导读:本文包含了云理论优化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:分子动理论优化算法,多子群,弱连接,群集现象
云理论优化算法论文文献综述
范朝冬,刘颖南,章兢,易灵芝,肖乐意[1]（2019）在《弱连接多子群分子动理论优化算法》一文中研究指出针对分子动理论优化算法拓扑结构与"群集"现象的不足,提出了一种弱连接多子群分子动理论优化算法.该算法分为上下两层,下层由一系列分子子群执行启发式快速搜索,以提高算法的收敛速度;上层中的混沌扰动子群基于混沌扰动机制,以便停滞状态的分子子群能跳出局部极值;上层中的免疫局部学习子群选取下层中的部分优秀个体进行局部学习,以实现精细化搜索而提高算法的收敛精度.仿真结果表明,该算法在寻优精度、收敛速度以及求解偏移函数等方面均有良好的性能.(本文来源于《控制理论与应用》期刊2019年01期）
李杰[2]（2018）在《基于记忆分子动理论优化算法的电力系统经济调度研究》一文中研究指出经济调度(ED)是电力系统运行中经典的优化问题。合理可行的机组负荷分配计划不仅能提高发电效率、节约成本,而且还能减少污染物排放量,具有重要能源战略意义。随着电网日益大规模化与智能化,使得ED问题逐渐高维化、复杂化。本文主要研究了分子动理论优化算法(KMTOA)的改进及在ED问题上的应用。论文所做的主要研究工作如下:(1)阐述研究ED问题的重要性,并描述ED问题两个目标函数的数学模型和约束条件。针对ED问题高维、多约束、非线性等特征,详细介绍了求解ED问题的经典优化算法和智能优化算法,分析了经典优化算法对现代电网难以胜任的原因以及不同机制智能优化算法的优劣势。针对代表智能算法的不足,引出了KMTOA,并对KMTOA的搜索机制、算法步骤、优势进行详细阐述,同时分析了 KMTOA待改进完善的部分。(2)针对KMTOA求解精度待提高、易陷入早熟等缺陷,引入成熟的记忆原理思想,提出记忆分子动理论优化算法(MKMTOA)。该算法受记忆过程的启发,将种群中的个体视为带记忆值的粒子,基于记忆值的计算,按记忆阈值将分子个体划分为长时记忆、短时记忆、瞬时记忆、遗忘4个记忆种群库;模拟记忆的选择与遗忘,建立数学模型,不断更新迭代4个记忆种群库内个体的记忆值,增加种群多样性;并依据记忆精英引导算子,基于长时记忆种群库内的优秀个体对其他个体进行引导搜索,以加快算法收敛速度和避免陷入早熟。(3)MKMTOA通过12个单目标测试函数测试实验说明了改进算法在低维函数较KMTOA精度更高、收敛速度更快;同时在具有代表性的高维以及超高维测试函数上验证了其可行性和有效性;然后,通过6机组、13机组、40机组系统上的调度实验,说明了 MKMTOA从小规模到大规模的电力系统调度具有适用性和高效性。(4)考虑实际电力系统优化调度目标的多重性,单目标优化算法难以满足。在MKMTOA的基础上,引入非支配排序的思想,通过基于记忆分级的非支配快速排序法将记忆库分为四级Pareto前沿,实现了 MKMTOA向多目标优化算法的转变,提出记忆分子动理论多目标优化算法(MOMKMTOA)。该算法保留记忆更新与遗忘模型以保证算法的多样性,并按记忆精英选择策略从一级记忆前沿中随机选择领导精英以避免陷入局部最优。(5)MOMKMTOA选用多目标综合评价指标IGD对10个多目标基准测试函数检验其性能;通过不同多目标算法的数据对比说明了该算法的均匀性及收敛特性均具有最佳效果。工程应用对象选用IEEE-30节点6机组作为测试系统,通过不考虑网损和考虑网损的两个案例,充分验证了 MOMKMTOA在复杂多目标经济调度问题上的实用性。(本文来源于《湘潭大学》期刊2018-06-06）
