导读:本文包含了动态改变惯性权重论文开题报告文献综述及选题提纲参考文献，主要关键词:群体智能,粒子群算法,惯性权重,动态调整
动态改变惯性权重论文文献综述
杜江,袁中华,王景芹[1]（2018）在《动态改变惯性权重的新模式粒子群算法》一文中研究指出针对标准粒子群算法在求解复杂优化问题时易陷入局部最优、收敛精度不高和收敛成功率低的不足,提出了一种改进的粒子群算法.通过算法所处的迭代阶段和粒子的分布情况动态改变惯性权重的值,并根据每个粒子的更新情况调整其飞行的起点.最后4个测试函数仿真结果表明,在求解复杂优化问题时,改进后算法的收敛精度和收敛成功率均有明显提高.(本文来源于《安徽大学学报(自然科学版)》期刊2018年02期）
高金兰,雷星雨,朱佳丽[2]（2018）在《动态改变惯性权重的伪梯度搜索粒子群算法在无功优化中的应用》一文中研究指出提出一种动态改变惯性权重的反向学习伪梯度搜索粒子群算法,并将之应用于电力系统无功优化。该算法针对线性递减的惯性权重难以指导复杂非线性优化问题的缺陷,引入聚焦距离变化率和位置权重的概念,以此来衡量粒子的分布情况,并建立以它们为控制变量的动态惯性权重。该算法采用动态变化的惯性权重,并利用基于反向学习的伪梯度搜索法指导粒子向全局最优解靠拢。将该算法应用IEEE 30节点进行仿真测试,结果证明了该算法用于无功优化的可行性和有效性。(本文来源于《化工自动化及仪表》期刊2018年01期）
杜振鑫,王兆青[3]（2011）在《一种改进的动态改变惯性权重的粒子群算法》一文中研究指出惯性权重在粒子群算法中起到重要的作用,综合考虑了影响惯性权重的几种因素,提出基于进化速度、聚集度和相似度的动态改变惯性权重的粒子群算法,实验证明改进算法在收敛率、收敛精度和全局寻优能力方面都优于几种有代表性的动态改变惯性权重的算法.(本文来源于《微电子学与计算机》期刊2011年03期）
张顶学,朱迎辉,廖锐全[4]（2010）在《一种动态改变惯性权重的粒子群算法》一文中研究指出针对标准粒子群算法在进化过程中搜索空间变小使得种群多样性降低而早熟的问题,提出了一种以种群粒子平均历代最优位置与种群最优位置之间的距离来动态改变惯性权重的粒子群算法。该算法能平衡粒子的全局探索和局部开发能力,避免粒子搜索空间过早变小使得种群多样性下降而出现早熟。通过对4个标准测试函数的仿真实验并与标准粒子群算法相比较,结果表明该算法对于多峰函数优化问题在平均最优值和成功率上都有所改善。(本文来源于《第二十九届中国控制会议论文集》期刊2010-07-29）
邓爱萍,王会芳[5]（2010）在《动态改变惯性权重的自适应粒子群算法》一文中研究指出惯性权重是平衡粒子群算法中平衡全局搜索能力与局部搜索能力的重要参数。为实现快速收敛与并避免陷入局部最优,分析了PSO算法中的惯性权重与种群规模、粒子适应度以及搜索空间维度这叁者的关系,并把粒子惯性权重定义为这叁者的函数以改进PSO算法。该算法在每次迭代后根据此函数更新每个粒子的惯性权重,实现了自适应调整全局搜索能力与局部搜索能力,并结合动态管理种群的策略提出了改进的粒子群算法。通过在多个常用测试函数上与已有惯性权重调整算法测试比较,证明新算法具有较强的全局寻优能力与较高的搜索效率。(本文来源于《计算机工程与设计》期刊2010年13期）
任子晖,王坚[6]（2009）在《一种动态改变惯性权重的自适应粒子群算法》一文中研究指出针对惯性权重线性递减粒子群算法(LDWPSO)不能适应复杂的非线性优化搜索过程的问题,提出了一种动态改变惯性权重的自适应粒子群算法(DCWPSO),在该算法中引入聚焦距离变化率的概念,并根据它对粒子群算法搜索能力的影响,将惯性因子表示为关于聚焦距离变化率的函数。在每次迭代时算法可根据当前粒子群聚焦距离变化率的大小动态地改变惯性权重,从而使算法具有动态自适应性。对6个典型函数的测试结果表明,DCWPSO算法的收敛速度明显优于LDWPSO算法,收敛精度也有所提高。(本文来源于《计算机科学》期刊2009年02期）
