导读:本文包含了高斯变异论文开题报告文献综述及选题提纲参考文献，主要关键词:多目标优化,粒子群算法,高斯变异,自适应参考点
高斯变异论文文献综述
高庆吉,王瑞雪,谈政[1]（2019）在《基于高斯变异和自适应参考点的MOPSO优化算法》一文中研究指出针对MOPSO优化算法在优化多目标问题当中收敛程度较差和容易进入部分最优的缺点,提出一种基于高斯变异和自适应参考点融合的MOPSO优化算法。利用高斯变异位置更新方法改善解集提前停止寻优现象,提高MOPSO优化算法在寻找最优过程中寻找解集的多样性;采用自适应参考点的外部档案维护策略,将收敛性较差的粒子剔除,提高算法的收敛性。实验结果表明:改进的MOPSO算法同传统的MOPSO算法相比,反向代距离和超体积比有了明显的改善,具有更好的解集多样性和收敛性。(本文来源于《计算机应用与软件》期刊2019年09期）
李永恒,赵志刚[2]（2019）在《基于越界重置和高斯变异的蝙蝠优化算法》一文中研究指出针对蝙蝠算法个体越界、易早熟收敛的问题,提出一种基于越界重置和高斯变异的蝙蝠优化算法。新算法将飞越解空间边界的个体拉回解空间内,利用越界重置策略重新分配位置。通过高斯变异策略控制个体的搜索范围,使种群以最优解为中心向四周呈放射状搜索,增强了算法的局部搜索和全局寻优能力。蝙蝠算法在靠近目标解时响度和脉冲发射频率更新不协调,影响了算法的持续进化能力,通过线性渐变策略保证响度和脉冲发射频率的变化与算法持续进化相适应。研究了在解空间不同位置关系的情况下新算法和对比算法的优化能力,并结合实验数据对算法收敛稳定性进行分析。实验结果表明,提出的新算法具有较好的收敛速度和精度,其全局寻优能力和高维问题优化能力体现了很好的鲁棒性。(本文来源于《计算机工程与科学》期刊2019年01期）
黄海燕,彭虎,邓长寿,王晓静,张艳[3]（2018）在《均匀局部搜索和高斯变异的布谷鸟搜索算法》一文中研究指出布谷鸟搜索(Cuckoo Search,CS)算法是一种简单易实现的全局优化算法,但也存在局部搜索能力弱,求解精度不高的问题.为了克服这些问题,提出一种新的均匀局部搜索和高斯变异的布谷鸟搜索算法.该算法在基于Levy飞行产生新解后执行均匀局部搜索,从而提高算法的局部开采能力,并对被宿主发现的鸟巢采用高斯变异进行重新更新,从而提高算法的寻优精度以及收敛能力.通过对包括单峰函数、多峰函数的13个基准测试函数的仿真实验和分析,验证了新算法的有效性和可靠性,实验结果表明新算法具有较好的收敛速度和收敛精度,是一种具有竞争力的算法.(本文来源于《小型微型计算机系统》期刊2018年07期）
杜艳艳,刘升[4]（2018）在《带有高斯变异的Lévy飞行改进蝙蝠算法》一文中研究指出提出一种带有高斯变异的Lévy飞行特征的改进蝙蝠算法(GMBA).该算法中,每只蝙蝠根据当前位置的优劣程度选择不同的飞行方式,位置较差的采用Lévy飞行,位置较好的逐步向群体最优位置移动;最后在算法满足变异条件时,应用高斯变异策略,从而在一定程度上避免了算法陷入局部最优,并能获得高精度的解.结果显示,GMBA的优化性能有了显着的提高.(本文来源于《微电子学与计算机》期刊2018年03期）
