导读:本文包含了优化问题求解论文开题报告文献综述及选题提纲参考文献，主要关键词:蚂蚁系统,旅行商问题(TSP),蚁群优化算法(ACO)
优化问题求解论文文献综述
王文明,赵江东,李泽彬[1]（2019）在《基于经典蚁群优化算法求解TSP问题研究》一文中研究指出以旅行商问题(Traveling Salesman Problem,TSP)为例,系统地阐述了基本蚁群算法以及后续的经典蚁群优化算法,并详细地分析了相应的改进机制。最后,以TSPLIB测试库中的实验问题作为研究对象,使用MATLAB软件对经典蚁群优化算法进行仿真实验,并通过对比分析蚁群优化算法的改进策略,为今后进一步研究提供借鉴。(本文来源于《皖西学院学报》期刊2019年05期）
朱洋洋[2]（2019）在《混合花粉算法求解全局优化问题》一文中研究指出元启发式算法可以用作寻找近似最优解的有效工具,因此,对元启发式算法进行改进,提高算法性能是有必要的。本文介绍花粉算法(Flower Pollination Algorithm, FPA)的增强变体,将花粉算法与极值优化算法(Extremal Optimization, EO)混合形成FPA-EO算法。FPA-EO算法综合利用了FPA的全局搜索能力和EO的局部搜索能力,并将其应用于11个基准测试函数来测试新算法。同时将该算法与其他4种着名优化算法(标准花粉算法(FPA)、蝙蝠算法(BAT)、萤火虫算法(FA)、模拟退火算法(SA))进行比较。综合结果表明,本文算法能够找到比其他4种算法更精确的解。(本文来源于《计算机与现代化》期刊2019年10期）
程子光,冯亚军,尹康银,王海林[3]（2019）在《自然计算在求解网络优化部署问题中的比较》一文中研究指出针对现有的网络部署模型大多以区域覆盖率或网络寿命为优化目标,并假设监视区域为单一类型,不适用于求解多类型分区区域的网络部署问题,首先构建了与区域可部署度、区域重要度、区域协同度等因素相关的栅格化网络部署模型;然后运用遗传算法、蚁群算法、粒子群算法3种典型自然计算对该模型进行求解;最后分析了3种算法的收敛情况与解的特点,并探讨了关键参数变化对结果部署方案的影响.所得结论为自然计算的改进或融合提供了参考,为网络部署时的算法选取提供了依据.(本文来源于《空军预警学院学报》期刊2019年05期）
严丽娜,吴军[4]（2019）在《动态种群规模协同进化算法求解多目标投资组合优化问题》一文中研究指出为了解决仅含预算约束的投资组合优化模型,提出一种基于种群密度的多目标协同进化算法.算法采用种群竞争的策略自适应的产生不定规模的种群,避免了固定种群规模的缺点.在进化过程中每个种群都会参考自身的最优个体以及竞争种群对自身的影响,超级个体集合存储进化过程中产生的最优解,通过最优个体的引导使算法快速收敛至Pareto前沿.实验结果表明,与NSGA-2算法相比,提出的算法在稳定性和收敛性都有很好的表现,是一种有效的多目标进化算法.(本文来源于《数学的实践与认识》期刊2019年19期）
林硕,陈世佳,韩忠华[5]（2019）在《改进HNN算法求解柔性流水车间排产优化问题》一文中研究指出为了解决柔性流水车间中的排产优化问题(Flexible Flow Shop Schedule Problem,FFSP),提出了一种基于模拟退火原理的Hopfield神经网络算法作为全局优化算法。该算法提出了FFSP问题的换位矩阵,给出了FFSP问题的能量函数达式,并且为克服标准Hopfield神经网络算法(Hopfield Neural Networks,HNN)在解决FFSP问题时容易陷入局部最小解的缺陷,将模拟退火算法应用于Hopfield神经网络求解,确保当能量函数趋于稳定时输出可行调度解。最后,选用不同规模的实例对改进的HNN算法进行测试,并与遗传算法、紧致遗传算法、HNN算法进行对比研究,实验结果表明改进的HNN算法是求解FFSP问题的一种有效方法。(本文来源于《控制工程》期刊2019年09期）
唐天国[6]（2019）在《一种求解无约束优化问题的新混合共轭梯度法》一文中研究指出在现有共轭梯度方法的基础上,提出一种新混合共轭梯度法来求解无约束最优化问题.该方法采用近似方法去逼近Hessen矩阵,克服了传统牛顿法求解Hessen矩阵中存在的计算量大等问题,并在强wolfe线搜索技术下给出该共轭梯度算法的全局收敛性证明.实验结果表明,与PRP(Polak-Ribiere-Polyak)方法和HYBRID(混合)方法相比较,该文提出的新混合共轭梯度算法的迭代时间少于前两者方法,说明该文方法可行、有效.(本文来源于《西南师范大学学报(自然科学版)》期刊2019年09期）
贾瑞民,邓启润[7]（2019）在《求解TSP搜索问题的改进果蝇优化算法》一文中研究指出果蝇优化算法是一种新型群体智能算法,已在多种函数优化、实例优化求解方面得到了成功的应用。为充分发挥果蝇优化算法的优点,将该算法与高斯变异算子相结合,设计了求解旅行商问题(TSP)的高效果蝇优化算法,并用其求解TSP这一经典的NP难问题。通过对比TSP问题求解结果得出改进后的果蝇优化算法性能较优。(本文来源于《电脑编程技巧与维护》期刊2019年08期）
