导读:本文包含了混合智能优化策略论文开题报告文献综述及选题提纲参考文献,主要关键词:云计算,任务调度,自适应惯性权重,粒子群算法
混合智能优化策略论文文献综述
赵莎莎[1](2018)在《基于优化混合智能算法的云计算任务调度策略研究》一文中研究指出云计算的资源池,是由大量的性能不同的资源节点构成的,但是随着用户的数量逐渐增长,需求量也随之增加,如何高效地将大规模的云任务分配到有限的资源节点上,并实现负载均衡,是云计算需要研究的重要问题。任务调度是典型的NP完全问题,这就使群体智能算法成了众多学者用来探索解决云计算任务调度策略的研究热点。粒子群算法(PSO)是解决在云计算环境中工作流系统任务调度优化问题的主流智能算法之一。由于粒子群算法存在易陷入局部最优,导致调度方案的执行时间与费用较高的缺陷,因此本论文针对传统自适应惯性权重的粒子群任务调度算法进行了优化,通过精确描述粒子状态,提高了惯性权重的自适应性,并提出了通过改进单个粒子的成功值计算方式的任务调度算法。改进后的自适应惯性权重可以更精确地调整粒子的速度,有效改善了传统粒子群算法易陷入局部最优解的缺陷,并能够得到执行时间与代价两项指标均满足期望的调度方案。实验结果表明,改进后的算法收敛速度曲线波动较小,收敛精度也有明显提高,是一种有效的任务调度算法。最后,通过分析改进后的粒子群算法和蚁群算法的特点,提出了一种合二为一的融合任务调度算法(ITAIWPSACO)。实验结果证明,该融合算法进一步提升了云计算平台任务调度策略的整体效率。(本文来源于《内蒙古农业大学》期刊2018-06-01)
王玉莹[2](2018)在《插电混合动力汽车考虑电池寿命的智能优化能量管理策略》一文中研究指出为了应对伴随汽车产业发展而来的环境污染和能源短缺问题,可利用电网充电的插电式混合动力汽车由于其节能环保的特点而进入研究人员的视野。由于插电式混合动力汽车可由多能量源提供动力,并且通常配备有高成本的大容量循环充放电电池,因此考虑电池寿命的能量管理策略在提高其整车经济性方面至关重要。本文以通勤用插电式混合动力汽车为对象,研究了在考虑电池寿命时的智能优化能量管理控制策略。主要的研究内容如下:建立了面向考虑电池寿命能量管理策略设计的插电式混合动力汽车系统模型。主要工作是通过对电池寿命损耗的历史数据拟合,建立了可以在控制策略设计中评价电池寿命衰减情况的有效累积电量模型。该模型利用严重系数因子评价不同工作条件对电池寿命的不同影响。然后通过对通勤车上下班历史交通信息的分析和变换,建立了一种具有概率统计特征的分段驾驶循环模型。在上述模型的基础上,形成了以减小能量消耗同时降低电池寿命损耗为目标的能量优化管理问题。为解决能量消耗和电池寿命损耗最小的多目标能量管理策略设计问题,利用随机动态规划和粒子群算法进行优化求解。根据驾驶循环的概率特征,通过随机动态规划的策略迭代算法对不同状态下的能量进行分配。粒子群算法用于选取能量消耗和电池寿命两目标之间的权重系数,以达到两目标之间的平衡。粒子群算法求解的最佳权重系数代入随机动态规划的成本函数中,而随机动态规划寻得的最优控制策略对应的成本作为粒子群的适应度值,二者相互嵌套,迭代寻找可以得到使能量消耗和电池寿命损耗最小的控制策略。为验证所设计的能量管理策略的有效性和实时应用性,在MATLAB/Simulink仿真平台下搭建控制器模型,并联合由汽车仿真软件GT-SUITE所搭建的插电式混合动力汽车整车及驾驶员模拟器来进行仿真验证。(本文来源于《燕山大学》期刊2018-05-01)
徐建军,王保娥,闫丽梅,李战平[3](2017)在《混合能源协同控制的智能家庭能源优化控制策略》一文中研究指出家庭能源优化控制是家庭能源管理系统(HEMS)的重要分支之一,然而由于缺少有效的智能优化算法,制约了家庭能源优化控制的实际应用。本文通过对家用电器运行特性的分析,将家庭用电设备分为刚性负荷,简单可调节负荷,电池类设备,供暖、通风和空调(HVAC)系统设备等,并建立相应的负荷模型;以市电电网、光伏发电、储能电池叁种能源作为智能家庭的供给源,以电能花费和用户舒适度作为优化目标,建立混合能源协同控制的智能家庭能源优化控制模型;并提出一种基于改进的快速粒子群算法(APSOA)的智能求解方法,得出每个电器最优的用电时段,室温控制系统各个时段所需功率以及蓄电池各个时段的充放电功率。以某智能家庭夏季某一天用电情况为例,在Matlab环境下,建立模型并仿真,与粒子群算法(PSOA)、遗传算法(GA)进行对比,说明了模型和算法的可行性及有效性。(本文来源于《电工技术学报》期刊2017年12期)
