导读:本文包含了群竞争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:可再生能源消纳,主动配电网,多目标,判断矩阵—功效系数法
群竞争算法论文文献综述
陈秋月,廖文龙,杨德昌[1]（2019）在《基于狼群竞争算法的主动配电网无功优化研究》一文中研究指出随着分布式电源大规模接入配电网,如何促进可再生能源的消纳越来越受到人们的关注。为此,提出了一种计及可再生能源消纳能力的主动配电网无功优化方法。详细分析了分布式电源出力波动性和间歇性,从促进可再生能源消纳的角度,引入弃风弃光量指标作为主动配电网无功优化的一个新目标函数;结合经济性、可靠性指标建立兼顾可再生能源消纳能力的主动配电网无功优化模型。采用考虑决策者偏好的判断矩阵—功效系数法解决多目标优化问题,并引入狼群算法对模型进行求解;结合主动配电网无功优化的特征,对狼群算法提出2个改进策略,增强了算法的收敛精度及稳定性。在改进后的IEEE33配电系统上进行仿真分析,验证了所提模型的合理性和算法的有效性。(本文来源于《供用电》期刊2019年01期）
袁亦川,杨洲,罗廷兴,秦进[2]（2018）在《求解动态优化问题的多种群竞争差分进化算法》一文中研究指出针对动态优化问题(DOP)的求解,提出结合多种群方法和竞争策略的差分进化算法(DECS)。首先,将一个种群作为侦测种群,通过监测种群中所有个体的评价值和种群维度来判断环境是否发生变化。其次,将余下多个种群作为搜索种群,独立搜索环境中的最优值。在搜索过程中,引入排除规则,避免多个搜索种群聚集在同一个局部最优的邻域。在迭代若干代后对各搜索种群执行竞争操作,保留评估值最优个体所在的种群并对该种群的下一代个体生成采用量子个体生成机制,而对其他搜索种群重新初始化。最后,利用7个测试函数的49个动态变化问题对DECS进行验证,并将实验结果与人工免疫算法(Dopt-ai Net)、复位粒子群优化(r PSO)算法、改进差分进化(MDE)算法进行比较。实验结果表明,在49个问题上,DECS有34个问题的平均离线误差期望小于Dopt-ai Net算法,所有问题的平均离线误差期望都小于r PSO算法和MDE算法,因此DECS对DOP求解动态优化问题是可行的。(本文来源于《计算机应用》期刊2018年05期）
王培崇,钱旭[3]（2015）在《改进的双种群竞争教与学优化算法》一文中研究指出为了克服教与学优化算法在求解高维函数问题时,容易早熟,收敛速度慢,解精度低的弱点,提出一种引入竞争机制的双种群教与学优化算法。在该算法中设置两个教师,并基于帝国竞争优化机制将种群初始化成为两个学生种群,每一个教师带领自己的种群独立进化。在进化过程中,教师可以利用自己的影响力将外种群内的成员吸收进入自己的种群。为了提高教师个体的学习能力,引入反向学习机制。在多个Benchmark函数的测试表明,改进算法解精度较高,全局收敛能力强,适合求解较高维度的函数优化问题。(本文来源于《计算机工程与应用》期刊2015年24期）
廉小萍[4]（2015）在《基于种群竞争的异构无线网络接纳控制算法研究》一文中研究指出无线通信技术的高速发展,使得无线接入技术(RAT)的种类越来越多,用户的可选择性越来越大。近几年发展起来的无线接入网络(RAN)包括无线个域网(WPAN)、无线局域网(WLAN)、无线城域网(WMAN)、无线广域网(WWAN)、卫星网络、以及Ad Hoc网络、无线传感器网络(WSN)等。不同的无线接入技术在移动性、覆盖范围、业务特性、接入速率等方面有很大的区别。因此,它们适合的场景也不尽相同,相互之间不能替代。这些不同无线接入网络的不同特性使异构网络的存在成为必要。为了使各个无线接入网络协同工作,需要对有限的无线资源进行有效的无线资源管理。异构无线网络资源管理是实现不同的无线接入网络协同工作的关键技术。在异构网络无线资源管理的过程中,接纳控制发挥着重要的作用。为此,异构无线网络接纳控制算法的研究成为了热点。