膜計(jì)算（Membrane Computing,MC）作為自然計(jì)算中一個(gè)相對(duì)年輕的分支,它是從細(xì)胞、組織以及器官的結(jié)構(gòu)和功能中抽象出來的計(jì)算模型,具有極大并行性、分布式、非確定性等特點(diǎn)。膜計(jì)算為生物分子計(jì)算以及非傳統(tǒng)計(jì)算提供了一個(gè)新的計(jì)算框架。目前,膜計(jì)算已被廣泛地應(yīng)用于眾多領(lǐng)域。遺傳算法是通過模擬自然界生物進(jìn)化論而成的并行隨機(jī)搜索優(yōu)化方法。遺傳算法作為進(jìn)化計(jì)算（Evolutionary Computing,EC）領(lǐng)域內(nèi)發(fā)表研究成果最多的分支,是進(jìn)化計(jì)算體系的中心。MC和EC都是自然計(jì)算領(lǐng)域內(nèi)非常重要的分支,探索兩者的交叉研究方向具有廣闊的前景和重要的意義。本文探索膜計(jì)算與遺傳算法的交叉應(yīng)用,探究進(jìn)化算法在膜計(jì)算上的實(shí)現(xiàn)問題。數(shù)據(jù)挖掘的任務(wù)之一是發(fā)現(xiàn)一堆數(shù)據(jù)中的相似模式,并對(duì)其進(jìn)行定量化描述。聚類分析屬于無監(jiān)督機(jī)器學(xué)習(xí)的一種,聚類分析就是依據(jù)某種度量相似性標(biāo)準(zhǔn),將特征相似的樣本歸為一類,從而使得類內(nèi)差異較小,類間差異較大。聚類分析本質(zhì)上是一種優(yōu)化問題。膜計(jì)算憑借著自身分布式并行的特征,在解決復(fù)雜優(yōu)化問題方面有不可比擬的優(yōu)勢。物流配送中心在商品流通系統(tǒng)中起著關(guān)鍵作用,是供貨點(diǎn)與需求點(diǎn)之間的... 

