导读:本文包含了精英退火论文开题报告文献综述及选题提纲参考文献，主要关键词:精英策略,协同进化,模拟退火,收敛速度
精英退火论文文献综述
贺玫璐,罗杰[1]（2015）在《基于模拟退火机制的精英协同进化算法》一文中研究指出为了获取更好的全局寻优性能,同时保持较快的收敛速度,文中结合精英策略、协同进化思想和模拟退火机制,提出了一种基于模拟退火机制的精英协同进化算法(SACEA)。算法维持叁个种群:精英种群、普通种群和随机种群。精英个体组团,并和其他组员个体协作或对其引导来达到进化目的。SACEA算法在精英组团过程中引入随机种群以增加种群多样性,同时随机个体和精英个体的合作采用快速模拟退火机制来实现,使算法获得了更好的全局寻优性。通过对15组标准测试函数的仿真,并和已有的算法进行对比,很容易得出:SACEA算法具有更强的全局寻优能力,同时收敛速度也有所提高。(本文来源于《计算机技术与发展》期刊2015年01期）
贺玫璐[2]（2014）在《基于模拟退火精英协同进化算法的交通信号协调优化控制》一文中研究指出随着城市化水平的提高，机动车数量急剧增加，城市交通拥堵问题日益严重，传统的交通信号控制方式已经不能获得良好的控制效果。因此，智能交通信号控制成为了主要控制手段。利用进化算法进行交通信号优化控制是一种有效途径，但其在收敛精度和收敛速度方面还有待改进。协同进化算法作为一种新型智能算法，由于其具有高度的协调性，在智能交通信号控制领域已崭露头角。本文对协同进化算法进行了改进，将其用于交通信号控制，取得了良好的效果。本文结合精英策略、协同进化思想和模拟退火机制，提出了一种基于模拟退火机制的精英协同进化算法（SACEA），将其应用到交通信号控制领域。算法维持叁个种群：精英种群、普通种群和随机种群，精英个体组团，并和其他组员个体协作或对其引导来达到进化目的。算法在精英组团过程中引入随机种群以增加种群多样性，同时随机个体和精英个体的合作采用快速模拟退火机制来实现，使算法获得了更好的全局寻优性和更快的收敛速度。本文通过实验验证了算法的有效性。本文在观察研究单交叉口车流量分布特性的基础上，分别建立了以单交叉口的平均延误最小和平均停车率最小为目标的两个单交叉口信号控制模型。在此基础上利用SACEA算法对两个模型各自进行优化配时仿真，并和已有优化算法进行对比，结果表明:利用SACEA算法进行优化更能减少单交叉口平均延误时间和平均停车率。在分析了城市干线协调控制理论的基础上，本文以一个绿波系统为例，以车辆通过干线所需平均总共时间（平均行程时间和总平均延误时间之和）为控制目标，进一步利用SACEA算法进行了多交叉口配时优化，并与已有算法进行对比，结果表明：利用SACEA算法进行优化更能减少车辆通过干线所需时间。(本文来源于《南京邮电大学》期刊2014-02-01）
刘爱军,杨育,邢青松,陆惠,张煜东[3]（2012）在《含精英策略的小生境遗传退火算法研究及其应用》一文中研究指出针对传统遗传退火算法的缺陷,提出了小生境遗传退火算法,该算法引入小生境技术,避免了搜索初期有效基因的缺失,保证了解的多样性;引入了自适应双点交叉和互换变异策略,克服了算法交叉和变异概率固定不变导致的求解过程较长和易收敛于局部最小值的缺陷;引入精英保留策略,有效地避免了最优解的丢失,加快了进化速度;通过3个经典函数测试,并将其应用于Job Shop调度问题,仿真实验结果表明:新算法有效克服了停滞现象,增强了全局搜索能力,比遗传算法和传统遗传退火算法的寻优性能更佳。(本文来源于《中国机械工程》期刊2012年05期）
李军军,肖健梅,王锡淮[4]（2008）在《一种精英退火微粒群算法》一文中研究指出提出一种针对部分较优微粒进行退火操作的精英退火微粒群算法.在退火操作中,结合Logistic方程的特点设计了一种新的错位调整方式,对当前已知最优区域重点搜索.该算法能增强算法的探索和开发能力,避免计算量过度增加.典型测试函数结果显示,该方法可同时提高算法的搜索速度和搜索精度.将基于该方法的PID控制器应用于发电机电压调节系统(AVR),计算结果表明,该PID控制器可以获得更为满意的控制性能指标.(本文来源于《控制与决策》期刊2008年07期）
赵娜,沈吟东[5]（2008）在《基于精英策略的多目标模拟退火算法》一文中研究指出在本文提出的新算法中,以模拟退火方法为进化手段,为了保证解的收敛性与多样性,运用快速非支配排序和密度比较算子,并利用精英策略,保存最优解。对新算法加以实现,最后对其结果进行评价。(本文来源于《武汉科技学院学报》期刊2008年03期）
精英退火论文开题报告
（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：
随着城市化水平的提高，机动车数量急剧增加，城市交通拥堵问题日益严重，传统的交通信号控制方式已经不能获得良好的控制效果。因此，智能交通信号控制成为了主要控制手段。利用进化算法进行交通信号优化控制是一种有效途径，但其在收敛精度和收敛速度方面还有待改进。协同进化算法作为一种新型智能算法，由于其具有高度的协调性，在智能交通信号控制领域已崭露头角。本文对协同进化算法进行了改进，将其用于交通信号控制，取得了良好的效果。本文结合精英策略、协同进化思想和模拟退火机制，提出了一种基于模拟退火机制的精英协同进化算法（SACEA），将其应用到交通信号控制领域。算法维持叁个种群：精英种群、普通种群和随机种群，精英个体组团，并和其他组员个体协作或对其引导来达到进化目的。算法在精英组团过程中引入随机种群以增加种群多样性，同时随机个体和精英个体的合作采用快速模拟退火机制来实现，使算法获得了更好的全局寻优性和更快的收敛速度。本文通过实验验证了算法的有效性。本文在观察研究单交叉口车流量分布特性的基础上，分别建立了以单交叉口的平均延误最小和平均停车率最小为目标的两个单交叉口信号控制模型。在此基础上利用SACEA算法对两个模型各自进行优化配时仿真，并和已有优化算法进行对比，结果表明:利用SACEA算法进行优化更能减少单交叉口平均延误时间和平均停车率。在分析了城市干线协调控制理论的基础上，本文以一个绿波系统为例，以车辆通过干线所需平均总共时间（平均行程时间和总平均延误时间之和）为控制目标，进一步利用SACEA算法进行了多交叉口配时优化，并与已有算法进行对比，结果表明：利用SACEA算法进行优化更能减少车辆通过干线所需时间。
（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。
精英退火论文参考文献
[1].贺玫璐,罗杰.基于模拟退火机制的精英协同进化算法[J].计算机技术与发展.2015
[2].贺玫璐.基于模拟退火精英协同进化算法的交通信号协调优化控制[D].南京邮电大学.2014
[3].刘爱军,杨育,邢青松,陆惠,张煜东.含精英策略的小生境遗传退火算法研究及其应用[J].中国机械工程.2012
[4].李军军,肖健梅,王锡淮.一种精英退火微粒群算法[J].控制与决策.2008
[5].赵娜,沈吟东.基于精英策略的多目标模拟退火算法[J].武汉科技学院学报.2008