任柯[3]（2018）在《基于分子动理论优化算法的图像分割方法在车辆图像分割中的应用》一文中研究指出分子动理论优化算法(KMTOA)是近年出现的一种新式启发式全局优化算法。由于该算法的吸引、排斥和波动机制,保证了算法的易于实现性和快速收敛性的同时还为兼顾种群的多样性提供可能。因此该算法受到了广泛的关注,已经成功的运用到电力系统经济调度、电力系统无功优化、智能楼宇负荷优化调度以及图像分割等多个领域。同时,学者们也发现了算法本身所存在的不足,针对不同的应用领域分别加以改进,提高了算法的应用价值。在图像分割等需要大量计算的应用领域,得益于优化算法的发展,很多图像领域的问题都可以转化为优化问题来解决,如图像的阈值分割问题就可转换成优化问题中参数最优计算来处理。将优化算法作为工具,采用迭代的方式计算某种准则下目标函数的最优值即图像分割的最优阈值。面对图像中多维数据的求解,优化算法特别是智能优化算法大大降低了计算量,随而缩短计算时间。众多的专家学者利用优化算法的优势对其进行了大量研究。本文在前人的工作基础上,针对KMTOA的不足提出若干改进措施,一、采用双种群思想,通过分工合作而共同实现寻优过程;二、为使普通种群在大范围内进行搜索,提出了多样性波动算子,基于反馈的种群多样性信息调节变异率而增强算法的全局搜索能力;叁、为使精英种群实现精细化搜索,设计了协同学习算子,尽量避免移动随机性过大问题。通过实验证明改进算法在算法的收敛精度等方面都有了不同程度的提高,在基于Otsu准则的图像多阈值分割应用上也具有收敛速度快,算法稳定性高,综合效果好的优点。当图像包含有噪声时,普通基于Otsu算法的分割模型已经不能有效的对图像进行分割,一种基于直线截距直方图的Otsu法被发现能有效去噪,但当图像混合有椒盐噪声时,将无法对图像进行正确分割。于是提出了基于后降噪策略的直线截距直方图Otsu,后降噪策略能有效的去除图像中的高斯及椒盐噪声,并将双种群分子动理论优化算法应用在阈值的寻优中。通过改进的算法和优化分割模型有效的保证了图像的分割效率和质量。通过在视频采集卡采集到的视频中设定虚拟检测区域的方式来检测提取完整的车辆图像,通过本文改进的图像分割方法,可以有效的分割出车辆的轮廓等信息,避免其他因素对分割结果的干扰,充分发挥了改进分割方法的性能,验证了改进图像分割方法的有效性。(本文来源于《湘潭大学》期刊2018-06-06）
范朝冬,任柯,易灵芝,肖乐意,朱彪明[4]（2018）在《双种群分子动理论优化算法》一文中研究指出针对传统分子动理论优化算法存在寻优精度差、易陷入局部极值等不足,提出了一种双种群分子动理论优化算法。该算法将种群分为精英和普通两个子群:普通子群采用传统分子动理论优化算法搜索策略进行大范围搜索,而精英子群则通过协同合作实现精细化搜索,以提高算法收敛精度;基于个体迁移实现子群间的信息交流,两个子群通过分工合作共同完成搜索过程。实验结果表明:改进算法在收敛速度、精度和算法稳定性等方面都有明显改善。(本文来源于《计算机工程与科学》期刊2018年04期）
肖乐意,欧阳红林,范朝冬[5]（2018）在《基于记忆分子动理论优化算法的多目标截面投影Otsu图像分割》一文中研究指出传统截面投影Otsu法后处理过程中的阈值Q为预先设定的常量,对含噪程度不同的图像普适性较差。该文提出一种基于记忆分子动理论优化算法的多目标截面投影Otsu法。该方法将阈值Q作为变量,结合分割阈值T,基于最大类间方差和最大峰值信噪比准则建立多目标图像分割模型,以兼顾图像分割的准确性和抗噪性;为免阈值增加而影响算法效率,将人工记忆原理引入分子动理论优化算法,设计了一种基于记忆分子动理论优化算法的多目标图像分割模型求解方法。实验表明:该方法分割准确、抗噪性强、鲁棒性好,对含不同噪声的图像更具普适性。(本文来源于《电子与信息学报》期刊2018年01期）