在满足用户需求和最大化网络资源利用率的条件下,需要合理有效的接纳控制方案使用户接入不同的无线接入网络。本文改进了基于种群竞争的异构无线网络接纳控制算法。该算法能够很好描述多个无线接入网络之间的关系,实现异构无线网络的接纳控制。本论文在建模过程中用到了GLV竞争模型。此模型是对L-V种群竞争模型的改进。应用GLV模型,可以对多个网络的业务量竞争情况进行分析。在用户接入网络的过程中,用户的接入数量变化符合GLV竞争模型中的种群数量变化。为了使各个无线接入网络的业务量能够达到平衡稳定的状态,在用户接入选择之前对网络的参数进行调整。虽然用户接入选择的概率不同,但是在平衡稳定的状态下接入概率保持不变。用户在接入网络时使用平衡稳定状态的接入概率,使各个网络的业务量得到均衡。通过计算网络的阻塞率,实现异构无线网络的接纳控制。在仿真方面,仿真了网络参数的调整过程,并分析了仿真结果。仿真了阻塞率随用户数量的变化情况,并与其他接纳控制算法进行了对比分析。通过仿真分析,可以看出基于种群竞争的算法能够达到预定的目标,且能够很好地实现接纳控制。通过与其他算法的比较,本文改进的算法在不超过网络稳定平衡时业务量的情况下,很好地降低了网络的阻塞率,增加了用户对网络的信任度。而且可以通过调整网络参数,使用户被阻塞的可能性减小。(本文来源于《兰州交通大学》期刊2015-04-01）
陶新民,张越,李震[5]（2013）在《基于多群竞争的并行免疫进化算法》一文中研究指出易早熟收敛是传统免疫进化算法的弱点,本文在分析了导致免疫进化算法早熟原因的基础上,提出了一种改进的多种群竞争进化的并行免疫进化算法。在该算法中,进化在多个不同的子群间并行进行,子群间的竞争决定个体的变异能力,子群间的信息交流通过子群重组实现。在利用大小不同的变异算子提高局部精确搜索能力的同时,利用超变异算子维护种群多样性。通过这些不同功能的变异算子的并行操作实现种群进化。对经典算例的数值仿真表明,该算法能够改善传统的免疫进化算法易早熟收敛的缺点,同时具有良好的快速收敛性和鲁棒性.(本文来源于《第叁十二届中国控制会议论文集（E卷）》期刊2013-07-26）
戴春妮,刘锦高[6]（2011）在《新的遗传算法模型——两级种群竞争消亡算法研究》一文中研究指出对种群竞争消亡算法进行了遗传算子和控制参数对搜索性能影响的研究,并在此基础上提出一种新的模型——两级种群竞争消亡算法:主级GA用于实现目标函数的优化;亚级GA用于实现对主级GA的控制参数和遗传算子的组合优化。对3个经典的优化测试函数的实验结果表明,与种群竞争消亡算法和简单遗传算法相比,两级模型可得到更好的寻优搜索结果。(本文来源于《微型电脑应用》期刊2011年09期）
耿志强,韩永明,朱群雄[7]（2011）在《一种新的多种群竞争粒子群优化算法及高密度聚乙烯装置操作优化》一文中研究指出利用模糊C均值聚类对种群自适应划分,提出一种基于模糊C均值聚类的多群竞争粒子群优化算法。根据种群规模选择不同的寻优策略,规模大者采用标准粒子群算法寻优,规模小者在最优解邻域随机搜索,增大跳出局部最优概率。在每个聚类内部,个体相互通信,通过竞争学习分别找到各聚类种群的适应值,按照不同聚类的适应值排序,再把适应值小者向其邻近的适应值大者融合,通过种群间的竞争保证种群向最优解搜索。该算法避免陷入局部最优,提高了算法的全局搜索能力,通过标准函数验证了算法的有效性。最后,把提出的优化算法应用到高密度聚乙烯装置(HDPE)乙烯单体总消耗的优化操作,实际应用效果良好。(本文来源于《化工学报》期刊2011年08期）
卢雪燕,蔡菲菲[8]（2008）在《基于多群竞争的改进人工鱼群算法》一文中研究指出为了改进基本的人工鱼群算法的性能及更好地模拟自然界鱼群捕食的行为,该文提出了一种基于多群竞争的改进人工鱼群算法。算法中引入了多个鱼群,除了描述基本的鱼个体觅食行为外,鱼群间还存在竞争机制。TSP的数值实验表明了改进算法的可行性及更好的全局优化性。(本文来源于《梧州学院学报》期刊2008年03期）
