导读:本文包含了启发式智能算法论文开题报告文献综述及选题提纲参考文献,主要关键词:城市轨道交通,调度策略,智能细菌觅食搜索
启发式智能算法论文文献综述
薛闯[1](2019)在《基于生物启发式智能搜索算法的城市轨道交通调度策略研究》一文中研究指出轨道交通以其快速准时、节能环保、输送量大等特点,大大缓解了城市交通拥堵问题。为了确保城市轨道交通能够正常、稳定运营,良好的调度策略必不可少,其不仅能够降低轨道交通日常运营成本,还能提升运营效率与服务水平。鉴于此,设计了一种基于智能细菌觅食搜索算法的城市轨道交通调度策略,为城轨运营企业的日常调度提供了重要的理论依据。(本文来源于《机电信息》期刊2019年32期)
车春江,郝盛,赵璐,杨鹏程[2](2018)在《基于贪婪策略的智能红绿灯启发式算法研究》一文中研究指出根据视频检测交叉口车流量实时分配红绿灯时间,可以有效提高交叉口通行量,减少道路拥堵。通过分析交通信号控制参数、优化目标与问题描述,建立了基于贪婪策略的红绿灯智能控制模型,采用贪婪思想、基于专家知识的贪婪规则,建立了红绿灯智能控制算法,实现了红绿灯智能控制,达到减少车辆延误时间、排队长度,提高道路通行量,缓解城市道路拥堵的目的。最后,通过仿真实验验证了模型和算法的有效性。(本文来源于《交通世界》期刊2018年26期)
薛菲[3](2016)在《基于蝙蝠算法的启发式智能优化研究与应用》一文中研究指出群智能优化算法是一类模拟动物群体行为的随机优化算法,该类算法利用动物群体所突显的智能来求解问题。目前为止,已经提出了很多群智能优化算法,这些算法从动物的视觉、听觉、嗅觉等角度出发来求解问题,但它们普遍存在局部搜索性能较差,以及算法过早收敛等问题。而蝙蝠则具有一种完全不同的觅食方式—回声定位。因此,模拟这种觅食方式的蝙蝠算法对上述问题提供了一种完全不同的解决方式。本论文以蝙蝠算法为基本算法,研究高效的改进蝙蝠算法,以期进一步改善蝙蝠算法性能使其应用范围更广阔。与已有蝙蝠算法的研究成果相比较,本论文系统地从性能分析、理论分析、算子设计、算法融合、知识学习、多目标优化等方面进行研究,并将蝙蝠算法应用在生物信息学、无线传感器网络等多个工程问题中。本文研究成果和创新点如下:(1)针对蝙蝠算法中速度震荡问题,引入速度权重概念,设计了不同的速度权重,使蝙蝠个体能根据其适应值自适应的调整飞行速度,更好的在搜索空间内进行搜索;针对标准蝙蝠算法搜索方式发散和搜索区域不完整的缺点,通过扩大频率范围,使蝙蝠的搜索区域覆盖整个搜索空间,提高了蝙蝠算法的全局搜索能力。(2)针对蝙蝠算法局部搜索能力差的问题,从算法融合角度去优化标准蝙蝠算法,分析不同策略与智能算法的优化机理,从纯数学理论和其它智能优化算法中汲取优点,将其与蝙蝠算法相结合以进一步提高算法性能。数学理论方面,利用Powell法增强标准蝙蝠算法的局部搜索能力。智能优化算法融合方面,本文分析并采纳了遗传算法、模拟退火算法和分布估计算法的优异算子,将其引进到蝙蝠算法中进行融合,从而进一步优化蝙蝠算法。(3)针对蝙蝠算法个体信息利用率低的缺点,将知识学习引入到蝙蝠算法中。首先,蝙蝠个体在寻优过程中不断利用其历史知识和群体知识调整优化,有利于群体成员向更好的方向移动,加快算法收敛速度。其次,针对高维多峰问题,利用相似度聚类函数将蝙蝠群体分为不同的蝙蝠簇,使蝙蝠有针对性的进行区域知识学习。最后,引入偏好知识维度概念,提高蝙蝠个体学习能力。(4)在多目标蝙蝠算法的基础上引入非支配快速排序策略,该策略不仅可以筛选出距离真实前沿较近的个体,而且可以使得所求个体均匀的分布在真实前沿的边缘。偏好多面体策略的引入进一步降低了决策者在选择非劣解时的困难,该策略利用非减拟凹函数代替决策者参与非劣解的筛选,所得的非劣解可以有效的反映决策者的偏好。(5)将蝙蝠算法应用到多个不同领域,其中包括生物信息学中的RNA二级结构预测问题、蛋白质折迭预测问题,无线传感器网络中的覆盖问题、定位问题以及团簇优化问题。针对不同问题,对蝙蝠算法离散化,并设计了不同目标优化模型。(本文来源于《北京工业大学》期刊2016-06-01)