姚凌波,戴月明,王艳[5]（2018）在《反向自适应高斯变异的人工鱼群算法》一文中研究指出针对人工鱼群算法存在易陷入局部最优、鲁棒性差以及寻优精度低的问题,提出了反向自适应高斯变异的人工鱼群算法。改进后的算法引入了反向解,根据反向解调整人工鱼的移动方向以及位置,从而提供更多的机会发掘潜在的较优空间,使人工鱼群快速跳出局部最优,从全局角度提升算法的搜索性能。同时提出了一种非线性自适应视野步长策略,更好地平衡了全局搜索与局部搜索之间的关系。为了增加鱼群的多样性,降低人工鱼陷入早熟的可能性,提出了一种最优解引导的高斯变异机制。仿真实验结果表明,该算法能有效地提高人工鱼群的寻优精度、寻优质量及鲁棒性,并且避免了人工鱼群过早收敛。(本文来源于《计算机工程与应用》期刊2018年01期）
杜晓昕,张剑飞,郭媛,金梅[6]（2016）在《基于柯西-高斯动态消减变异的果蝇优化算法研究》一文中研究指出针对果蝇优化算法易陷入局部极值收敛速度减慢的不足,结合柯西变异和高斯变异的各自优点,提出了变异效能系数和柯西-高斯动态消减变异因子等概念,进而提出了一种柯西-高斯动态消减变异方法,将该方法应用于改进果蝇优化算法,提出了一种基于柯西-高斯动态消减变异的果蝇优化算法。该算法兼顾了全局探索和局部开发两个特性,丰富了种群的多样性,有效地消除了易陷入局部极值的弊端,提高了算法的收敛速度。仿真实验采用经典函数用例和实际工程用例进行验证,结果表明该算法的求解速度和精度更高,稳定性更好。(本文来源于《计算机工程与科学》期刊2016年06期）
韩敏,何泳[7]（2016）在《基于高斯混沌变异和精英学习的自适应多目标粒子群算法》一文中研究指出为平衡多目标粒子群的全局和局部搜索能力,提出一种基于高斯混沌变异和精英学习的自适应多目标粒子群算法.首先,提出一种新的种群收敛状态检测方法,自适应调整惯性权重和学习因子的值,以达到探索和开发的最佳平衡.然后,当检测到种群收敛停滞时,采用一种带有高斯函数和混沌特性的变异算子协助种群跳出局部最优,以增强全局搜索能力.最后,外部档案中的精英解相互学习,增强算法的局部搜索能力.在多目标标准测试问题上的仿真结果表明了所提出算法的有效性.(本文来源于《控制与决策》期刊2016年08期）
隋永霞,孙合明[8]（2015）在《基于高斯变异的引力搜索算法》一文中研究指出在深入研究基本的万有引力搜索算法基础上,将进化计算过程中的高斯变异引入引力搜索算法的位置更新中,增强引力搜索算法跳出局部最优解的能力。经典的测试函数验证了该算法的性能,并与基本的万有引力搜索算法及基于权值的引力搜索算法作比较,结果表明基于高斯变异的引力搜索算法更容易跳出局部最优,在求解函数的优化问题中表现出更好的性能。(本文来源于《江南大学学报(自然科学版)》期刊2015年05期）
张新明,尹欣欣,冯梦清[9]（2015）在《动态高斯变异和随机变异融合的自适应细菌觅食优化算法》一文中研究指出针对细菌觅食优化(Bacterial Foraging Optimization,BFO)算法在高维函数优化上性能较差和普适性不强的问题,提出一种动态高斯变异和随机变异融合的自适应细菌觅食优化算法。首先,将原随机迁徙方案修改为动态高斯变异与随机变异融合的迁徙方法,即搜索前期利用随机迁徙有利于增加解的多样性,获得全局最优解,搜索后期改用动态的高斯变异来提高算法的收敛速度;然后,对趋化操作中的步长参数使用动态调整和自适应调整来增强算法的普适性;最后,构建全局极值感应机制使优化更有效,从而获得了一种高性能的自适应BFO算法,以便能够高效解决高维函数的优化问题。14个高维函数优化的仿真结果表明,提出的算法不仅优化效果好、普适性强,而且能以更快的速度找到全局最优解,性能优于SBFO、POLBBO、BFAVP和RABC算法。(本文来源于《计算机科学》期刊2015年06期）
