导读:本文包含了多目标网络优化论文开题报告文献综述及选题提纲参考文献，主要关键词:多目标,工艺参数优化,激光熔覆,BP神经网络
多目标网络优化论文文献综述
温海骏,孟小玲,许向川,曾艾婧[1]（2019）在《基于神经网络和遗传算法的激光熔覆工艺参数多目标优化》一文中研究指出为了提高再制造工件的激光熔覆层的综合质量,选取激光功率,送粉量,扫描速度为优化变量,熔覆层的宽高比、稀释率、粉末收集率作为优化目标,基于综合加权法与层次分析法将3个优化目标转化为综合质量目标,设计全因子试验,利用MATLAB软件基于试验结果建立BP神经网络预测模型,通过遗传算法确定使综合质量达到最佳的工艺参数组合。研究结果证明,装备工件再制造激光熔覆的最优工艺参数组合为:激光功率3.0 kW,送粉量47 g/min,扫描速度5.5 mm/s。(本文来源于《应用激光》期刊2019年05期）
肖文丰,陈建宏,陈毅,王喜梅[2]（2019）在《基于神经网络与遗传算法的多目标充填料浆配比优化》一文中研究指出随着充填法在地下矿山开采中的应用越来越广,在满足充填体强度要求的情况下,寻找生产成本最低的充填料浆配比对于矿山生产经营十分重要。基于人工神经网络和遗传算法提出了一种新的充填料浆配比优化方法。首先,以水泥质量分数、粉煤灰质量分数和尾砂质量分数3个充填料浆配比参数为优化参数,以充填体强度为优化目标,建立了3-9-1的BP神经网络,并基于遗传算法对BP神经网络进行优化,建立起预测精度更高的GA_BP神经网络。然后,将预测精度更高的GA_BP神经网络作为适应度函数,结合成本计算函数,通过遗传算法进行多目标优化以获取最优的充填料浆配比参数。结果表明:当充填体抗压强度为1.5 MPa时的成本最低,充填料浆配比组合为水泥质量分数为8%,粉煤灰质量分数为2.3%,尾砂质量分数为66.3%,最低成本为29.3元/t,优化结果与实际情况一致。(本文来源于《黄金科学技术》期刊2019年04期）
吕增威,魏振春,韩江洪,孙仁浩,夏成凯[3]（2019）在《基于多目标优化的无线传感器网络移动充电及数据收集算法》一文中研究指出近年来,通过引入移动设备(ME)为无线传感器网络(WSNs)进行无线充电和数据收集成为一个研究热点。传统方法一般先根据节点的充电需求优先级确定移动路径,再根据该路径依次对节点进行数据收集。该文同时考虑充电需求和数据收集两个维度,以最大化ME的总能量利用率和最小化数据收集平均时延为目标,建立多目标一对多充电及数据收集模型。在ME携带的行驶能量和充电能量不足的前提下,设计路径规划策略和均衡化充电策略,并改进多目标蚁群算法对该文问题进行求解。实验结果表明,该文算法在多种场景下的目标值、Pareto解的数量、Pareto解集的均匀性、分布范围等性能指标均优于NSGA-II算法。(本文来源于《电子与信息学报》期刊2019年08期）
冯国奇,崔东亮,张琦,代学武[4]（2019）在《神经网络辅助的多目标粒子群优化算法在复杂产品设计中的应用》一文中研究指出复杂产品有限元分析(Finite Element Analysis,FEA)费用很高,给多目标优化(Multi-Objective Optimization,MOO)带来很大困难。提出一种人工神经网络(Artificial Neural Network,ANN)辅助的多目标粒子群优化算法(Multi-Objective Particle Swarm Optimization,MOPSO)处理这类计算密集的设计问题:以基于噪声的虚拟样本丰富ANN的训练样本集,通过虚拟样本的控制参数和ANN模型参数的协同优化提高ANN泛化能力;以此ANN为代理模型支持多目标粒子群算法的进化,并采用基于网格邻域信息的拥挤指标提高Pareto前沿的收敛性、多样性及均匀性。最后,以航空发动机高压涡轮盘(High Pressure Turbine Disc,HPTD)多目标优化案例验证该策略的有效性和可用性。试验证明,这种面向成本的MOO方法降低了复杂产品多目标优化的工程应用难度,提高了设计质量。(本文来源于《系统管理学报》期刊2019年04期）
