点问题 |
| 4.1.3 地图构建的发展趋势 |
| 4.2 基于立体视觉的深度图像的获取 |
| 4.2.1 深度图像及获取方法简介 |
| 4.2.2 立体匹配 |
| 4.2.3 平行双目立体系统中的立体匹配 |
| 4.3 不确定信息描述与处理 |
| 4.4 平面分割算法 |
| 4.4.1 平面分割算法的总体流程 |
| 4.4.2 噪声估计 |
| 4.4.3 分割线段 |
| 4.4.4 选择种子区域 |
| 4.4.5 区域迭代增长 |
| 4.4.6 修剪平面边缘 |
| 4.4.7 实验 |
| 4.5 构建仿人机器人路径规划地图 |
| 4.5.1 系统处理结构 |
| 4.5.2 3D占有率网格和平面网格的更新 |
| 4.5.3 地图的建立 |
| 4.5.4 仿真结果 |
| 4.6 本章小结 |
| 第五章 仿人机器人路径规划 |
| 5.1 引言 |
| 5.2 机器人路径规划研究现状 |
| 5.2.1 全局路径规划 |
| 5.2.2 局部路径规划 |
| 5.3 仿人机器人的动作及状态空间 |
| 5.4 避障检测方法 |
| 5.5 仿人机器人路径规划 |
| 5.6 路径规划仿真实验 |
| 5.7 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
（3）递阶遗传算法理论及其应用研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 综述 |
| 1.1 背景和意义 |
| 1.2 遗传算法研究的历史与现状 |
| 1.2.1 遗传算法的起源与发展 |
| 1.2.2 遗传算法的研究现状 |
| 1.3 内容结构及主要工作 |
| 1.3.1 内容结构 |
| 1.3.2 创新点 |
| 第二章 递阶遗传算法及其拓展 |
| 2.1 概述 |
| 2.2 染色体编码结构 |
| 2.2.1 生物背景 |
| 2.2.2 递阶结构的提出 |
| 2.3 遗传操作 |
| 2.3.1 复制、选择算子 |
| 2.3.2 交叉算子 |
| 2.3.3 变异算子 |
| 2.3.4 递阶遗传算法流程 |
| 2.4 自适应递阶遗传算法基本原理 |
| 2.4.1 自适应递阶遗传算法 |
| 2.4.2 自适应算子 |
| 2.5 模拟退火算法与递阶遗传算法的结合 |
| 2.5.1 模拟退火算法 |
| 2.5.2 模拟退火递阶遗传算法 |
| 2.5.3 递阶遗传模拟退火算法 |
| 2.6 本章小结 |
| 第三章 并行机调度问题 |
| 3.1 概述 |
| 3.2 问题描述 |
| 3.3 递阶遗传算法设计 |
| 3.3.1 种群规模选择 |
| 3.3.2 适值函数变换 |
| 3.3.3 交叉与变异 |
| 3.3.4 解码 |
| 3.4 实例仿真和比较 |
| 3.5 本章小结 |
| 第四章 柔性作业车间调度问题 |
| 4.1 概述 |
| 4.2 FJSS 问题的数学模型 |
| 4.2.1 问题描述 |
| 4.2.2 数学模型 |
| 4.3 递阶遗传算法设计 |
| 4.3.1 染色体编码 |
| 4.3.2 适值函数 |
| 4.3.3 交叉与变异 |
| 4.3.4 解码 |
| 4.4 实例仿真和比较 |
| 4.4.1 实例1 |
| 4.4.2 实例2 |
| 4.5 本章小结 |
| 第五章 模糊系统训练及其经济系统中应用 |
| 5.1 概述 |
| 5.2 模糊系统的结构及逼近性能 |
| 5.3 模糊系统的学习算法 |
| 5.4 模糊系统的递阶遗传算法设计 |
| 5.4.1 染色体编码 |
| 5.4.2 适值函数的建立 |
| 5.4.3 具体步骤 |
| 5.5 仿真及比较 |
| 5.5.1 人口预测的意义 |
| 5.5.2 预测模型 |
| 5.5.3 比较 |
| 5.6 本章小结 |
| 第六章 基于递阶遗传算法和 BP 网络的财务预警 |
| 6.1 概述 |
| 6.2 BP 网络分类器结构 |
| 6.3 基于递阶遗传算法 BP 网络分类器设计 |
| 6.3.1 编码结构 |
| 6.3.2 适值函数 |
| 6.3.3 自适应算子设计 |
| 6.3.4 算法操作 |
| 6.4 算法验证比较 |
| 6.4.1 全样本训练的情况 |
| 6.4.2 相同样本数的情况 |
| 6.5 上市公司财务预警 |
