导读:本文包含了群集问题论文开题报告文献综述及选题提纲参考文献，主要关键词:社会网络,影响力最大化,群集智能,元启发式优化算法
群集问题论文文献综述
唐建新[1]（2019）在《基于群集智能的社会网络影响力最大化问题研究》一文中研究指出得益于因特网和Web2.0等技术的迅速发展,规模日益增长的社会网络已经成为个体之间交互的主要方式和信息传播的重要平台,人们正在将传统的线下生活中的信息流迁移到社会网络上进行高效率低成本的管理。网络个体节点在交互过程中会对其他邻域节点产生影响并重塑这些节点的情感、认知与行为等,进而引起网络拓扑结构的演变。因此,开展社会网络分析研究对于了解网络的统计特性、理解网络节点的行为特征、揭示网络的传播动力学规律、控制网络拓扑结构演化等具有重要意义。作为网络传播的重要研究内容之一,影响力最大化问题的目的在于采用一定的评估机制从给定网络中选取一组指定大小的影响力节点作为种子集合,在特定的级联传播模型下,使得该种子集合的影响力传播范围最大化。开展影响力最大化问题的研究不仅对丰富复杂网络理论研究具有重要的理论意义,而且在基于病毒式营销模式的产品推广、信息扩散等实际活动具有广阔的应用前景。现有影响力最大化算法在处理不同结构类型的网络时存在求解质量不稳定、可扩展性低等不足;在处理大规模社会网络时仍然面临着时间复杂度高、占用内存空间大等问题。为此,本文以社会网络为研究对象,首先深入分析了采用群集智能优化算法求解影响力最大化问题的可行性与优势;为了充分在网络解空间中搜索最优种子解集,研究了局部搜索策略对提升算法求解性能的作用;在此基础上,尝试把在求解多目标连续优化问题时表现突出的蝙蝠算法用于求解影响力最大化问题。然后,针对大规模社会网络计算复杂度高等问题,研究了基于网络拓扑结构的离散元启发式算法的快速进化机制。最后,结合社会网络普遍存在的社团结构特征,研究了基于粒子群优化算法的自适应种子节点选取策略。大量实验结果表明,基于群集智能的元启发式优化算法是求解影响力最大化问题的一种有效手段。本文的具体研究工作概述如下:(1)为提升对网络解空间中影响力节点的搜索能力,基于贪心机制提出了一种改进离散粒子群优化算法。在评估节点边际收益时,传统贪心算法由于需要执行大量的蒙特卡洛模拟而具有较高的时间复杂度,难以处理大规模社会网络。为此,本文深入分析了采用基于群集智能的元启发式优化算法求解影响力最大化问题的可行性及其优势。在采用典型的粒子群优化算法求解影响力最大化问题时,为改善种群当前最优候选种子节点集合的选取质量,构造了一种基于贪心机制的局部搜索策略,在候选节点直接邻域集合内选取边际收益最大的节点替换当前候选种子节点。实验结果表明,改进局部搜索策略能够有效提高算法的求解性能。(2)在上述工作基础上,结合网络空间特征,通过离散化蝙蝠算法的进化规则,尝试把蝙蝠优化算法用于求解影响力最大化问题。为加快算法的收敛速度,基于节点度中心性和介数中心性构造了一种衡量节点对网络拓扑结构作用大小的贡献度指标,按照贡献度从网络中提取一定数量的结构性节点建立一个候选种子节点池,从中选取影响力节点替换算法演化过程中边际收益最低的候选种子节点。实验结果表明,离散蝙蝠优化算法能够取得与CELF算法非常接近的求解效果。(3)分析了基于网络结构特征构建局部搜索策略对元启发式优化算法时间复杂度的影响,提出了一种离散混合蛙跳算法求解大规模社会网络中的影响力最大化问题。混合蛙跳算法中由确定性与随机性协同作用的局部搜索策略,使得该算法具有较低的时间复杂度。基于网络离散拓扑结构特征,重新定义了蛙群的编/解码机制与进化规则,构造了一种快速的候选种子节点局部搜索策略。为最优化离散混合蛙跳算法的参数设置策略,采用正交试验方法对算法的主要参数开展了代表性仿真试验。基于实际网络数据集的结果表明,与典型影响力最大化算法相比,离散混合蛙跳算法具有良好的求解性能。