颜伟,汪敏,龙漪澜,李丹,王俊梅[4](2017)在《小时级月度发购电计划的优化模型及其混合智能求解策略》一文中研究指出结合网内外购电模式的差异,建立了计及网外购电市场的小时级月度发购电计划模型。该模型是一个多时段大规模混合整数规划模型。负荷的时段融合策略可有效减小模型中小时级时段数的规模,但会带来负荷融合误差,从而影响模型的目标甚至安全约束,为此提出了基于负荷融合误差的校正优化策略。针对模型的大规模多时段混合整数规划特点,提出了结合免疫遗传算法与拉格朗日分解协调策略的混合智能算法。一方面,利用免疫遗传算法为拉格朗日松弛法提供满足启停约束和旋转备用约束的机组组合发购电方案。另一方面,利用拉格朗日分解协调算法高效求解运行机组的最优发电方案,快速提升免疫遗传算法优秀个体的质量。两者交替迭代,互相促进,从而实现上述多时段混合整数规划模型的高效求解。最后通过IEEE 57节点系统的仿真分析验证了所提模型和算法的有效性。(本文来源于《电网技术》期刊2017年09期)
江君莉[5](2013)在《基于群智能优化算法混合策略的蚁群算法的研究与应用》一文中研究指出蚁群算法(Ant ColonyAlgorithm,ACA)作为一种典型的群智能算法,具有较强的鲁棒性,可以应用于多种场合;并且ACA与其它启发式算法的结合能够显着提高这些算法的性能。但是目前ACA仍存在收敛速度慢、易于陷入局部最优等缺点,且已有的改进方法都具有其针对性和局限性。因此,为了提高ACA算法的整体性能,本文将主要进行ACA和其它群智能算法进行优势互补后的混合算法研究。本文的主要研究成果包括:(1)针对ACA易于陷入局部最优的缺陷,提出了一种改进的遗传融合蚁群算法。因为遗传算法(GeneticAlgorithm,GA)适用于各类优化问题的求解,具有大范围全局搜索的能力,采用编码方式实现过程简单的特点。在算法的前半段利用遗传算法快速迭代的特性生成可能解引导蚁群的初始信息素分布;在算法后半段蚂蚁算法寻优过程中,采用GA所应用的交叉算子和变异算子的策略。通过在两个旅行商问题中的应用,验证了方法的有效性。(2)为了提高ACA收敛速度,提出了一种融合量子行为粒子群算法与ACA的混合算法(Quantum-behaved Particle Swarm Optimization and Ant Colony Algorithm HybridAlgorithm,QPSO-ACA-HA)。该混合算法在求解过程中,首先对所求解空间进行区域网格划分,进而利用QPSO快速收敛性在小区域内搜索,然后根据搜索到的历史最优值引导后期ACA的初始信息素分布;在算法后半段蚂蚁算法寻优过程中,采用每条边在求解中的贡献来分配信息素的释放程度的信息素更新策略。选用了四个具有不同数学特征的复杂连续函数对QPSO-ACA-HA算法进行了测试,仿真结果表明,混合算法不但求解精度高,收敛速度快,而且不易出现“早熟”的现象。(3)针对支持向量机(Support Vector Machine,SVM)的参数设定的重要性,以及通过人工手段难以选择合适参数的问题,提出将QPSO-ACA-HA算法运用到SVM的参数选取中,实现SVM参数的自动优化选取。通过在谷氨酸发酵过程建模仿真研究表明,利用QPSO-ACA-HA方法获得的SVM参数,能够有效提高谷氨酸发酵过程模型的预测效果。(本文来源于《江南大学》期刊2013-03-01)