孙英云,游亚雄,陈颖,孙振权[4](2014)在《一种考虑N-1约束的智能配电网信息网络启发式规划算法》一文中研究指出随着分布式能源、微网以及高级量测体系等在智能配电网中的接入和应用,智能配电网中的信息流量将远大于现有配电网。为了保证智能配电网信息网络的可靠性以及经济性,需要对其进行合理规划。文中从智能配电网信息网络的可生存性出发,采用N-1准则构建优化模型,并提出了一种启发式算法来保证模型的顺利求解。最后,通过某县级配电网信息网络规划算例,将启发式算法与1+1保护优化模型进行了比较,结果表明,启发式算法能够满足网络规划的可生存性约束。(本文来源于《电力系统自动化》期刊2014年08期)
彭军华[5](2014)在《基于启发式算法的智能光网络动态RWA算法问题的研究》一文中研究指出随着IP业务的爆炸式增长,其固有的突发性和实时性等特点对现有网络提出了更高的要求,动态路由与波长分配(DRWA)成为智能光网络中一个关键问题。论文针对智能光网络的DRWA问题进行了研究,提出了一种改进RWA算法并采用理论分析和数值仿真的方法研究了改进算法对网络性能的影响。论文首先讨论了智能光网络的特点,在对其路由相关问题全面分析基础上重点研究了已有的RWA解决方案。论文提出了一种基于改进蚁群优化算法的动态RWA算法——IS-DRWA算法。改进算法完善了传统蚁群优化算法中的节点选择规则,平衡算法的收敛速度和全局搜索能力,避免算法陷入局部最优解;同时采用跟随网络资源状态变化的波长空闲率替代传统算法中固定的局部信息素挥发因子,实现可用波长数多的路由承载更多业务,达到网络负载均衡。改进算法根据迭代结果动态调整全局信息素挥发因子,避免算法早熟和陷入局部最优解。论文搭建了仿真环境并进行了仿真实验,结果表明:与经典的Dijkstra+FF算法相比,改进的IS-DRWA算法可以有效的降低网络阻塞率和提高资源利用率。(本文来源于《南京邮电大学》期刊2014-03-01)
张宇楠[6](2013)在《启发式智能优化算法的研究与应用》一文中研究指出近年来,现代启发式智能优化算法在生物学、物理学和人工智能的基础上得到了发展,这类算法普遍具有鲁棒性强、通用性强、高效的优化性能等优点,已经被广泛的应用在计算机科学、组合优化、优化调度、工程优化设计、运输问题等领域上。启发式优化算法是一个在直观或经验基础上构造的算法,即在可接受的空间或时间内给出组合优化问题的可行解,该可行解与最优解的偏离程度事先是不一定可以预估的。相对于基本的优化算法比如powell算法、牛顿迭代算法等,启发式优化算法具有求解时间已知,简单易行,速度快等优点。算法主要有模拟退火算法、禁忌搜索算法、蚁群算法、遗传算法、人工免疫算法、人工神经网络、差分进化算法、粒子群算法等,这些算法都具有称为“邻域搜索”的结构:算法从一个(组)初始解开始,在关键参数的控制下,首先通过邻域函数产生出若干个(组)邻域解,同时按接受条件更新当前的状态,然后再按照关键参数修改准则来调整参数变量,并且在满足算法的收敛准则条件下重复上述的搜索步骤,最终就会得到问题的最优解。在实际应用中,许多问题被证实为NP(Non-DeterministicPolynomial,非确定多项式)类问题,如旅行商问题(TravelingSalesman Problem,TSP),0-1背包问题(Knapsack Problem),加工调度问题(Scheduling Problem)以及装箱问题(Bin PackingProblem)等,我们常常不能给出解决该类问题的有效算法,但是其中有一个合理的求解办法就是寻找一种启发式算法。然后在允许的计算复杂性的条件下使用启发式算法,我们便可以得到该类问题的局部最优解或近似最优解。启发式算法的关键在于相关问题评价函数的选取,在这里我们通常根据实际问题的性质来选取评价函数。本篇论文主要分两大部分:(一)Xin-She Yang教授受到蝙蝠回声定位行为的启发,于2010年提出了一种新型的启发式算法,称为蝙蝠算法(BA),随着逐步深入的研究,算法逐渐应用于工程中的多目标优化问题中,但该算法也存在着收敛速度慢,易陷入局部最优,求解精度不高,出现震荡等缺点。这部分就基本蝙蝠算法提出了一种自适应变步长蝙蝠算法(VSABA算法),并使用这种新型的元启发式算法以及其改进算法来解决具体的NP应用问题(0-1背包问题)。(二)介绍了基于鸟群飞行觅食的一种启发式算法--粒子群优化算法,为了提高算法的优化能力,我们提出两种改进的粒子群算法,算法通过寻找潜在的最优点来实现优化,使每个粒子都朝这个方向作一些调整,从而使算法跳出局部极值。最后利用提出的改进粒子群算法解决投资组合模型中权重的选择问题,并且与传统的粒子群算法求解结果进行对比,结果表明改进的方法所得结果收敛效果更好、精度更高,为广大的投资者在资产选择上提供了理论支持。现代启发式算法的研究,在理论方面还处在不断发展中,由于目前的研究成果十分分散,所以还需要建立一个完整的理论体系;其次,我们需要利用各个启发式算法所具有的的优良性能,把它们完美的结合起来变成更好的算法来解决具体的应用问题。(本文来源于《广西民族大学》期刊2013-04-01)