夏昊天,严婷婷,张晖[5]（2019）在《多目标优化的无人机交通运输网络数学建模算法研究》一文中研究指出随着无人机技术的不断发展,目前已有相关企业开展无人机运输货物测试。在建筑材料运输方面,大型工业级无人机设备能够高效准确地运输建筑施工地所需的零配件。现基于多目标情况下无人机交通运输网络的算法,根据不同数量和不同网络位置的建筑材料仓库与建筑施工工地,求解无人机交通运输网络的路径规划问题。(本文来源于《机电信息》期刊2019年20期）
董晓庆,程良伦,陈洪财,郑耿忠,谢森林[6]（2019）在《异构无线网络多用户多业务接入中多目标优化控制方法研究》一文中研究指出针对多异构网络重迭覆盖、多用户多业务共存环境下,用户最大化传输速率易致网络负载不均衡的问题,提出一种基于非支配排序遗传算法的业务接入控制方法。该方法首先以传输速率最大化及网络负载最均衡为目标,以带宽资源受限为约束,构建了传输速率最大化及网络负载最均衡的双目标优化模型;然后基于多目标优化方法非支配排序遗传算法(Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)求解该业务接入控制问题。仿真结果表明,所提算法兼顾了用户的传输速率需求及网络间的负载均衡,取得较好的效果。(本文来源于《液晶与显示》期刊2019年07期）
尹春岩,鲁伟鑫,赵晓宇[7]（2019）在《认知星地网络中鲁棒多目标优化安全波束形成算法》一文中研究指出在认知星地网络中,对于系统多个目标之间的物理层安全问题,提出了基于鲁棒多目标的安全波束成形算法。首先,在满足用户最小可达安全速率约束和基站最大发射功率限制的约束下,研究了基站总发射功率最小化和次级用户可达安全速率最大化的联合优化问题。然后,考虑到不完全的信道状态信息的实际假设,提出了基于加权切比雪夫方法的多目标鲁棒波束成形方案。其次,通过利用半正定规划和泰勒级数展开等方法将非凸的优化问题转化为具有线性矩阵不等式的线性问题,来获得最优权向量和人工噪声向量,从而得到了两个冲突问题之间的资源分配策略的帕累托最优集。最后,仿真实验的数值结果验证了所提出算法的有效性和优越性。(本文来源于《南京邮电大学学报(自然科学版)》期刊2019年03期）
郗元,成明峰,张西龙,郭明钢,杨晓航[8]（2019）在《基于BP神经网络的湍流促进器多目标优化》一文中研究指出利用CFD软件STAR-CCM+对螺旋缠绕式湍流促进器的8种设计参数进行流场数值计算,以壁面剪应力和轴向压降为指标,比较不同参数的湍流促进器强化效果。建立了基于遗传算法优化的BP神经网络,使用神经网络对不同的设计参数进行流场效果预测,网络拟合精确度达到了0. 99 718。以最小化轴向压降最大化平均壁面剪应力为目标,利用NSGA-Ⅱ算法进行多目标优化,计算出Pareto最优支配前沿,在最优支配前沿中寻找到合适的设计点,并对预测出的优化参数进行建模并模拟验证。结果分析表明,与初始设计参数相比,在中心杆直径选取为10. 8 mm、螺距为6. 5 mm时,流场的轴向压降增加了1. 7%,平均壁面剪应力提高了9. 7%。(本文来源于《现代化工》期刊2019年06期）
李爱莲,毕泽伟[9]（2019）在《基于深度信念网络模型的多目标优化》一文中研究指出为降低炼焦能耗,提高焦炭产量和质量,准确建立生产目标模型,提出基于深度信念网络模型的多目标优化研究方案。根据现场专家经验及生产现状确定能耗和产量为生产目标,对采集的炼焦数据进行处理和相关性分析,分别建立能耗和产量的深度信念网络模型及质量径向基神经网络模型,并且采用差分扰动的粒子群多目标优化算法进行集气管压力设定值优化,通过仿真研究验证了该方案的可行性。实验表明,该方案能准确地挖掘数据间的复杂特性,建立精准的目标模型,并得出最佳的集气管压力设定值,使炼焦能耗降低并且产量提高,可以为实际生产提供理论指导。(本文来源于《科学技术与工程》期刊2019年16期）