李勇[6](2012)在《烧结混合料制备过程智能集成优化控制策略及其工业应用》一文中研究指出烧结过程是炼铁工艺中的重要流程,其中的配料与混合制粒过程属于混合料制备过程。在实际工业生产中,混合料制备过程并未得到充分优化,在配料方面存在混合料成分准确率不高,烧结矿质量波动的问题;存在成本和硫含量偏高,经济效益和环境效益不高的问题;在混合制粒方面,存在混合料粒度分布欠合理,烧结工序能耗高的问题。针对上述问题,本文围绕混合料制备过程智能集成优化控制策略展开研究,主要的研究工作与创新点如下:(1)基于机理分析和数据驱动的烧结配料过程智能集成建模方法针对烧结矿质量预测复杂,配料准确率较低而导致烧结矿质量波动的问题,提出一种烧结矿质量级联集成预测模型。首先,分析烧结过程中化学反应物质质变和量变关系,建立烧结矿质量的机理模型;根据灰色关联度分析方法确定影响烧结矿质量的关键参数,并将其区分为已知的配料参数信息和未知的烧结过程状态参数;依据烧结生产稳定性要求,建立T-S模糊融合的GM(1,1)灰色模型和最小二乘支持向量机(LS-SVM)集成模型,获得烧结过程状态参数合理的预测值。在此基础上,分别建立具有全局逼近能力BP神经网络模型(BPNN)和局部泛化能力的LS-SVM模型以预测烧结矿质量,并从信息论的观点出发,提出一种根据预测误差序列的变异程度加权的信息熵融合方法,通过对机理模型、BPNN和LS-SVM模型的预测结果进行加权集成,获得准确的烧结矿质量预测值。仿真结果和实际运行表明级联集成模型的预测精度高于单级预测模型和级联单一预测模型,能够准确预测烧结矿质量,满足配料计算对预测精度和数据完备性的要求。通过研究焦粉配比与烧结矿质量之间的数值关系,建立以烧结矿质量为约束的焦粉配比优化模型;通过研究烧结过程的主要物理、化学变化,建立基于热平衡的焦粉配比下限模型,从而缩小焦粉配比优化模型的搜索范围,克服了传统经验配比难以实现焦粉用量优化的局限性,为实现烧结配料过程节能目标奠定了基础。(2)兼顾降低成本与减少硫含量的烧结配料多目标优化模型针对传统配料方法中存在成本和污染物元素含量偏高,而一般的配料优化模型既缺乏对烧结配料工艺过程的合理描述,也缺乏对能耗、环境效益的关注问题,结合烧结配料中一次配料与二次配料不同的工艺特点和指标要求,在分析烧结过程原料关键化学成分指标和经济性基础上,以库存量和烧结矿化学成分指标为约束条件,建立一种基于线性加权和的烧结配料多目标优化模型(包括一次配料和二次配料多目标优化模型),较传统的配料成本优化模型而言,实现兼顾降低配料成本与减少硫含量的烧结配料多目标优化。(3)烧结配料多目标综合优化方法在建立基于线性加权和的烧结配料多目标优化模型的基础上,本文设计基于线性规划(LP)和遗传-粒子群(GA-PSO)的烧结配料多目标综合优化算法,搜索一次配料与二次配料优化模型的最优配比。该算法首先采用LP方法求解基于线性加权和的烧结配料多目标优化模型的最优解,若LP方法计算失效,则采用GA-PSO算法进行搜索,算法搜索初期采用基本粒子群算法(PSO),当PSO收敛停滞,采用遗传算法(GA)的交叉、变异操作增加粒子群的多样性,避免了基本PSO算法收敛末期的振荡特点,实现快速收敛。本文将烧结配料多目标综合优化算法应用工业生产现场,实现烧结配料配比优化。(4)基于粒度分布评估的混合制粒智能集成优化控制策略混合料粒度分布影响因素众多,而工艺指标仅对混合料粒度分布进行定性描述。粒度分布优化控制缺乏准确的数学模型和明确的优化目标,采用传统优化方法与控制策略难以实现粒度分布优化控制。针对上述问题,本文提出一种基于粒度分布评估与优化的控制算法。首先,提出粒级参数的概念,将连续的粒度分布用离散的粒级参数表示;其次,分析筛分实验粒级参数与对应混合料的烧结状态,采用料层厚度和平均透气性指数建立模糊评估函数,建立粒级参数与对应评估值的样本集,采用基于BP神经网络方法建立粒级参数的评估模型;再次,以评估模型为目标函数,以粒级参数为决策变量,在生产边界条件的约束下采用PSO算法求解获得最优粒级参数;最后,建立水分设定模型,通过代入最优粒级参数求解得到制粒过程水分优化设定值,克服了传统水分控制难以实现粒度分布优化控制的局限性。仿真实验表明:算法有效改善了制粒效果。(5)混合料制备过程优化控制策略的工业应用结合工业现场实际,根据某360m2烧结生产线进行系统软件和数据流设计,建立烧结配料优化与决策支持系统,实现企业兼顾配料成本与减少焦粉用量、降低硫含量目标的综合优化,取得了明显的经济效益和环境效益。(本文来源于《中南大学》期刊2012-05-01)