张艺瀛,金志刚[8]（2019）在《求解多峰优化问题的改进布谷鸟算法》一文中研究指出布谷鸟算法是一种简便而高效的元启发式算法.然而,布谷鸟算法在求解复杂的多峰优化问题时通常存在易陷入局部最优解的缺点.针对布谷鸟算法的这种缺点,结合神经网络算法和布谷鸟算法的特性,提出一种基于神经网络的布谷鸟算法.该算法的核心思想是借助改进神经网络算法的强大全局搜索能力和动态种群策略来平衡布谷鸟算法的全局搜索能力和局部搜索能力,从而减少布谷鸟算法陷入局部最优的可能性.该算法首先将种群中的个体依照适应度值的优劣进行排序,然后对种群中最好的一半个体通过布谷鸟算法进行优化,对种群中最差的一半个体通过改进的神经网络算法进行优化,最后将所有个体组成一个新的种群,并从中筛选出最优解.采用24个复杂基准测试函数检验所提出算法求解多峰优化问题的性能,并将优化结果与神经网络算法,布谷鸟算法以及一些改进的布谷鸟算法所获取的优化结果相比较.实验结果表明:所提出的算法充分地展现了神经网络算法和布谷鸟算法的优势,其在求解质量,求解效率以及求解稳定性上均显着优于其它算法.(本文来源于《哈尔滨工业大学学报》期刊2019年11期）
高寒寒,江爱朋,张全南,蒋恩辉,丁强[9]（2019）在《一种求解动态优化问题的网格高效划分策略》一文中研究指出基于有限元配置的动态优化问题网格离散是直接法求解该类问题中关键环节,有限元网格的选取和划分对后续求解精度和求解效率影响很大。本文提出一种基于非配置点处自定义状态误差的有限元网格划分策略,该策略首先计算有限元固定而配置点分别为3阶和4阶Radau方程根的情况下,各部分状态变量随着时间的变化情况,然后基于误差分析和方程特性给出新的有限元网格动态划分策略,直到离散误差满足要求。所提策略通过两个动态优化命题进行了验证,结果表明该策略能够在减少有限元个数的同时还可以保证精度要求。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
谷慧敏,钱斌,胡蓉,王凌,车国霖[10]（2019）在《混合鲸鱼优化算法求解开放车间调度问题》一文中研究指出本文针对开放车间调度问题(Open-shop Scheduling Problem,OSP),提出一种混合鲸鱼优化算法(Hybrid Whale Optimization Algorithm, HWOA),用于最小化总提前/延期时间(Total Earliness and Tardiness, TET)。首先,提出一种LOV编码规则,将HWOA中的连续矢量个体转变为离散工件排列,使HWOA适用于离散问题求解,并可对OSP的解空间进行全局搜索。其次,提出一种基于交换(Interchange)邻域的变异操作,加强算法的全局搜索能力且避免算法过早收敛。最后,设计一种变邻域搜索机制,可增强算法对优质解区域的搜索深度,从而提高算法的局部搜索能力。仿真实验和算法对比结果表明,HWOA在标准测试问题和随机生成问题上都具有良好性能,且随问题规模的增大,HWOA具有更好的性能。本文也是首次将鲸鱼优化算法用于求解开放车间调度问题。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
优化问题求解论文开题报告
（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：
元启发式算法可以用作寻找近似最优解的有效工具,因此,对元启发式算法进行改进,提高算法性能是有必要的。本文介绍花粉算法(Flower Pollination Algorithm, FPA)的增强变体,将花粉算法与极值优化算法(Extremal Optimization, EO)混合形成FPA-EO算法。FPA-EO算法综合利用了FPA的全局搜索能力和EO的局部搜索能力,并将其应用于11个基准测试函数来测试新算法。同时将该算法与其他4种着名优化算法(标准花粉算法(FPA)、蝙蝠算法(BAT)、萤火虫算法(FA)、模拟退火算法(SA))进行比较。综合结果表明,本文算法能够找到比其他4种算法更精确的解。
（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。
优化问题求解论文参考文献
[1].王文明,赵江东,李泽彬.基于经典蚁群优化算法求解TSP问题研究[J].皖西学院学报.2019
[2].朱洋洋.混合花粉算法求解全局优化问题[J].计算机与现代化.2019
[3].程子光,冯亚军,尹康银,王海林.自然计算在求解网络优化部署问题中的比较[J].空军预警学院学报.2019
[4].严丽娜,吴军.动态种群规模协同进化算法求解多目标投资组合优化问题[J].数学的实践与认识.2019
[5].林硕,陈世佳,韩忠华.改进HNN算法求解柔性流水车间排产优化问题[J].控制工程.2019
[6].唐天国.一种求解无约束优化问题的新混合共轭梯度法[J].西南师范大学学报(自然科学版).2019
[7].贾瑞民,邓启润.求解TSP搜索问题的改进果蝇优化算法[J].电脑编程技巧与维护.2019
[8].张艺瀛,金志刚.求解多峰优化问题的改进布谷鸟算法[J].哈尔滨工业大学学报.2019
[9].高寒寒,江爱朋,张全南,蒋恩辉,丁强.一种求解动态优化问题的网格高效划分策略[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[10].谷慧敏,钱斌,胡蓉,王凌,车国霖.混合鲸鱼优化算法求解开放车间调度问题[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
标签：蚂蚁系统; 旅行商问题(TSP); 蚁群优化算法(ACO);