朱彪明[6]（2017）在《改进分子动理论优化算法及其在无功优化中的应用研究》一文中研究指出优化问题一直是科研和工程应用中的热门问题,寻求一种简单、高效、快速的优化方法求解工程中的难题十分重要。而智能优化算法因具有实现简单、寻优效果好、收敛速度快等优点,得到学者们的广泛关注。电力系统中无功功率分布不合理时,不仅影响电压质量,而且使电网不稳定,无法保障其安全运行。无功优化是一种提高电力系统安全性,降低网络损耗的重要手段,因此研究该问题具有重要意义,但其具有多约束、非线性、多变量等特点,采用传统数学方法求解效果不理想,需选取智能优化算法求解。本文综合分析各智能优化算法的特点,选取分子动理论优化算法作为研究对象,并分析其优势及不足,提出了两种改进策略;最后,将改进算法应用于无功优化中。首先对分子动理论优化算法(kinetic-molecular theory optimization algorithm,KMTOA)的相关原理和运行机制进行深入研究,包括个体间的吸引、排斥及波动机制,最优个体引导种群个体移动原理等。针对其缺乏局部搜索机制,可能发生错误引导,求解精度有待提高等不足,将物理结晶过程和教学过程引入分子动理论优化算法,提出两种改进方法,分别是基于结晶过程的分子动理论优化算法(kinetic-molecular theory optimization algorithm based on crystallizing process,C-KMTOA)、基于教学过程的分子动理论优化算法(kinetic-molecular theory optimization algorithm based on teaching-learning process,TL-KMTOA)。其中,C-KMTOA通过模拟物理结晶过程设计了一种分离算子,该算子将种群分为最优个体、优秀个体、较差个体叁个子群,并通过引导操作使较差个体向优秀个体附近移动、优秀个体向最优个体附近移动,从而使搜索范围快速缩小到最优解附近;TL-KMTOA通过综合教学过程,在寻优过程中,最优个体可以引导子群中的个体向最优解靠近,子群中的个体亦可相互学习提高其适应值,同时,适应值较差的个体可以通过反馈作用向最优个体进行二次学习来提高其适应值。为了验证C-KMTOA和TL-KMTOA的有效性,将算法在经典测试函数上进行仿真,实验结果表明,两种改进算法在收敛速度、求解精度等方面均表现出一定优势。其次,将两种改进分子动理论优化算法应用于无功优化中。分析了求解思路,给出详细的计算步骤,并在IEEE-14、IEEE-30、IEEE-118节点标准测试系统上进行无功优化仿真实验。实验结果表明,C-KMTOA、TL-KMTOA算法对目标函数的优化均取得较好的效果,降低了网损,提高电能质量,求解效果优于KMTOA、PSO、DE、TLBO等算法。本文针对KMTOA算法存在的缺陷,提出了C-KMTOA、TL-KMTOA两种改进算法,均能提升解的精度,避免算法陷入局部极值。最后将改进算法应用于无功优化中,并通过叁个算例验证其可行性与实用性。(本文来源于《湘潭大学》期刊2017-06-01）
张友俊,顾魁[7]（2016）在《一种基于差分进化理论优化的隐式空间映射算法及其应用》一文中研究指出标准隐式空间映射算法在优化滤波器的过程中可能会出现假收敛现象,从而导致模型之间建立的映射关系偏弱,使得整体的优化效率降低。介绍一种改进算法,通过引入差分进化算法(DE)搜索目标函数的全局最优解,避免优化过程出现假收敛。最后应用该算法优化一种多层结构的LTCC微带滤波器。实验结果表明,旨在获取更好映射关系的新算法在同样满足设计指标的条件下,所用迭代次数少,用时也更短,具备良好的可行性和高效性。(本文来源于《计算机应用与软件》期刊2016年08期）
范朝冬,章兢,易灵芝[8]（2015）在《M-精英协同进化分子动理论优化算法》一文中研究指出提出了一种M-精英协同进化分子动理论优化算法(MECKMTOA,M-elite coevolutionary KMTOA)。该算法基于M个精英以尽量避免发生错误引导,通过精英间的学习与协作提高算法的收敛精度,采用新型的波动算子防止算法陷入按维早熟。测试结果表明,MECKMTOA在求解精度、算法稳定性、高维函数求解等方面均表现出良好性能。(本文来源于《通信学报》期刊2015年07期）