张曦煌,夏佳,沈玉方[9]（2007）在《一种蚁群竞争WSN能量均衡路由算法》一文中研究指出针对无线传感器网络路由在能量控制和拥塞控制上的特殊要求,通过利用蚁群算法(ACS)对路由中最短路径的加速收敛的同时,兼顾网络节点能量均衡消耗,提出了一种新算法———AERA。该算法引入了多蚁群竞争机制,并将多蚁群挥发的信息素与网络节点能量参数共同构成路由控制因子。此算法能有效地控制网络拥塞,并使网络节点能量消耗相对均衡,延长了整个网络的生命周期,实现了高效路由与能量消耗的最优权衡。通过NS仿真实验验证了该方法的可行性,并给出了实验结果。(本文来源于《计算机应用》期刊2007年08期）
黄桂岭,赵启大,郭团,刘丽辉,薛力芳[10]（2007）在《基于多子群竞争进化规划算法的光纤光栅设计》一文中研究指出从光栅传输矩阵分析法出发,提出了一种基于多子群竞争进化规划算法的光纤Bragg光栅(FBG)设计方法,进而设计了用于滤波的均匀FBG和用于色散补偿的啁啾FBG(CFBG)的结构参数。结果表明,本文设计方法可直接确定FBG的结构参数,在不同的设计精度要求下所设计的FBG分析曲线与目标曲线吻合很好,所采用算法具有比传统的进化规划算法快几10倍的收敛速度和更好的稳定性。(本文来源于《光电子.激光》期刊2007年05期）
群竞争算法论文开题报告
（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：
针对动态优化问题(DOP)的求解,提出结合多种群方法和竞争策略的差分进化算法(DECS)。首先,将一个种群作为侦测种群,通过监测种群中所有个体的评价值和种群维度来判断环境是否发生变化。其次,将余下多个种群作为搜索种群,独立搜索环境中的最优值。在搜索过程中,引入排除规则,避免多个搜索种群聚集在同一个局部最优的邻域。在迭代若干代后对各搜索种群执行竞争操作,保留评估值最优个体所在的种群并对该种群的下一代个体生成采用量子个体生成机制,而对其他搜索种群重新初始化。最后,利用7个测试函数的49个动态变化问题对DECS进行验证,并将实验结果与人工免疫算法(Dopt-ai Net)、复位粒子群优化(r PSO)算法、改进差分进化(MDE)算法进行比较。实验结果表明,在49个问题上,DECS有34个问题的平均离线误差期望小于Dopt-ai Net算法,所有问题的平均离线误差期望都小于r PSO算法和MDE算法,因此DECS对DOP求解动态优化问题是可行的。
（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。
群竞争算法论文参考文献
[1].陈秋月,廖文龙,杨德昌.基于狼群竞争算法的主动配电网无功优化研究[J].供用电.2019
[2].袁亦川,杨洲,罗廷兴,秦进.求解动态优化问题的多种群竞争差分进化算法[J].计算机应用.2018
[3].王培崇,钱旭.改进的双种群竞争教与学优化算法[J].计算机工程与应用.2015
[4].廉小萍.基于种群竞争的异构无线网络接纳控制算法研究[D].兰州交通大学.2015
[5].陶新民,张越,李震.基于多群竞争的并行免疫进化算法[C].第叁十二届中国控制会议论文集（E卷）.2013
[6].戴春妮,刘锦高.新的遗传算法模型——两级种群竞争消亡算法研究[J].微型电脑应用.2011
[7].耿志强,韩永明,朱群雄.一种新的多种群竞争粒子群优化算法及高密度聚乙烯装置操作优化[J].化工学报.2011
[8].卢雪燕,蔡菲菲.基于多群竞争的改进人工鱼群算法[J].梧州学院学报.2008
[9].张曦煌,夏佳,沈玉方.一种蚁群竞争WSN能量均衡路由算法[J].计算机应用.2007
[10].黄桂岭,赵启大,郭团,刘丽辉,薛力芳.基于多子群竞争进化规划算法的光纤光栅设计[J].光电子.激光.2007
标签：可再生能源消纳; 主动配电网; 多目标; 判断矩阵—功效系数法;