| 6.5.1 指标变量与样本公司的选择 |
| 6.5.2 2006年财务数据分析 |
| 6.5.3 2005年财务数据分析 |
| 6.5.4 2004年财务数据分析 |
| 6.6 本章小结 |
| 第七章 四层 BP 网络训练及其人口预测 |
| 7.1 概述 |
| 7.2 四层 BP 网络结构 |
| 7.3 染色体的递阶结构设计 |
| 7.4 递阶遗传算法设计 |
| 7.4.1 群体规模选择 |
| 7.4.2 适值函数 |
| 7.4.3 选择与复制 |
| 7.4.4 交叉与变异 |
| 7.5 应用和比较 |
| 7.5.1 人口预测的意义 |
| 7.5.2 预测模型 |
| 7.5.3 比较 |
| 7.6 本章小结 |
| 第八章 连续参数小波网络训练及其股票市场应用 |
| 8.1 概述 |
| 8.2 基本概念 |
| 8.3 连续参数小波网络结构 |
| 8.4 染色体的递阶结构设计 |
| 8.4.1 染色体编码 |
| 8.4.2 适值函数 |
| 8.5 股市建模和预测 |
| 8.5.1 深证综合指数预测 |
| 8.5.2 个股股价预测 |
| 8.5.3 方法比较 |
| 8.6 本章小结 |
| 总结与展望 |
| 参考文献 |
| 发表论文和参加科研情况 |
| 致谢 |
（4）基于混合智能算法的高校时间表及自动组卷问题研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 研究思路与结构 |
| 第二章 混合智能算法理论基础 |
| 2.1 遗传算法的产生和发展 |
| 2.2 混沌理论 |
| 2.3 模拟退火算法 |
| 2.4 小结 |
| 第三章 高校课程表问题的混合求解算法 |
| 3.1 时间表问题的研究现状 |
| 3.2 课程表问题 |
| 3.3 混沌遗传算法 |
| 3.4 基于混沌遗传算法的高校排课表问题 |
| 3.5 小结 |
| 第四章 高校自动组卷问题的混合求解算法 |
| 4.1 自动组卷问题 |
| 4.2 遗传退火混合算法 |
| 4.3 组卷系统数学模型 |
| 4.4 小结 |
| 第五章 高校时间表问题的混合求解算法 |
| 5.1 国内高校考试时间表问题 |
| 5.2 基于混合算法的高校考试时间表问题 |
| 5.3 小结 |
| 结论与展望 |
| 参考文献 |
| 发表论文和科研情况说明 |
| 致谢 |
（5）基于遗传程序设计的数字电路设计自动化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 绪论 |
| 1.2 国内外关于数字电路演化的研究现状及趋势 |
| 1.3 本文的研究目标与方法 |
| 1.4 本文的组织结构 |
| 第二章 电子设计自动化EDA |
| 2.1 EDA设计方法介绍 |
| 2.2 EDA技术研究范畴 |
| 2.3 EDA技术的基本特征 |
| 2.4 EDA的基本工具 |
| 2.5 小结 |
| 第三章 演化硬件 |
| 3.1 演化硬件基础 |
| 3.1.1 演化算法 |
| 3.1.2 大规模可编程逻辑器件 |
| 3.2 演化硬件的实现 |
| 3.2.1 演化硬件的实现步骤 |
| 3.2.2 算法结构 |
| 3.2.3 适应值评价 |
| 3.3 演化硬件的应用 |
| 3.3.1 低成本硬件的自动设计 |
| 3.3.2 处理不明确问题 |
| 3.3.3 自适应系统 |
| 3.3.4 容错系统 |
| 3.3.5 对设计域知之甚少时的创新 |
| 3.4 小结 |
| 第四章 遗传程序设计 |
| 4.1 GP的基本概念 |
| 4.1.1 终止符和函数 |
| 4.1.1.1 终止符集 |
| 4.1.1.2 函数集 |
| 4.1.1.3 函数和终止符的选取 |
| 4.1.1.4 可执行的程序结构 |
| 4.1.2 初始群体的生成 |
| 4.1.2.1 初始个体生成原理 |
| 4.1.2.2 初始个体生成的几种方法 |
| 4.1.3 基本算子 |
| 4.1.3.1 杂交操作 |
| 4.1.3.2 变异操作 |
| 4.1.3.3 复制操作 |
| 4.1.4 适应值和选择方法 |
| 4.1.4.1 适应值函数 |
| 4.1.4.2 选择算法 |
| 4.1.5 终止准则 |
| 4.1.6 结果标定 |
| 4.1.7 性能评价 |