【文章來源】：山東師范大學(xué)山東省

【文章頁數(shù)】：75 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 膜計(jì)算研究現(xiàn)狀
        1.2.2 遺傳算法研究現(xiàn)狀
        1.2.3 膜計(jì)算與遺傳算法結(jié)合研究現(xiàn)狀
        1.2.4 聚類問題研究現(xiàn)狀
    1.3 理論概述
        1.3.1 組織型P系統(tǒng)
        1.3.2 遺傳算法
    1.4 論文內(nèi)容及創(chuàng)新點(diǎn)
    1.5 論文結(jié)構(gòu)安排
第2章 基于組織型P系統(tǒng)的濃度調(diào)節(jié)遺傳算法(TPCGA)
    2.1 基于濃度調(diào)節(jié)的遺傳算法(CGA)設(shè)計(jì)
        2.1.1 濃度選擇策略
        2.1.2 精英保存策略
        2.1.3 基于濃度調(diào)節(jié)的遺傳算法基本流程
    2.2 基于組織型P系統(tǒng)的濃度調(diào)節(jié)遺傳算法設(shè)計(jì)
        2.2.1 組織型P系統(tǒng)結(jié)構(gòu)設(shè)計(jì)
        2.2.2 組織型P系統(tǒng)規(guī)則表述
        2.2.3 基于組織P系統(tǒng)的濃度調(diào)節(jié)遺傳算法基本流程
    2.3 實(shí)驗(yàn)分析
        2.3.1 測試函數(shù)
        2.3.2 實(shí)驗(yàn)結(jié)果分析
    2.4 本章小結(jié)
第3章 基于組織型P系統(tǒng)的改進(jìn)自適應(yīng)遺傳算法(TPIAGA)
    3.1 基于模擬退火策略的改進(jìn)自適應(yīng)遺傳算法設(shè)計(jì)
        3.1.1 模擬退火策略
        3.1.2 自適應(yīng)算子設(shè)計(jì)
        3.1.3 基于模擬退火的自適應(yīng)遺傳算法基本流程
    3.2 基于組織型P系統(tǒng)的改進(jìn)自適應(yīng)遺傳算法設(shè)計(jì)
        3.2.1 組織型P系統(tǒng)結(jié)構(gòu)設(shè)計(jì)
        3.2.2 組織型P系統(tǒng)規(guī)則表述
        3.2.3 基于組織型P系統(tǒng)的改進(jìn)自適應(yīng)遺傳算法基本流程
    3.3 實(shí)驗(yàn)分析
        3.3.1 測試函數(shù)
        3.3.2 實(shí)驗(yàn)結(jié)果分析
    3.4 本章小結(jié)
第4章 TPIAGA算法在模糊C均值聚類中的應(yīng)用
    4.1 模糊C均值聚類
        4.1.1 模糊C均值聚類理論
        4.1.2 模糊C均值聚類步驟
    4.2 基于TPIAGA算法改進(jìn)的模糊C均值聚類
        4.2.1 P系統(tǒng)的創(chuàng)建
        4.2.2 基于TPIAGA算法的FCM聚類的基本流程
    4.3 實(shí)驗(yàn)驗(yàn)證及分析
    4.4 本章小結(jié)
第5章 TPCGA算法在物流選址問題中的應(yīng)用
    5.1 物流配送中心選址問題研究現(xiàn)狀
    5.2 物流配送中心選址問題模型構(gòu)建
    5.3 TPCGA算法在物流配送中心選址問題中的設(shè)計(jì)流程
        5.3.1 編碼設(shè)計(jì)
        5.3.2 種群初始化
        5.3.3 適應(yīng)度函數(shù)設(shè)計(jì)
        5.3.4 遺傳算子設(shè)計(jì)
    5.4 實(shí)驗(yàn)驗(yàn)證及結(jié)果分析
        5.4.1 仿真實(shí)驗(yàn)
        5.4.2 結(jié)果分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 研究展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及參與的科研項(xiàng)目
攻讀碩士學(xué)位期間的獲獎(jiǎng)情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]自適應(yīng)變異免疫算法在物流配送中心選址中的應(yīng)用[J]. 平環(huán),宋初一,姜靜清.  內(nèi)蒙古民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[2]基于多種群搜索的PSO的物流配送中心尋址求解[J]. 李磊,楊愛峰,唐娜,陳亞波.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[3]基于改進(jìn)混合遺傳算法的冷鏈物流配送中心選址優(yōu)化[J]. 袁群,左奕.  上海交通大學(xué)學(xué)報(bào). 2016(11)
[4]基于整數(shù)規(guī)劃的物流配送中心選址研究[J]. 章海燕.  佳木斯職業(yè)學(xué)院學(xué)報(bào). 2016(03)
[5]一種基于膜計(jì)算的遺傳算法圖像分割方法[J]. 謝佩軍.  工業(yè)控制計(jì)算機(jī). 2015(04)
[6]膜計(jì)算與遺傳禁忌混合算法在輸電網(wǎng)規(guī)劃中的應(yīng)用[J]. 凌驍洲,張彼德,鄒江平,鄧鈞,張強(qiáng),何頔.  水電能源科學(xué). 2014(07)
[7]遺傳算法的爬山法改進(jìn)[J]. 柴巖,周艷釗.  遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(07)
[8]改進(jìn)的遺傳算法求解旅行商問題[J]. 于瑩瑩,陳燕,李桃迎.  控制與決策. 2014(08)
[9]物流配送中心選址的重心法探討[J]. 程珩,牟瑞芳.  交通運(yùn)輸工程與信息學(xué)報(bào). 2013(01)
[10]遺傳算法研究進(jìn)展[J]. 馬永杰,云文霞.  計(jì)算機(jī)應(yīng)用研究. 2012(04)

博士論文
[1]膜計(jì)算優(yōu)化方法研究[D]. 黃亮.浙江大學(xué) 2007



本文編號(hào)：3446835