赵景龙[7](2012)在《面向多智能体协作的启发式联盟结构生成算法研究》一文中研究指出近年来,在计算机人工智能领域,多智能体系统(Multi-Agent Systems,MAS)正在变得越来越重要。在MAS中,与Agent独立工作相比,在许多任务中Agent采取联盟或合作行为往往会取得更好的结果,因此,联盟结构生成(Coalition StructureGeneration,CSG)问题成为了多智能体系统中的一个活跃的研究领域。联盟结构被定义为一个划分,就是把系统中所有智能体分成多个独立不相交的联盟。在多智能体系统中,哪些智能体会形成联盟,如何形成联盟,是一个重要的问题。对此,博弈论提供了一些解决问题的方案:在一个确定的博弈中,可以挑选稳定的结果。但是,寻求最优联盟结构是一个NP完全问题。为了找到最优的联盟结构,通过遍历搜索的方式在理论上是可行的。但由于需要搜索的联盟划分的数目是根据智能体的数目按贝尔数增长的,所以遍历搜索会随着搜索空间的增加而变得越来越不可能实现。本文根据建立的无线通信系统背景下的MAS模型,从博弈论的视角提出了两个启发式联盟结构生成算法,并对联盟结构的稳定性和算法的复杂度进行了分析。算法通过基于成本的融合-分离的方式,允许各智能体采取不同的态度,以决定是否与其它成员(或联盟)协作而融合或背叛联盟而脱离,从而形成最终接近或达到最优的联盟结构。蒙特卡洛式仿真实验的结果表明,两个算法在非遍历搜索空间的情况下,都能取得较好的结果。当Mt<=100时,与非合作的情况相比,成员的效用分别提高了40.74%和43.37%。在Mt<=20时,用户的平均效用与最优值的最大差距分别为1.61%和0.91%。(本文来源于《华中科技大学》期刊2012-01-01)
高强[8](2010)在《输电网络无功优化启发式混合智能算法的研究》一文中研究指出电力系统无功优化对于系统实现安全、经济地运行起着重要的作用。无功优化问题是一个多变量、多约束的混合整数非线性规划问题,其优化过程十分复杂,目前为止还没完全得以解决。论文充分考虑实际电力系统中电压无功控制的基本原则,结合免疫进化规划算法,对电压无功调节及静态无功优化进行了比较深入的研究。主要研究内容如下:首先,论文提出了一种有效的输电网络电压无功分层分区启发式调节方法。该方法基于无功的分层分区平衡与就地补偿原则以及中枢点电压的逆调压原则,定义了同层区、负载率、无功调节能力和无功不平衡度等新概念,以此来确定无功平衡与逆调压的理想目标,评估电网的无功平衡水平。然后在此基础上提出了分层分区的电压无功调节策略,该策略包括叁个阶段:①全局的电压与无功调节,②无功的分层分区平衡调节,③局部的电压与无功调节。论文分析了每个阶段的潮流特征,并针对其中的主要问题制定了合理的电压无功启发式调节规则,以尽可能实现全网的电压合格和分层分区的无功平衡。其次,结合电压无功的启发式调节规则与免疫进化规划算法,论文提出了一种新颖的输电网络无功优化启发式混合智能算法。该算法首先结合启发式规则生成初始种群,使大部分个体为可行解,有效压缩了算法的搜索空间;然后结合启发式规则来引导免疫进化规划算法中不可行个体控制变量的变异方向,通过分析产生不可行个体的全局性或者局部性的原因,确定需要调整的控制变量和具体的变异量,从而提高不可行个体的变异效率,避免大量无效搜索,较好地克服了免疫进化规划算法用于电力系统无功优化时搜索效率低、易早熟的现象。该算法相对于常规的免疫进化规划算法搜索效率更高、稳定性更好和全局寻优能力更强。最后,通过对43节点厂站模拟系统和重庆高压电网的仿真测试,验证了本文所提的两种算法的有效性。(本文来源于《重庆大学》期刊2010-05-01)