朱彪明,范朝冬,周彦吉[9]（2015）在《基于分子动理论优化算法的最优潮流计算》一文中研究指出最优潮流是一个离散的、非线性化、规模庞大的问题。用传统的方法求解时会存在收敛速度慢、局部收敛等问题。本文用分子动理论优化算法来求解最优潮流。并通过IEEE14节点系统对该算法进行测试,由测试结果可知,该算法收敛精度高、寻优能力强。(本文来源于《萍乡学院学报》期刊2015年03期）
范朝冬[10]（2014）在《分子动理论优化算法及其在图像分割中的应用》一文中研究指出优化问题是科学研究和工程应用中的一个热点问题,寻求快速、稳健、有效的优化技术是各行各业长期所一直探讨的课题,其中智能优化算法因实现简单、运算速度快、优化效果好,已引起国内外学者的广泛关注。分子动理论中的吸引、排斥和波动机制,为优化算法在保证收敛的同时兼顾种群多样性提供了可能。因此,本文基于分子动理论提出了一种新型的优化算法,并围绕其在图像分割方面的应用展开研究。现有的智能优化算法往往存在多样性差、易陷入局部极值等不足。受分子动理论的启示,本文提出了一种新型的优化算法-分子动理论优化算法。该算法基于分子动理论的相关原理设计了吸引、排斥、波动叁个算子,通过模拟分子引力,吸引粒子向最优粒子移动以确保算法收敛;通过模拟分子斥力,使算法能够较好地保持种群多样性;通过模拟分子无规则的热运动,而使算法始终具备全局搜索能力。性能结果表明,该算法在解的质量、鲁棒性、种群多样性、收敛速度等方面都具有明显优势。分子动理论优化算法缺乏局部搜索机制,其求解精度有待提高;且如当前最优值为局部极值,则分子动理论优化算法可能发生错误性引导。鉴于精英个体在优化过程中的重要作用,本文基于协同进化和精英思想对分子动理论优化算法进行改进,提出了 M精英协同分子动理论优化算法。该算法基于M个精英以尽量避免发生错误引导,采用精英间的学习与协作以提高算法的收敛精度,并通过新型的波动算子以防止算法陷入按维早熟。仿真结果表明,改进算法在求解精度、算法稳定性、高维函数求解等方面均表现出良好性能。传统的多阈值分割算法因需对阈值空间进行蛮力搜索,计算效率较低。鉴于分子动理论优化算法的优良表现,探索运用该算法求解多阈值问题。基于Kapur熵和Otsu两种最为流行的阈值分割准则,对运用分子动理论优化算法实现多阈值分割进行了初步探讨。与细菌觅食和差分进化等主流的智能优化算法相比,该算法运算速度快、鲁棒性好、能较好地对图像进行分割。在氧化铝工业生产过程中,因工况复杂,回转窑火焰图像中往往存在噪声,如用上述方法对其进行分割,则其抗噪性差略显不足。通过对斜分Otsu法进行改进,本文提出了一种基于改进斜分Otsu法的回转窑火焰图像分割算法。该算法基于简化的距离测度函数选取最佳阈值,以减少计算量和便于多阈值扩展;采用基于后处理思想的图像分割方式,以进一步增强算法的抗噪性;运用分子动理论优化算法求解阈值,以提高算法的运算效率。某厂氧化铝回转窑火焰图像的分割测试验证了该算法的有效性。改进斜分Otsu法虽具备一定的抗噪性,但其性能仍有待提高。本文提出了一种基于空间截面投影的Otsu法,该算法首先基于截面投影直方图选取最佳阈值;然后运用基于阈值的后处理策略对分割结果进行处理,以增强算法的抗噪性。由于成像过程较为复杂,MR脑图像中往往存在噪声。为分割出MR脑图像中的白质、灰质、脑脊液等区域,首先将截面投影Otsu法进行了多阈值扩展,然后基于M精英协同分子动理论优化算法求解最佳阈值。实验结果表明,该算法计算效率高、抗噪性好,能较好地对含不同噪声的图像进行分割。本文提出了一种分子动理论优化算法,分析了该算法的优势与不足,并基于M精英策略对其进行了改进。然后,将其成功地应用于回转窑火焰图像和MR脑图像的分割中。(本文来源于《湖南大学》期刊2014-06-19）
云理论优化算法论文开题报告
（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：
