导读:本文包含了速度自适应粒子群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:粒子群算法,群体智能算法,人工智能,速度多样性
速度自适应粒子群算法论文文献综述
李响,华敏[1]（2014）在《速度多样性自适应选择模型的改进粒子群算法》一文中研究指出针对单一进化模型无法满足粒子在不同阶段进化需求的问题,提出了一种自适应选择模型的改进粒子群算法。通过对粒子群算法的进化模型进行研究,给出了两种不同的进化模型,计算两种进化模型的速度多样性指标确定两种进化模型各自的选择概率,根据选择概率自适应选择相应的进化模式进行更新。速度多样性可以很好地反应粒子不断变化的进化情况,改进的粒子群算法可以根据进化情况自适应地调整各个进化模型的粒子比例,改善算法性能。为了进一步改进算法的整体性能,增加了一维学习机制。对比一些改进粒子群算法,进行8个测试函数的仿真实验,实验结果表明,该算法有5个测试函数的测试效果最好,Friendman检验和算法收敛对比分析结果表明,该算法具有良好的全局搜索能力和较快的收敛速度。(本文来源于《计算机工程与设计》期刊2014年08期）
沈佳杰,江红,王肃[2]（2013）在《基于多点速度向量和自适应速度值的离散二进制粒子群算法改进》一文中研究指出针对标准的离散二进制粒子群算法在高维环境下迭代速度慢和易早熟的缺点,通过引入多点速度向量和自适应的速度计算方法,提出一个多点基于速度向量和自适应速度值的改进的自适应离散二进制粒子群算法,通过理论推导改进的离散粒子运算法可有效提高离散差分进化算法对于复杂问题先的全局最优值搜索能力和离散粒子群算法对于复杂优化问题的收敛速度。实验验证了理论推导的结果。(本文来源于《计算机科学》期刊2013年S2期）
高哲,廖晓钟[3]（2012）在《基于平均速度的混合自适应粒子群算法》一文中研究指出针对传统粒子群寻优速度慢和局部收敛等缺点,提出一种基于平均速度的混合粒子群优化算法.给出了粒子群平均速度的定义,用来表征粒子群的活跃程度,并作为粒子群惯性系数和学习因子调节的依据,加快了粒子群的寻优速度.设计了基于平均速度的切换模拟退火算法和退火温度的更新公式,使得粒子群在保持较快的寻优速度条件下,仍能很容易地跳出局部极小点.对3个典型测试函数的寻优问题进行实验,所得结果表明了该算法的有效性.(本文来源于《控制与决策》期刊2012年01期）
张顶学,廖锐全[4]（2009）在《一种基于种群速度的自适应粒子群算法》一文中研究指出分析了粒子群算法的收敛性,指出早熟是由于粒子速度降低而失去继续搜索可行解的能力.进而提出一种基于种群速度动态改变惯性权重的粒子群算法,该算法以种群粒子平均速度为信息动态改变惯性权重,避免了粒子速度过早接近0.通过5个标准测试函数的仿真实验并与其他算法相比,结果表明该算法在进化中期能很好地保持种群多样性,有效地改善算法的平均最优值和成功率.(本文来源于《控制与决策》期刊2009年08期）
速度自适应粒子群算法论文开题报告
（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：
针对标准的离散二进制粒子群算法在高维环境下迭代速度慢和易早熟的缺点,通过引入多点速度向量和自适应的速度计算方法,提出一个多点基于速度向量和自适应速度值的改进的自适应离散二进制粒子群算法,通过理论推导改进的离散粒子运算法可有效提高离散差分进化算法对于复杂问题先的全局最优值搜索能力和离散粒子群算法对于复杂优化问题的收敛速度。实验验证了理论推导的结果。
（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。
速度自适应粒子群算法论文参考文献
[1].李响,华敏.速度多样性自适应选择模型的改进粒子群算法[J].计算机工程与设计.2014
[2].沈佳杰,江红,王肃.基于多点速度向量和自适应速度值的离散二进制粒子群算法改进[J].计算机科学.2013
[3].高哲,廖晓钟.基于平均速度的混合自适应粒子群算法[J].控制与决策.2012
[4].张顶学,廖锐全.一种基于种群速度的自适应粒子群算法[J].控制与决策.2009