徐好芹,贾延明[7](2011)在《智能算法及其混合优化策略研究》一文中研究指出智能算法已经成为解决大规模组合优化问题的有效方法,但每一种算法又有各自的适用域和局限性,因而算法融合的思想便开始被研究应用,大量研究也表明算法的混合策略有更高的优化效率。首先阐述目前常用的几种智能算法思想,分析各自优缺点,继而针对单一算法的不足,探讨了几种算法混合优化策略思想,最后对进一步的研究做出展望。(本文来源于《软件导刊》期刊2011年09期)
贺徽[8](2011)在《基于混合智能优化方法的同步发电机励磁控制策略研究》一文中研究指出同步发电机励磁控制系统是电力系统中一种重要的控制系统,对电力系统安全、可靠、稳定运行起着至关重要的作用。随着我国经济建设的持续发展,电力系统不断扩大,大型同步发电机励磁控制研究成为了一个研究热点,而快速励磁方式的广泛使用促进了对励磁控制系统的进一步研究。由于励磁控制系统是一个具有时变性、多时滞环节且高度非线性的复杂控制系统,当系统的工况改变时,系统的动态特性会随之显着改变。此时,采用单纯PID控制策略的线性控制器往往不能满足系统稳定性的要求,只能通过切机、制动等故障处理方式避免系统进一步失稳。励磁控制器参数优化方法是解决上述问题最直接有效的手段,传统的控制器参数调整大多采用时域或频域下的人工静态整定,缺乏对突发扰动信号的制约,控制参数不具备自适应性,难以实现不同工况下发电机安全、稳定运行。因此,如何设计出结构简单,且能有效提高复杂非线性励磁控制系统调节品质的励磁控制器并研究其参数优化方法成为本文所关注的重点。本文针对同步发电机励磁控制系统所具有的复杂非线性,在全面分析同步发电机特性基础上,结合模糊理论及先进智能优化方法,对水力发电机组励磁控制系统建模、参数优化方法及控制策略进行了系统深入的研究,进一步开展了基于非线性励磁控制系统的理论研究,提出了基于模糊理论与混合智能优化方法的励磁控制策略体系。论文的主要研究工作及创新成果归纳如下:(1)针对大型同步发电机特性及励磁系统研究需求,建立了同步发电机励磁控制系统各环节数学模型,重点研究了同步发电机电压、电流、力矩等能量关系,分析了励磁系统的基本控制规律及其静、动态特性。根据研究与工程的需求,对理论模型进行相应简化得到本文仿真用的实用励磁控制系统模型,为后面章节研究提供理论支持。(2)针对励磁控制系统的复杂非线性,结合模糊理论与经典PID控制规律,提出一种非线性系统参数优化策略,对比分析两种模糊模型的基础上,设计出一种基于Mamdani模糊模型的模糊PID励磁控制器,在不考虑系统精确建模的情况下,实现多工况下励磁系统的稳定控制。最后经过对比实验,验证了该方法的有效性。(3)粒子群优化是近年来智能优化方法中的研究热点。在深入分析粒子群算法机理基础上,提出了一种基于碰壁反弹策略的自适应粒子群优化算法。通过实例仿真,比较了该算法与另外两种常见粒子群算法在励磁系统控制中的计算精度和收敛速度。(4)针对智能进化算法在励磁系统控制参数优化中的早熟问题,引入混沌搜索概念,研究采用Tent混沌映射,产生更均匀的搜索空间,并在此基础上提出了两级混沌搜索算法,同时研究用混沌搜索改进粒子群优化算法及差分进化算法的局部寻优能力,提出了混沌粒子群优化和混沌自适应差分进化算法。通过仿真结果和对比研究发现:与基本的粒子群优化、差分进化算法相比,混沌智能优化方法的效果更好;而混沌粒子群优化和混沌自适应差分进化算法的比较结果表明,后者能够提供更加可靠、稳定的参数寻优效果。(本文来源于《华中科技大学》期刊2011-06-01)