(4)结合实际社会网络中普遍存在的社团结构特征,提出了一种自适应离散粒子群优化算法用于种子节点的动态分配与选取。针对社会网络中社团规模差异化特点,为合理分配分属各社团的候选种子节点数量,构造了一种动态种子节点选取策略。通过评价候选种子节点集合的影响力局部传播范围,动态调整分属各社团的候选种子节点数量,以最大化影响力期望传播范围。在此基础上,提出一种面向社团划分机制的自适应离散粒子群优化算法求解影响力最大化问题。实验结果表明,算法具有较快的求解速度和较强的鲁棒性。(本文来源于《兰州大学》期刊2019-03-01）
郝亚茹[2]（2017）在《异质非线性多智能体系统的群集问题研究》一文中研究指出研究异质多智能体系统(Multi-agent System,MAS)的主要目的是解决不同类型的智能体共同完成任务的问题。本文利用图论知识描述智能体之间信息的连通,通过人工势函数设计控制器,控制智能体之间的距离防止碰撞。选用合适的正定的李雅普诺夫函数,用李雅普诺夫函数稳定性定理和拉萨尔不变原理来证明异质多智能体系统的稳定性,达到群集状态。本文主要研究了异质多智能体系统群集叁个方面的内容。第一,研究了具有二阶异质非线性多智能体系统的群集控制问题。异质智能体是由两种不同类型的二阶的非线性动力系统构成,在具有虚拟领导者模型当中分别对两种二阶动力系统设计控制器,推导出控制算法并且证明算法的收敛性和稳定性。第二,研究了含有时变时延的异质多智能体系统群集控制问题。在实际生活应用中,智能体之间有限的传输距离或者通信拥堵都会导致通信时延。所以智能体的运动方程需要时延动力系统模型来刻画。在时变时延的情况下,异质多智能体实现群集。第叁,研究了含有未知参数的异质多智能体系统群集控制问题。设计带有未知参数的分布控制律,基于李雅普诺夫函数的稳定性,得到关于群集不等式的充分性条件。该条件保证所有跟随者跟踪领导者的状态,选取的参数和群集状态达成一致。最后仿真结果验证参数控制器的有效性。(本文来源于《中国民航大学》期刊2017-05-17）
唐若笠[3]（2016）在《基于群集智能的复杂问题优化算法与应用研究》一文中研究指出“创新、协调、绿色、开放、共享”是“十叁五”时期乃至中长期指导我国能源电力行业科学发展的新理念。在着力推进能源电力行业创新发展与绿色发展的进程中,大量亟待优化与创新的技术问题相继涌现,且随着电力系统规模的日益增长、技术要求的不断提升,这类技术问题呈现出规模化、复杂化的发展趋势。本文依托实际科研课题,以群集智能思想的应用为出发点,结合专业背景,围绕电力系统建设、电力系统运营中的两类典型复杂优化问题展开研究：大规模光伏系统复杂光照下最大功率点跟踪以及电能计量设备运维作业动态优化,抽象出一类具有大规模、多极值、变量耦合等特性的复杂优化问题,并建立基于群集智能的求解模型。在此基础上,针对不同问题的属性与特点研究基于群集智能的求解方法,并最终回归实际问题的求解与优化。具体地讲,本文主要研究内容及创新成果如下：对于具有多极值特性的复杂优化问题,由于群集智能算法易出现因个体陷入局部极值且难以摆脱而导致的“早熟”收敛现象,极大程度地限制了算法对于这类问题的求解性能。本文以粒子群算法为例,分析其“早熟”现象的形成原因,并从增强粒子个体智能属性的角度出发提出若干防“早熟”策略以及HSPSO、 HSPSO-FI算法,通过为个体引入仿人脑的智能属性以增强其摆脱局部极值点束缚的能力。仿真实验表明,通过引入仿人智能属性,粒子个体能够有效克服局部极值点的束缚,算法优化性能得以显着提升。对于具有大规模特性的优化问题,由于问题复杂度随变量维数的增加呈指数上涨,这一“维数灾难”的出现将导致常规优化算法失效。尤其当大规模优化问题同时具有变量耦合特性时,问题的求解将变得极为复杂。