张顶学,关治洪,刘新芝[7]（2008）在《一种动态改变惯性权重的自适应粒子群算法》一文中研究指出针对标准粒子群算法在进化过程中种群多样性降低而早熟的问题,提出一种动态改变惯性权重的自适应粒子群算法.采用种群中平均粒子相似程度作为种群多样性的测度,并用于平衡算法的全局探索和局部开发.基于对惯性权重随种群多样性测度变化的动态分析,建立了惯性权重随种群多样性测度的变化关系,并将其引入该算法中.最后对6个经典测试函数进行仿真,结果表明该算法在平均最优值和成功率上都有所提高,特别是对多峰函数效果更明显.(本文来源于《控制与决策》期刊2008年11期）
张顶学,廖锐全[8]（2008）在《粒子群算法分析及惯性权重的动态改变策略》一文中研究指出分析了粒子群算法中在满足粒子轨迹收敛的条件下速度的收敛性,以及粒子速度对算法优化性能的影响,进而提出了动态改变惯性权重的策略。以种群粒子平均速度为信息动态改变惯性权重,避免粒子速度过早接近0。五个标准测试函数的仿真试验并与其它算法相比较,结果表明本文算法在进化中期能够很好地保持种群多样性使得算法在平均最优值和成功率上都有很好的改善。(本文来源于《第二十七届中国控制会议论文集》期刊2008-07-16）
王启付,王战江,王书亭[9]（2005）在《一种动态改变惯性权重的粒子群优化算法》一文中研究指出针对粒子群优化算法的局限性,提出了一种动态改变惯性权重的粒子群算法,在优化迭代过程中,惯性权重值随粒子的位置和目标函数的性质而变化。函数测试表明,改进后的算法使收敛速度显着加快,而且不易陷入局部极值点。(本文来源于《中国机械工程》期刊2005年11期）
动态改变惯性权重论文开题报告
（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：
提出一种动态改变惯性权重的反向学习伪梯度搜索粒子群算法,并将之应用于电力系统无功优化。该算法针对线性递减的惯性权重难以指导复杂非线性优化问题的缺陷,引入聚焦距离变化率和位置权重的概念,以此来衡量粒子的分布情况,并建立以它们为控制变量的动态惯性权重。该算法采用动态变化的惯性权重,并利用基于反向学习的伪梯度搜索法指导粒子向全局最优解靠拢。将该算法应用IEEE 30节点进行仿真测试,结果证明了该算法用于无功优化的可行性和有效性。
（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。
动态改变惯性权重论文参考文献
[1].杜江,袁中华,王景芹.动态改变惯性权重的新模式粒子群算法[J].安徽大学学报(自然科学版).2018
[2].高金兰,雷星雨,朱佳丽.动态改变惯性权重的伪梯度搜索粒子群算法在无功优化中的应用[J].化工自动化及仪表.2018
[3].杜振鑫,王兆青.一种改进的动态改变惯性权重的粒子群算法[J].微电子学与计算机.2011
[4].张顶学,朱迎辉,廖锐全.一种动态改变惯性权重的粒子群算法[C].第二十九届中国控制会议论文集.2010
[5].邓爱萍,王会芳.动态改变惯性权重的自适应粒子群算法[J].计算机工程与设计.2010
[6].任子晖,王坚.一种动态改变惯性权重的自适应粒子群算法[J].计算机科学.2009
[7].张顶学,关治洪,刘新芝.一种动态改变惯性权重的自适应粒子群算法[J].控制与决策.2008
[8].张顶学,廖锐全.粒子群算法分析及惯性权重的动态改变策略[C].第二十七届中国控制会议论文集.2008
[9].王启付,王战江,王书亭.一种动态改变惯性权重的粒子群优化算法[J].中国机械工程.2005