韩佳蓉[10]（2019）在《基于复杂网络的多目标柔性制造优化研究》一文中研究指出在智能制造时代下,产品更新换代的速度加快,生产周期缩短,需求多样性增多,我国的制造企业面临着如何大幅提高生产效率,缩短生产周期,保证产品质量,降低生产成本获得更好的经济效益等问题。我国以往都是流程型、离散型等生产模式的制造企业,若想对其进行调度优化,需要利用各种算法优化来实现。大数据的普及、数据接收器的应用、计算机技术的增强为工业生产提供了大量可利用数据和数字化管理模式,这就迫使我国制造业的生产模式需要由离散型、流程型向数据驱动型转型。本文进行的具体工作主要有以下两点:其一,为了实现流程型工业向数据驱动型工业的转型,本文用多目标柔性作业车间生产过程的真数据,结合复杂网络理论,利用复杂网络建模的方法,建立了基于数据信息的多目标作业车间动态复杂网络模型。模型将数据信息作为节点,数据与数据之间的关系作为边,关系间的强弱作为边的权重,引入了时间上的动态变化,考虑到了不同时刻内部节点、边的动态演化。搭建的复杂网络模型从数据的角度反映实际多目标柔性作业车间的生产情况,利用网络特征参数证明了模型具有无标度的网络特性。通过无碱池窑拉丝工艺生产玻璃纤维的实例验证了模型的实用性,分析后发现存在着制约生产的关键瓶颈节点,这些关键瓶颈节点对生产的成本、效率、时间等诸多问题尤为重要。其二,为了寻找多目标柔性作业车间复杂网络模型中的关键瓶颈节点,本文将模糊多属性决策的模糊分析法和网络层次法相结合,得到模糊网络综合评价法。利用该方法对复杂网络模型中数据节点各类属性进行评价计算,得出数据节点各类属性在流程工业中占重要程度的权重大小。再把权重与节点实际属性值结合,得到排序靠前的关键瓶颈节点。最后用实例验证了该方法能够准确找到关键瓶颈节点,能较好的应用在多目标柔性作业车间,为下一步实现多目标柔性制造优化打下了基础。(本文来源于《齐鲁工业大学》期刊2019-05-31）
多目标网络优化论文开题报告
（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：
随着充填法在地下矿山开采中的应用越来越广,在满足充填体强度要求的情况下,寻找生产成本最低的充填料浆配比对于矿山生产经营十分重要。基于人工神经网络和遗传算法提出了一种新的充填料浆配比优化方法。首先,以水泥质量分数、粉煤灰质量分数和尾砂质量分数3个充填料浆配比参数为优化参数,以充填体强度为优化目标,建立了3-9-1的BP神经网络,并基于遗传算法对BP神经网络进行优化,建立起预测精度更高的GA_BP神经网络。然后,将预测精度更高的GA_BP神经网络作为适应度函数,结合成本计算函数,通过遗传算法进行多目标优化以获取最优的充填料浆配比参数。结果表明:当充填体抗压强度为1.5 MPa时的成本最低,充填料浆配比组合为水泥质量分数为8%,粉煤灰质量分数为2.3%,尾砂质量分数为66.3%,最低成本为29.3元/t,优化结果与实际情况一致。
（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。
多目标网络优化论文参考文献
[1].温海骏,孟小玲,许向川,曾艾婧.基于神经网络和遗传算法的激光熔覆工艺参数多目标优化[J].应用激光.2019
[2].肖文丰,陈建宏,陈毅,王喜梅.基于神经网络与遗传算法的多目标充填料浆配比优化[J].黄金科学技术.2019
[3].吕增威,魏振春,韩江洪,孙仁浩,夏成凯.基于多目标优化的无线传感器网络移动充电及数据收集算法[J].电子与信息学报.2019
[4].冯国奇,崔东亮,张琦,代学武.神经网络辅助的多目标粒子群优化算法在复杂产品设计中的应用[J].系统管理学报.2019
[5].夏昊天,严婷婷,张晖.多目标优化的无人机交通运输网络数学建模算法研究[J].机电信息.2019
[6].董晓庆,程良伦,陈洪财,郑耿忠,谢森林.异构无线网络多用户多业务接入中多目标优化控制方法研究[J].液晶与显示.2019
[7].尹春岩,鲁伟鑫,赵晓宇.认知星地网络中鲁棒多目标优化安全波束形成算法[J].南京邮电大学学报(自然科学版).2019
[8].郗元,成明峰,张西龙,郭明钢,杨晓航.基于BP神经网络的湍流促进器多目标优化[J].现代化工.2019
[9].李爱莲,毕泽伟.基于深度信念网络模型的多目标优化[J].科学技术与工程.2019
[10].韩佳蓉.基于复杂网络的多目标柔性制造优化研究[D].齐鲁工业大学.2019