周雅兰[9](2010)在《智能优化算法的混合策略分析、设计和建模》一文中研究指出首先对国内外混合智能优化算法进行了研究,分析并揭示了现有各种算法中起作用的关键机制和元件,然后提出了一个混合智能优化算法模型,用于解释现有混合算法取得优良性能的根本原因,并为设计新的混合算法提供指导作用。(本文来源于《计算机应用研究》期刊2010年12期)
翟学敏,刘渊,刘波,毕蓉蓉[10](2008)在《群体智能混合算法优化XML数据查询策略》一文中研究指出采用路径离散化规则,结合XML半结构化的特点及概率知识,融合粒子群算法与蚁群算法,提出一种优化XML数据查询的概率方法,采用粒子群算法快速生成信息素分布,利用蚁群算法精确求解,达到了优势互补,提高了数据查询的范围和收敛的效率。仿真实验表明这种融合方法具有更好的查询效果。(本文来源于《计算机应用研究》期刊2008年10期)
混合智能优化策略论文开题报告
(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:
为了应对伴随汽车产业发展而来的环境污染和能源短缺问题,可利用电网充电的插电式混合动力汽车由于其节能环保的特点而进入研究人员的视野。由于插电式混合动力汽车可由多能量源提供动力,并且通常配备有高成本的大容量循环充放电电池,因此考虑电池寿命的能量管理策略在提高其整车经济性方面至关重要。本文以通勤用插电式混合动力汽车为对象,研究了在考虑电池寿命时的智能优化能量管理控制策略。主要的研究内容如下:建立了面向考虑电池寿命能量管理策略设计的插电式混合动力汽车系统模型。主要工作是通过对电池寿命损耗的历史数据拟合,建立了可以在控制策略设计中评价电池寿命衰减情况的有效累积电量模型。该模型利用严重系数因子评价不同工作条件对电池寿命的不同影响。然后通过对通勤车上下班历史交通信息的分析和变换,建立了一种具有概率统计特征的分段驾驶循环模型。在上述模型的基础上,形成了以减小能量消耗同时降低电池寿命损耗为目标的能量优化管理问题。为解决能量消耗和电池寿命损耗最小的多目标能量管理策略设计问题,利用随机动态规划和粒子群算法进行优化求解。根据驾驶循环的概率特征,通过随机动态规划的策略迭代算法对不同状态下的能量进行分配。粒子群算法用于选取能量消耗和电池寿命两目标之间的权重系数,以达到两目标之间的平衡。粒子群算法求解的最佳权重系数代入随机动态规划的成本函数中,而随机动态规划寻得的最优控制策略对应的成本作为粒子群的适应度值,二者相互嵌套,迭代寻找可以得到使能量消耗和电池寿命损耗最小的控制策略。为验证所设计的能量管理策略的有效性和实时应用性,在MATLAB/Simulink仿真平台下搭建控制器模型,并联合由汽车仿真软件GT-SUITE所搭建的插电式混合动力汽车整车及驾驶员模拟器来进行仿真验证。
(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。
混合智能优化策略论文参考文献
[1].赵莎莎.基于优化混合智能算法的云计算任务调度策略研究[D].内蒙古农业大学.2018
[2].王玉莹.插电混合动力汽车考虑电池寿命的智能优化能量管理策略[D].燕山大学.2018
[3].徐建军,王保娥,闫丽梅,李战平.混合能源协同控制的智能家庭能源优化控制策略[J].电工技术学报.2017
[4].颜伟,汪敏,龙漪澜,李丹,王俊梅.小时级月度发购电计划的优化模型及其混合智能求解策略[J].电网技术.2017
[5].江君莉.基于群智能优化算法混合策略的蚁群算法的研究与应用[D].江南大学.2013
[6].李勇.烧结混合料制备过程智能集成优化控制策略及其工业应用[D].中南大学.2012
[7].徐好芹,贾延明.智能算法及其混合优化策略研究[J].软件导刊.2011
[8].贺徽.基于混合智能优化方法的同步发电机励磁控制策略研究[D].华中科技大学.2011
[9].周雅兰.智能优化算法的混合策略分析、设计和建模[J].计算机应用研究.2010
[10].翟学敏,刘渊,刘波,毕蓉蓉.群体智能混合算法优化XML数据查询策略[J].计算机应用研究.2008