为拓展群集智能的应用领域,提升其对各类大规模优化问题的求解性能,本文研究并提出一类通用的多参考向量自适应协同进化(AM-CC)算法框架,并以粒子群算法为例提出AM-CCPSO算法。仿真实验表明,AM-CC框架对于具有变量可分割以及变量不可分割等特性的1000维大规模问题具有良好的求解性能。AM-CC框架的提出为群集智能应用于求解大规模问题,尤其对于具有变量耦合特性的大规模问题求解提供了一种通用、有效的解决方案。在上述理论研究的基础上,针对电力系统建设中的典型复杂优化问题展开应用研究：围绕大规模光伏系统复杂光照下的“热斑效应”与最大功率点跟踪问题,研究并提出了基于群集智能的求解方案。“热斑效应”对光伏系统局部遮阴环境下的稳定工作构成严重威胁,现有方法普遍存在系统输出功率额外损失、成本较高或难以在大规模系统中应用等缺陷。针对这一问题,本文研究了基于光伏电池控制装置与支路稳压装置的大规模光伏阵列拓扑结构,为实现单块电池板(或最小控制单元)级的最大功率点跟踪提供了硬件基础。此外,建立了以大规模优化问题为描述形式的大规模光伏系统最大功率点跟踪数学模型,并将本文理论研究部分提出的各算法应用于模型求解。仿真实验表明,通过拓扑结构、数学模型与求解算法的相互配合,大规模光伏系统各电池板(或最小控制单元)在复杂光照环境下能够稳定工作于各自理论最大功率点,使“热斑效应”得以有效解决的同时保证了系统的最大输出功率。此外,针对电力系统运营中的典型复杂优化问题展开应用研究：围绕电能计量设备运维作业动态优化问题,分析电网企业相关管理工作的实际需求,并建立基于群集智能的运维作业动态优化模型,以实现对任务点数量、实时路况、运维人员属性与数量、决策者偏好等外部条件的实时响应。在此基础上,采用本文理论研究部分提出的各算法完成对模型的求解。仿真实验表明,提出的模型与算法能够对电网企业关于运维作业的各项要求予以实时响应,实现电能计量设备运维作业的高维度实时、动态优化,提升电网企业日常运维工作管理效率。(本文来源于《武汉大学》期刊2016-05-01）
段亚男[4]（2016）在《课堂讨论模式中教师提出并群集问题的策略研究》一文中研究指出课堂讨论模式是现代教育理念所倡导的一种有效的教学实践。它能极大地激发学生学习的兴趣,提高学生学习的主动性和创造性,培养学生的各种能力以及创新精神。在实施课堂讨论模式中,教师和学生围绕一个中心问题进行讨论,教师提出的问题成为课堂讨论模式中的主线及灵魂。因此,课堂讨论模式中教师提出并群集问题需要有一定的策略。(本文来源于《佳木斯职业学院学报》期刊2016年03期）
李萍[5]（2015）在《非线性多智能体系统的自适应群集问题研究》一文中研究指出本文从叁个方面讨论了非线性多智能体系统的自适应群集问题。第一,研究了带有非线性内部耦合函数的多智能体系统的自适应群集控制。第二,研究了带有时变时延的非线性多智能体系统的自适应群集控制。第叁,研究了带有未知参数的非线性多智能体系统的自适应群集控制。用网络动态图来描述非线性多智能体系统,在其连通的条件下,运用人工势函数方法推导出各智能体的自适应控制律,运用李雅普诺夫稳定性原理证明了系统的稳定性,使得多智能体系统能够达到群集。运用Matlab进行数值模拟实验,证明了该控制算法的有效性。本文的创新工作有:第一,本文研究的多智能体系统中,每个智能体是二阶非线性动力学系统,并且系统中包含有未知的参数,因此该模型比线性多智能体系统更复杂,适用范围更广。第二,目前研究的智能体之间的通讯时延大多都是常值。为了更好地反映客观实际,本文研究了智能体之间的通讯延迟是一个关于时间的时变函数。第叁,设计了自适应控制器,辨识未知的参数,并达到了多智能体系统的自适应群集,给出了稳定性结果的一个充分条件,控制器的形式简单,易于实用。(本文来源于《中国民航大学》期刊2015-05-04）