| 4.2 GP与人工智能、机器学习等领域的传统方法比较 |
| 4.3 遗传程序设计的应用 |
| 4.3.1 工程设计与控制 |
| 4.3.2 信号与信息处理 |
| 4.3.3 系统建模 |
| 4.3.4 优化和时序安排 |
| 4.3.5 算法设计 |
| 4.4 演化硬件与遗传程序设计 |
| 第五章 基于遗传程序设计的数字电路演化 |
| 5.1 WU-EHW平台框架 |
| 5.2 分而治之的并行演化思想 |
| 5.2.1 分而治之的思想 |
| 5.2.2 演化思想的伪码描述 |
| 5.3 编码方案 |
| 5.3.1 两层编码方案 |
| 5.3.2 GP个体表示 |
| 5.3.3 种群策略 |
| 5.4 演化与评估 |
| 5.4.1 整体演化策略 |
| 5.4.2 模块内部演化规则 |
| 5.4.3 模块内部种群淘汰机制 |
| 5.4.4 适应值评估与分配 |
| 5.5 实验结果及分析 |
| 5.6 小结 |
| 第六章 结束语 |
| 6.1 本文主要的研究工作 |
| 6.2 进一步工作展望 |
| 参考文献 |
| 致谢 |
（6）机构学及优化设计中基于混沌分形的理论与方法的研究（论文提纲范文）
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景 |
| 1.1.3 研究意义 |
| 1.2 混沌与分形的研究历史与发展趋势 |
| 1.2.1 混沌学综述 |
| 1.2.2 分形学综述 |
| 1.3 机构学及优化设计中的混沌与分形研究 |
| 1.3.1 混沌学在机构学的研究进展 |
| 1.3.2 分形学在机构学的研究进展 |
| 1.3.3 混沌分形学在优化设计的研究进展 |
| 1.4 计算运动学发展简介与现状 |
| 1.4.1 求解多项式方程组的直接法：消元法 |
| 1.4.2 求解多项式方程组的直接法：吴方法 |
| 1.4.3 求解多项式方程组的直接法：Gr(o|¨)bner基法 |
| 1.4.4 求解多项式方程组的数值方法：同伦方法 |
| 1.5 全局优化设计发展简介与现状 |
| 1.5.1 确定性方法 |
| 1.5.2 计算智能和随机方法 |
| 1.6 多模态多解全局优化的进化计算发展简介与现状 |
| 1.6.1 多次迭代方法 |
| 1.6.2 排挤方法 |
| 1.6.3 适合度共享方法 |
| 1.7 本文的研究内容 |
| 第2章 动力系统的混沌分形理论 |
| 2.1 混沌动力学 |
| 2.1.1 动力系统的定义 |
| 2.1.2 混沌的定义 |
| 2.1.3 混沌的基本概念与理论 |
| 2.2 分形动力学 |
| 2.2.1 分形理论的定义 |
| 2.2.2 迭代函数的分形——Julia集 |
| 2.3 通向混沌的道路 |
| 2.3.1 基本方法 |
| 2.3.2 确定分叉点的遗传算法 |
| 2.3.3 Julia点的混沌特性 |
| 2.4 混沌系统特性分析——Lyapunov指数 |
| 2.4.1 离散系统的Lyapunov指数的定义 |
| 2.4.2 连续系统的Lyapunov指数的定义 |
| 2.4.3 最大Lyapunov指数的求取方法 |
| 2.4.4 本文的LLE数值算法：变分法 |
| 2.4.5 实例仿真计算 |
| 2.5 本章小结 |
| 第3章 基于混沌分形的计算运动学 |
| 3.1 概论 |
| 3.2 Newton-Raphson迭代法的混沌分形特性 |
| 3.2.1 NR迭代法 |
| 3.2.2 NR迭代法的分形边界 |
| 3.2.3 NR迭代法的Julia集 |
| 3.3 求Newton-Raphson迭代函数Julia点的方法 |
| 3.3.1 求NR迭代函数Julia点的求解模型 |
| 3.3.2 求NR迭代函数Julia点的进化规划 |
| 3.4 混沌分形在机构尺度综合中的应用 |
| 3.4.1 刚体导引平面四杆机构的综合问题及其求解 |
| 3.4.2 轨迹再现平面四杆机构的综合问题及其求解 |
| 3.5 本章小结 |
| 第4章 基于混沌分形的全局优化新方法 |
| 4.1 概论 |
| 4.2 牛顿优化方法的混沌分形特性 |
| 4.2.1 牛顿优化迭代函数分析 |
| 4.2.2 牛顿优化方法的混沌和分形现象 |
| 4.3 牛顿优化迭代函数Julia点的求解 |
| 4.4 基于混沌分形的全局优化新方法 |
| 4.5 实例计算分析 |