经济调度(ED)是电力系统运行中经典的优化问题。合理可行的机组负荷分配计划不仅能提高发电效率、节约成本,而且还能减少污染物排放量,具有重要能源战略意义。随着电网日益大规模化与智能化,使得ED问题逐渐高维化、复杂化。本文主要研究了分子动理论优化算法(KMTOA)的改进及在ED问题上的应用。论文所做的主要研究工作如下:(1)阐述研究ED问题的重要性,并描述ED问题两个目标函数的数学模型和约束条件。针对ED问题高维、多约束、非线性等特征,详细介绍了求解ED问题的经典优化算法和智能优化算法,分析了经典优化算法对现代电网难以胜任的原因以及不同机制智能优化算法的优劣势。针对代表智能算法的不足,引出了KMTOA,并对KMTOA的搜索机制、算法步骤、优势进行详细阐述,同时分析了 KMTOA待改进完善的部分。(2)针对KMTOA求解精度待提高、易陷入早熟等缺陷,引入成熟的记忆原理思想,提出记忆分子动理论优化算法(MKMTOA)。该算法受记忆过程的启发,将种群中的个体视为带记忆值的粒子,基于记忆值的计算,按记忆阈值将分子个体划分为长时记忆、短时记忆、瞬时记忆、遗忘4个记忆种群库;模拟记忆的选择与遗忘,建立数学模型,不断更新迭代4个记忆种群库内个体的记忆值,增加种群多样性;并依据记忆精英引导算子,基于长时记忆种群库内的优秀个体对其他个体进行引导搜索,以加快算法收敛速度和避免陷入早熟。(3)MKMTOA通过12个单目标测试函数测试实验说明了改进算法在低维函数较KMTOA精度更高、收敛速度更快;同时在具有代表性的高维以及超高维测试函数上验证了其可行性和有效性;然后,通过6机组、13机组、40机组系统上的调度实验,说明了 MKMTOA从小规模到大规模的电力系统调度具有适用性和高效性。(4)考虑实际电力系统优化调度目标的多重性,单目标优化算法难以满足。在MKMTOA的基础上,引入非支配排序的思想,通过基于记忆分级的非支配快速排序法将记忆库分为四级Pareto前沿,实现了 MKMTOA向多目标优化算法的转变,提出记忆分子动理论多目标优化算法(MOMKMTOA)。该算法保留记忆更新与遗忘模型以保证算法的多样性,并按记忆精英选择策略从一级记忆前沿中随机选择领导精英以避免陷入局部最优。(5)MOMKMTOA选用多目标综合评价指标IGD对10个多目标基准测试函数检验其性能;通过不同多目标算法的数据对比说明了该算法的均匀性及收敛特性均具有最佳效果。工程应用对象选用IEEE-30节点6机组作为测试系统,通过不考虑网损和考虑网损的两个案例,充分验证了 MOMKMTOA在复杂多目标经济调度问题上的实用性。
（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。
云理论优化算法论文参考文献
[1].范朝冬,刘颖南,章兢,易灵芝,肖乐意.弱连接多子群分子动理论优化算法[J].控制理论与应用.2019
[2].李杰.基于记忆分子动理论优化算法的电力系统经济调度研究[D].湘潭大学.2018
[3].任柯.基于分子动理论优化算法的图像分割方法在车辆图像分割中的应用[D].湘潭大学.2018
[4].范朝冬,任柯,易灵芝,肖乐意,朱彪明.双种群分子动理论优化算法[J].计算机工程与科学.2018
[5].肖乐意,欧阳红林,范朝冬.基于记忆分子动理论优化算法的多目标截面投影Otsu图像分割[J].电子与信息学报.2018
[6].朱彪明.改进分子动理论优化算法及其在无功优化中的应用研究[D].湘潭大学.2017
[7].张友俊,顾魁.一种基于差分进化理论优化的隐式空间映射算法及其应用[J].计算机应用与软件.2016
[8].范朝冬,章兢,易灵芝.M-精英协同进化分子动理论优化算法[J].通信学报.2015
[9].朱彪明,范朝冬,周彦吉.基于分子动理论优化算法的最优潮流计算[J].萍乡学院学报.2015
[10].范朝冬.分子动理论优化算法及其在图像分割中的应用[D].湖南大学.2014