导读:本文包含了小世界邻域论文开题报告文献综述及选题提纲参考文献，主要关键词:鲸鱼优化算法,小世界网络,边界信息,混合引导策略
小世界邻域论文文献综述
林伟豪,何杰光[1]（2019）在《具有小世界邻域结构的混合鲸鱼优化算法》一文中研究指出针对标准鲸鱼优化算法收敛精度低和易早熟的问题,提出了具有小世界邻域结构的混合鲸鱼优化算法。该算法采用小世界网络作为种群的空间结构,在围猎捕食和气泡网攻击阶段,设计了一种混合引导策略来协调算法的全局搜索和局部开发能力。此外,为了能够找到更多局部最优解,提出了基于边界信息的小概率局部维度变异策略。基于标准测试函数的仿真实验表明,与标准鲸鱼优化算法和其他性能优异的改进算法相比,具有小世界邻域结构的混合鲸鱼优化算法在收敛精度和稳定性方面更具优势。(本文来源于《广东石油化工学院学报》期刊2019年01期）
王培崇,马玥,耿明月,汪慎文[2]（2016）在《具有小世界邻域结构的教与学优化算法》一文中研究指出教与学优化(teaching-learning-based optimization,TLBO)算法是近年来提出的一种通过模拟"教"与"学"行为的群体智能算法。为了克服教与学优化算法容易早熟,解精度较低,后期收敛速度慢等弱点,提出了一种改进的教与学优化算法,并命名为S-TLBO(small world neighborhood TLBO)。该算法采用小世界网络作为其种群的空间结构关系,种群中的个体被看作是网络上的节点。在算法的"教"阶段,学生基于概率向教师个体进行学习,而在"学"阶段,学生则在自己的邻居节点中随机选择较为优秀的个体进行学习。为了提高加强算法的勘探新解和开采能力,引入教师个体执行反向学习算法。在多个经典的测试函数上的实验结果表明,所提出的改进算法具有较高的全局收敛性和解精度,适合于求解较高维度的多模态函数优化问题。(本文来源于《计算机科学与探索》期刊2016年09期）
王爽心,孙东旭,刘如九[3]（2015）在《基于小世界邻域PSO的含风场电力系统经济调度》一文中研究指出以聚类系数大且平均路径短的NW(Newman-Watts)型小世界网络作为粒子群的拓扑结构,提出NW型小世界邻域粒子群优化算法(SW-PSO)。典型高维基准测试函数表明,该算法能有效避免基本PSO算法因群体间信息交互过快而陷入局部最优解的问题。将新算法应用于含风电场电力系统经济调度问题的优化求解,并根据优化调度的实际需求采用相应的调整策略以修正粒子,保证粒子在可行域中飞行寻优,使新算法的寻优精度显着提高。仿真实例表明,SW-PSO算法比传统PSO算法寻优效果好,是一种求解复杂大规模非线性规划问题的新方法。(本文来源于《太阳能学报》期刊2015年11期）
穆华平,曾建潮,焦长义[4]（2009）在《基于小世界邻域结构的微粒群算法研究》一文中研究指出分析了邻域结构对微粒群算法的影响,针对收敛速度慢,早熟收敛等缺点,结合小世界网络的基本特性,提出了一种基于小世界邻域结构的微粒群算法。在该模型中,邻域内部的高聚集性有利于微粒的细致搜索,而邻域间少量的长程连接又能保证微粒在进化过程中更加全面、快捷地实现信息的有效共享,从而在提高收敛速度的同时防止陷入局部最优。将本模型与Gbest模型及环形结构进行比较,发现该算法不仅具有更快的收敛速度,而且能够获得更好的收敛效果。(本文来源于《太原科技大学学报》期刊2009年01期）
张育林,庄健,李小虎,王孙安[5]（2008）在《小世界邻域优化的局部线性嵌入算法》一文中研究指出通过分析稀疏数据或噪声数据,导出局部线性嵌入(LLE)算法出现失效的原因,由此提出了一种基于小世界邻域优化的局部线性嵌入(SLLE)算法.将复杂网络算法引入到流形学习中,利用小世界算法对LLE算法进行数据优化,并以最短路径和局部集群系数作为局部优化参数,解决了数据点不规则时以欧氏空间作为邻域判别标准在构建局部超平面造成嵌入结果扭曲的难题.通过3组标准测试数据集合比较了SLLE、LLE算法,结果表明SLLE算法的计算效果、鲁棒性、非理想数据的降维结果均优于LLE算法,且计算正确率至少提高10%.(本文来源于《西安交通大学学报》期刊2008年12期）
穆华平,曾建潮[6]（2008）在《基于小世界模型动态演化邻域的微粒群算法》一文中研究指出分析了影响网络中信息传播的主要因素,并结合小世界网络的形成机制,提出了一种具有动态邻域结构的微粒群算法。该算法初始化群体拓扑结构为"聚集系数大,平均最短路径长"的环形规则网络,以降低邻域间信息交流的速度,保持种群的多样性。在算法进化过程中,当邻域多样性小于给定阈值时,以小概率向网络随机增加长距离边,逐步形成"聚集系数大,平均最短路径小"的小世界网络,加快邻域间信息交流的速度。仿真结果表明,结合适当的惯性策略,该算法能获得更好的收敛性能和收敛速度。(本文来源于《系统仿真学报》期刊2008年15期）
小世界邻域论文开题报告
（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：
教与学优化(teaching-learning-based optimization,TLBO)算法是近年来提出的一种通过模拟"教"与"学"行为的群体智能算法。为了克服教与学优化算法容易早熟,解精度较低,后期收敛速度慢等弱点,提出了一种改进的教与学优化算法,并命名为S-TLBO(small world neighborhood TLBO)。该算法采用小世界网络作为其种群的空间结构关系,种群中的个体被看作是网络上的节点。在算法的"教"阶段,学生基于概率向教师个体进行学习,而在"学"阶段,学生则在自己的邻居节点中随机选择较为优秀的个体进行学习。为了提高加强算法的勘探新解和开采能力,引入教师个体执行反向学习算法。在多个经典的测试函数上的实验结果表明,所提出的改进算法具有较高的全局收敛性和解精度,适合于求解较高维度的多模态函数优化问题。
（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。
小世界邻域论文参考文献
[1].林伟豪,何杰光.具有小世界邻域结构的混合鲸鱼优化算法[J].广东石油化工学院学报.2019
[2].王培崇,马玥,耿明月,汪慎文.具有小世界邻域结构的教与学优化算法[J].计算机科学与探索.2016
[3].王爽心,孙东旭,刘如九.基于小世界邻域PSO的含风场电力系统经济调度[J].太阳能学报.2015
[4].穆华平,曾建潮,焦长义.基于小世界邻域结构的微粒群算法研究[J].太原科技大学学报.2009
[5].张育林,庄健,李小虎,王孙安.小世界邻域优化的局部线性嵌入算法[J].西安交通大学学报.2008
[6].穆华平,曾建潮.基于小世界模型动态演化邻域的微粒群算法[J].系统仿真学报.2008