张志强,叶安胜,周晓清[6]（2014）在《最小控制集问题的群集策略智能算法研究》一文中研究指出图的最小控制集是一个经典的NP完全问题,其广泛应用在生物信息学、计算机通讯、工程设计等方面。目前搜索最小控制集算法有多种,例如:贪心算法、模拟退火算法、基于禁忌搜索的模拟退火算法等。当搜索结构复杂的多点图时,很多算法的搜索效果并不好。为了提高搜索效果,提出并实现一种群集策略智能算法;同时还对群集策略算法进行了非常重要的扰动改进。为了验证算法的搜索效果,利用Petersen图和随机图完成了对群集策略算法的搜索测试实验;同时也完成了对群集策略算法、贪心算法、基于禁忌搜索的模拟退火算法的比较测试实验,通过实验结果也验证了群集策略算法搜索效果最好。(本文来源于《科学技术与工程》期刊2014年16期）
张婷[7]（2013）在《关于群集问题的一致性研究》一文中研究指出近年来,全球信息化的高速发展使我们进入了一个高科技时代,尤其是以网络为代表的信息化技术的迅猛发展,使我们身处在各种各样复杂网络的世界里。随着网络化进程的加快人们需要对各种人工的和自然存在的复杂网络有更深入的了解和研究。多智能体系统作为复杂网络的一个前沿研究领域已受到自然科学和社会科学各个领域的关注。群集是多智能体相互作用的一种普遍现象,在很多研究领域如生物、电子、机器人以及控制论中得到了越来越多人的关注。一致性问题作为群集系统协调运动的一种最基本的形式,它可用来表征群集所涌现的动力学行为,是研究复杂网络合作与协调控制的一个重要切入点。本文研究了群集问题的一致性。首先,简单介绍了复杂网络、多智能体、群集及一致性的相关概念、基本理论和发展现状。然后,介绍了本文的研究工作。我们构建了一类更具现实意义的群集模型。新模型不仅考虑了群集中个体间的距离和相对距离,而且考虑了个体在运动时为了避免碰撞而产生的排斥作用。我们分别研究了无领导者、具有领导者的新模型的一致性行为,并利用作用集以及势函数的相关理论分别给出了这两种情形下系统达到一致的条件。此后,将新建立的模型推广到更一般的情形,将位移由原来的速度函数推广为一个关于位移和速度的函数,并利用作用集以及势函数的相关理论给出了这种情形下系统达到一致的条件。通过数值模拟验证了结论的正确性,并利用数值模拟分析了随机干扰下新模型的动力学行为。最后,结合自己完成的工作,对今后进一步工作做了简单介绍和展望。(本文来源于《河北师范大学》期刊2013-03-11）
朱兴涛[8]（2012）在《多目标拆卸线平衡问题的群集智能优化算法研究》一文中研究指出随着生产者责任延伸制的推行、各国新的更多的环境立法的建立以及公众环境意识的提高,制造商开始回收和再制造废旧的产品。此外,重新使用废旧产品所带来的经济吸引力也从另一个层面推动了更多制造商的投入。拆卸是重新使用、制造、回收、存储以及合理处理产品关键的第一步,拆卸线是实现大规模拆卸的最佳选择,因而有效设计和平衡拆卸线对提高拆卸效率至关重要,因此研究拆卸线平衡问题具有重要的理论和实际意义。结合拆卸线的特点,提出了多目标拆卸线平衡问题的数学模型,其优化目标为最小化工作站数、均衡各工作站空闲时间,并考虑拆卸产品部件的危害、需求以及方向。在此基础上,采用两种群集智能优化算法—粒子群算法和蚁群算法研究了多目标拆卸线平衡问题。提出了一种目标基于优先排序的粒子群算法,该算法采用随机数生成粒子的位置和速度,而位置和速度的更新则为对应随机数相加减,进而把位置的随机数作为选择零件的权重,从而根据权重的大小来选择拆卸的零件。并通过具体的实例以及基准例子验证了算法的有效性。提出了一种基于Pareto的粒子群算法来求解多目标拆卸线平衡问题,该算法采用小生境技术选取多目标的全局最优解,采用Pareto占优以及分散度作为个体评价以及局部最优解选取,最后通过具体的实例以及基准例子验证了算法的有效性。提出了一种目标基于优先排序的蚁群算法来求解多目标拆卸线平衡问题,该算法考虑了以零件拆卸时间、危害以及需求叁种规则的启发式信息,并综合考虑利用先验知识、探索新路径、随机选择叁种方式的混合搜索机制,有效的提高了算法的搜索效率,并通过具体的实例以及基准例子验证了算法的有效性。(本文来源于《西南交通大学》期刊2012-11-01）