| 4.5.1 实例1 Himmeibau函数 |
| 4.5.2 实例2：six-hump camel back函数 |
| 4.5.3 实例3：Shubert函数 |
| 4.5.4 实例4：Goldstein-Price函数 |
| 4.5.5 实例5：Branin函数 |
| 4.5.6 实例6：Schaffer函数 |
| 4.6 在机构优化设计中的应用 |
| 4.6.1 曲柄滑块机构的最优设计 |
| 4.6.2 平面铰链四杆机构函数发生优化综合 |
| 4.6.3 平面铰链四杆机构刚体导引优化综合 |
| 4.7 本章小结 |
| 第5章 基于连续时间的混沌优化方法 |
| 5.1 概论 |
| 5.2 连续时间优化方法及收敛性分析 |
| 5.2.1 连续时间优化方法 |
| 5.2.2 收敛性分析 |
| 5.3 混沌动力系统与优化算法 |
| 5.3.1 Duffing振子的动力学行为 |
| 5.3.2 平面两自由度机械手反馈控制的动力学行为 |
| 5.3.3 混沌动力系统的优化能力 |
| 5.4 基于连续时间的混沌优化方法 |
| 5.4.1 算法结构 |
| 5.4.2 算法中的混沌现象 |
| 5.5 仿真试验 |
| 5.5.1 测试算例1 |
| 5.5.2 测试算例2：Griewank函数 |
| 5.6 在冗余度机器人点到点辟障运动规划中的应用 |
| 5.6.1 冗余度机器人运动规划概述 |
| 5.6.2 点到点辟障运动规划问题 |
| 5.6.3 平面二杆机器人逆运动分析中的混沌现象 |
| 5.6.4 避障算法 |
| 5.6.5 混沌优化方法的求解与仿真试验 |
| 5.7 本章小结 |
| 第6章 混沌进化计算研究 |
| 6.1 概论 |
| 6.2 进化计算的理论与方法 |
| 6.2.1 进化计算理论的生物学含义 |
| 6.2.2 进化计算统一模型研究 |
| 6.2.3 主流进化算法在统一模型中的比较 |
| 6.2.4 收敛性定理 |
| 6.3 混沌进化计算方法 |
| 6.3.1 混沌引入进化计算的方式 |
| 6.3.2 混沌发生器的研究 |
| 6.3.3 基于混沌吸引域概念的种群保护策略 |
| 6.3.4 混沌进化算子 |
| 6.4 混沌进化计算在机械优化设计中的应用 |
| 6.4.1 离散变量的编码和解码技术 |
| 6.4.2 计算实例1：齿轮减速器优化设计 |
| 6.4.3 计算实例2：圆柱螺旋压缩弹簧最大剪应力的校核 |
| 6.5 混沌进化计算在机构运动链同构识别中的应用 |
| 6.5.1 前言 |
| 6.5.2 机构结构数学描述 |
| 6.5.3 基于混沌进化计算的机构运动链同构识别方法 |
| 6.5.4 研究实例 |
| 6.6 本章小结 |
| 第7章 结论 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的论文及科研成果 |
（7）基于两层编码的进化算法及其在控制混沌中的应用（论文提纲范文）
| 0引言 |
| 1 问题的描述 |
| 2 进化RBF网的学习算法 |
| 2.1 RBF网 |
| 2.2 染色体 |
| 2.3 适应值函数 |
| 2.4 进化操作 |
| 2.4.1 结构基因串的遗传操作 |
| 2.4.2 参数基串的遗传操作 |
| 2.4.3 参数基因串的EP变异操作 |
| 2.5 选择和遗忘策略 |
| 3 仿真实例讨论 |
| 4 结 论 |
四、基于两层编码的进化算法及其在控制混沌中的应用（论文参考文献）
- [1]基于多层编码的遗传-粒子群融合算法流水线优化控制[D]. 薛斐. 西安科技大学, 2015(02)
- [2]仿人机器人步行控制及路径规划方法研究[D]. 张彤. 华南理工大学, 2010(11)
- [3]递阶遗传算法理论及其应用研究[D]. 周辉仁. 天津大学, 2008(08)
- [4]基于混合智能算法的高校时间表及自动组卷问题研究[D]. 管宝云. 天津大学, 2005(06)
- [5]基于遗传程序设计的数字电路设计自动化研究[D]. 张振林. 武汉大学, 2004(05)
- [6]机构学及优化设计中基于混沌分形的理论与方法的研究[D]. 冯春. 西南交通大学, 2004(02)
- [7]基于两层编码的进化算法及其在控制混沌中的应用[J]. 翁妙凤,王敏. 华东船舶工业学院学报(自然科学版), 2001(06)