郑云水,岳小雪,林俊亭[10]（2015）在《带有高斯变异的混合蛙跳蝙蝠算法》一文中研究指出为了解决基本蝙蝠算法(BA)局部深度搜索能力弱、寻优精度低及易陷入局部最优的问题,提出一种带有高斯变异的混合蛙跳蝙蝠算法(SFLBAWGM)用于求解复杂函数问题。利用混合蛙跳算法(SFLA)的更新方式对蝙蝠个体进行局部深度搜索,使得SFLBAWGM既保持了BA本就具有的较强的全局搜索能力及快速收敛能力,又增强了算法的局部深度搜索性能;且当算法满足变异条件时,对当前全局最优个体执行高斯变异操作,以增强个体跳出局部极值点的束缚能力。选取几个典型函数进行测试,结果显示,SFLBAWGM的优化性能有了显着提高,即具有较快的收敛速度、较高的寻优精度、收敛稳定性和收敛可靠性,验证了SFLBAWGM的有效性和优越性,并且在高维函数上的优势更为明显,适合工程应用中各种高维多极值的复杂函数优化问题。(本文来源于《计算机应用研究》期刊2015年12期）
高斯变异论文开题报告
（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：
针对蝙蝠算法个体越界、易早熟收敛的问题,提出一种基于越界重置和高斯变异的蝙蝠优化算法。新算法将飞越解空间边界的个体拉回解空间内,利用越界重置策略重新分配位置。通过高斯变异策略控制个体的搜索范围,使种群以最优解为中心向四周呈放射状搜索,增强了算法的局部搜索和全局寻优能力。蝙蝠算法在靠近目标解时响度和脉冲发射频率更新不协调,影响了算法的持续进化能力,通过线性渐变策略保证响度和脉冲发射频率的变化与算法持续进化相适应。研究了在解空间不同位置关系的情况下新算法和对比算法的优化能力,并结合实验数据对算法收敛稳定性进行分析。实验结果表明,提出的新算法具有较好的收敛速度和精度,其全局寻优能力和高维问题优化能力体现了很好的鲁棒性。
（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。
高斯变异论文参考文献
[1].高庆吉,王瑞雪,谈政.基于高斯变异和自适应参考点的MOPSO优化算法[J].计算机应用与软件.2019
[2].李永恒,赵志刚.基于越界重置和高斯变异的蝙蝠优化算法[J].计算机工程与科学.2019
[3].黄海燕,彭虎,邓长寿,王晓静,张艳.均匀局部搜索和高斯变异的布谷鸟搜索算法[J].小型微型计算机系统.2018
[4].杜艳艳,刘升.带有高斯变异的Lévy飞行改进蝙蝠算法[J].微电子学与计算机.2018
[5].姚凌波,戴月明,王艳.反向自适应高斯变异的人工鱼群算法[J].计算机工程与应用.2018
[6].杜晓昕,张剑飞,郭媛,金梅.基于柯西-高斯动态消减变异的果蝇优化算法研究[J].计算机工程与科学.2016
[7].韩敏,何泳.基于高斯混沌变异和精英学习的自适应多目标粒子群算法[J].控制与决策.2016
[8].隋永霞,孙合明.基于高斯变异的引力搜索算法[J].江南大学学报(自然科学版).2015
[9].张新明,尹欣欣,冯梦清.动态高斯变异和随机变异融合的自适应细菌觅食优化算法[J].计算机科学.2015
[10].郑云水,岳小雪,林俊亭.带有高斯变异的混合蛙跳蝙蝠算法[J].计算机应用研究.2015