崔晓坤,宋维[9]（2011）在《计算群集系统的负载平衡问题》一文中研究指出负载平衡问题是群集系统的一个关键问题。该文在已有群集系统中使用的负载平衡策略的基础上,提出了一种计算群集系统的自适应负载平衡算法。(本文来源于《电脑知识与技术》期刊2011年33期）
刘艳平,王志刚,刘先锋[10]（2009）在《高可用性群集系统ARP协议问题研究》一文中研究指出群集系统常用作高可靠性服务器,应用于关键网络计算领域。但是,由某些型号的计算机构成的群集系统在网络通信方面存在ARP协议缺陷,当服务进程从主用节点切换到冗余备份结点后,会出现一段时间的网络通信中断,从而严重影响服务质量。本文从ARP协议工作原理着手,通过测试实验,详细阐述了群集系统中存在的ARP协议缺陷问题,并给出了解决办法。(本文来源于《微计算机信息》期刊2009年27期）
群集问题论文开题报告
（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：
研究异质多智能体系统(Multi-agent System,MAS)的主要目的是解决不同类型的智能体共同完成任务的问题。本文利用图论知识描述智能体之间信息的连通,通过人工势函数设计控制器,控制智能体之间的距离防止碰撞。选用合适的正定的李雅普诺夫函数,用李雅普诺夫函数稳定性定理和拉萨尔不变原理来证明异质多智能体系统的稳定性,达到群集状态。本文主要研究了异质多智能体系统群集叁个方面的内容。第一,研究了具有二阶异质非线性多智能体系统的群集控制问题。异质智能体是由两种不同类型的二阶的非线性动力系统构成,在具有虚拟领导者模型当中分别对两种二阶动力系统设计控制器,推导出控制算法并且证明算法的收敛性和稳定性。第二,研究了含有时变时延的异质多智能体系统群集控制问题。在实际生活应用中,智能体之间有限的传输距离或者通信拥堵都会导致通信时延。所以智能体的运动方程需要时延动力系统模型来刻画。在时变时延的情况下,异质多智能体实现群集。第叁,研究了含有未知参数的异质多智能体系统群集控制问题。设计带有未知参数的分布控制律,基于李雅普诺夫函数的稳定性,得到关于群集不等式的充分性条件。该条件保证所有跟随者跟踪领导者的状态,选取的参数和群集状态达成一致。最后仿真结果验证参数控制器的有效性。
（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。
群集问题论文参考文献
[1].唐建新.基于群集智能的社会网络影响力最大化问题研究[D].兰州大学.2019
[2].郝亚茹.异质非线性多智能体系统的群集问题研究[D].中国民航大学.2017
[3].唐若笠.基于群集智能的复杂问题优化算法与应用研究[D].武汉大学.2016
[4].段亚男.课堂讨论模式中教师提出并群集问题的策略研究[J].佳木斯职业学院学报.2016
[5].李萍.非线性多智能体系统的自适应群集问题研究[D].中国民航大学.2015
[6].张志强,叶安胜,周晓清.最小控制集问题的群集策略智能算法研究[J].科学技术与工程.2014
[7].张婷.关于群集问题的一致性研究[D].河北师范大学.2013
[8].朱兴涛.多目标拆卸线平衡问题的群集智能优化算法研究[D].西南交通大学.2012
[9].崔晓坤,宋维.计算群集系统的负载平衡问题[J].电脑知识与技术.2011
[10].刘艳平,王志刚,刘先锋.高可用性群集系统ARP协议问题研究[J].微计算机信息.2009