陈德良,陈治亚[9](2009)在《叁维装箱问题的智能启发式算法》一文中研究指出叁维装箱问题是一类典型的NP-hard组合优化问题,找到一个高效快速的算法具有重要的现实意义.模拟人们在实际装箱时总是尽量保证每一层装的比较"平直"思想,设计了一种智能启发式算法,借以克服一般启发式算法依赖"经验"的不足.给出了详细算法流程和关键数组的定义.该算法结构简单,实验表明算法收敛速度快,能有效解决叁维装箱问题.(本文来源于《中南林业科技大学学报》期刊2009年03期)
田甜[10](2008)在《动态无功优化实用模型及启发式混合智能算法研究》一文中研究指出本文受国家自然科学基金项目“交直流系统模糊动态无功优化的模型和智能算法(50577073)”、重庆市电力公司重点项目“区域电网动态无功优化控制系统的开发研究”等相关课题资助。论文对动态无功优化的模型及相应的优化算法进行了较为详细的研究。电力系统动态无功优化通过对发电机、并联电容器和有载调压变压器(OLTC- on-load tap changer)等调压设备的控制,在满足设备及系统运行约束的基础上,使全网的日电能损耗最小。现有研究中大多考虑了离散控制变量的日总动作次数约束,而忽视了OLTC分接头的相邻时段动作次数约束;另外,在对电容器动作次数的处理上也存在一些问题,如控制变量数目增加、投切不合理等。针对这些问题,本文建立了动态无功优化新模型,并结合基于内点法和免疫遗传算法的混合算法,进一步提出了本文的启发式混合智能算法。具体内容如下:①从现有模型出发,建立了动态无功优化的新模型。其中,目标函数采用常规的能量损耗最小,约束条件除常规的各时段潮流及电压安全约束、电容器和OLTC分接头开关的日总动作次数约束外,论文新增加了OLTC分接头开关的相邻时段动作次数约束。同时,结合实际变电站电容器的“先投先切、后投后切”基本操作原则,将同一母线的多组电容器简化等效为单一的集中电容器,并根据其具体组数来确定等效电容器开关的动作次数限制。②针对所建新模型,进一步提出了本文的启发式混合智能算法。同时充分考虑了动态无功优化模型中各时段电网结构参数不变的特点,采用了稀疏技术来提高混合算法的求解效率。在处理动态约束时,本文设计了“就地校正”和“削峰填谷”的启发式调整策略,该策略有效地处理了模型中分接头相邻时段调节档位差的约束以及离散控制变量的总动作次数约束,且相比常规惩罚策略更有利于求得动态优化的可行解。③最后通过多个IEEE标准系统以及一个实际系统对本文模型和算法进行仿真分析计算。计算结果表明,本文的新模型更具实际意义,而且所提出的启发式混合智能算法对于求解新模型也是十分有效的。(本文来源于《重庆大学》期刊2008-05-01)
启发式智能算法论文开题报告
(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:
根据视频检测交叉口车流量实时分配红绿灯时间,可以有效提高交叉口通行量,减少道路拥堵。通过分析交通信号控制参数、优化目标与问题描述,建立了基于贪婪策略的红绿灯智能控制模型,采用贪婪思想、基于专家知识的贪婪规则,建立了红绿灯智能控制算法,实现了红绿灯智能控制,达到减少车辆延误时间、排队长度,提高道路通行量,缓解城市道路拥堵的目的。最后,通过仿真实验验证了模型和算法的有效性。
(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。
启发式智能算法论文参考文献
[1].薛闯.基于生物启发式智能搜索算法的城市轨道交通调度策略研究[J].机电信息.2019
[2].车春江,郝盛,赵璐,杨鹏程.基于贪婪策略的智能红绿灯启发式算法研究[J].交通世界.2018
[3].薛菲.基于蝙蝠算法的启发式智能优化研究与应用[D].北京工业大学.2016
[4].孙英云,游亚雄,陈颖,孙振权.一种考虑N-1约束的智能配电网信息网络启发式规划算法[J].电力系统自动化.2014
[5].彭军华.基于启发式算法的智能光网络动态RWA算法问题的研究[D].南京邮电大学.2014
[6].张宇楠.启发式智能优化算法的研究与应用[D].广西民族大学.2013
[7].赵景龙.面向多智能体协作的启发式联盟结构生成算法研究[D].华中科技大学.2012
[8].高强.输电网络无功优化启发式混合智能算法的研究[D].重庆大学.2010
[9].陈德良,陈治亚.叁维装箱问题的智能启发式算法[J].中南林业科技大学学报.2009
[10].田甜.动态无功优化实用模型及启发式混合智能算法研究[D].重庆大学.2008