导读:本文包含了协同粒子群论文开题报告文献综述及选题提纲参考文献，主要关键词:双种群,粒子群优化算法,多目标优化,Lé,vy飞行
协同粒子群论文文献综述
郭玉洁,张强,袁和平[1]（2019）在《一种双种群协同多目标粒子群优化算法及应用》一文中研究指出针对当前我国油田开采难度大、经济效益较低等问题,建立以利润最大化为优化指标,以年度增油目标、增液目标、增注目标为约束条件的多目标油田开采优化模型,并提出一种双种群协同多目标粒子群优化算法求解该优化模型.该算法通过双种群协同进化策略扩大搜索空间,提高算法的全局搜索能力,并结合Lévy飞行保证种群多样性,提高算法收敛效率.实验结果表明,该算法能有效求解油田开采优化模型,可优选出满足目标和约束条件的结果.(本文来源于《吉林大学学报(理学版)》期刊2019年05期）
杨蕾,梁永全[2]（2019）在《协同进化策略的粒子群优化算法》一文中研究指出为了进一步提高粒子群优化算法的寻优精度,并改善收敛速度慢的问题,本文基于传统的粒子群优化算法,借鉴协同进化的思想和共生机制,提出了将协同进化算法和粒子群算法相结合的算法模型(CEA-PSO)。群体内部采用精英保留策略保留精英个体,将个体的进化和群体之间发生信息交换,达到优势互补的效果。实验结果表明,协同进化策略的粒子群优化算法精度更高,优化性能更佳。(本文来源于《软件》期刊2019年08期）
刘露萍,贾文生,蔡江华[3]（2019）在《协同免疫量子粒子群算法求非合作博弈Nash均衡解》一文中研究指出考虑n人非合作博弈Nash均衡求解问题。将混合策略意义下的Nash均衡转化为最优化问题;把免疫记忆、自我进化、信息共享机制加入量子粒子群算法,通过概率浓度选择公式来保持种群的多样性,提出协同免疫量子粒子群算法。4个经典的数值算例说明,该算法优于免疫粒子群算法,具有较强的寻优能力和收敛性能。(本文来源于《计算机应用与软件》期刊2019年08期）
何金超,罗芳,袁知才,黄慧中[4]（2019）在《协同过滤和粒子群算法在饮食推荐中的应用》一文中研究指出目前饮食健康越来越受到关注,而传统饮食推荐只单方面考虑饮食偏好或营养均衡需求。综合考虑两个方面,构建个性化饮食推荐模型。利用基于用户的协同过滤算法进行饮食推荐,解决饮食偏好问题;利用多目标粒子群优化算法对推荐食谱进行营养调优,解决营养均衡问题。实验结果表明,该模型在推荐和调优上效果显着,有效解决了个性化饮食推荐问题。(本文来源于《计算机应用与软件》期刊2019年08期）
练青坡,王宏健,袁建亚,高娜,胡文月[5]（2019）在《基于粒子群优化算法的USV集群协同避碰方法》一文中研究指出针对无人水面艇(unmanned surface vessel,USV)集群在路径规划中的协同避碰问题,提出了基于滚动优化策略结合粒子群优化算法的USV集群协同避碰方法。首先,通过已有雷达、光电等传感器参数指标建立综合视域模型;其次,采取基于正切函数的惯性权重调整结合线性调整学习因子的方法来提高粒子群优化算法的全局搜索能力,同时,在适应度函数中加入转艏角控制来提高路径的平滑性;最后,利用改进后的粒子群优化算法规划出每个综合视域内的路径。仿真实验结果表明,该优化算法能实现USV集群的实时避碰,并快速为USV集群规划出平滑、安全的全局最优无避碰路径。(本文来源于《系统工程与电子技术》期刊2019年09期）
蔡延光,黄柏亮,蔡颢,黄何列,戚远航[6]（2019）在《公交优先交通控制的协同混沌粒子群算法》一文中研究指出针对区域路网多交叉口公交优先通行协同控制问题,提出了一种区域路网降级建模策略,并基于此策略建立了一种以人均延误最小为目标的区域路网多交叉口交通信号协同优化控制模型;并通过引入混沌优化策略和多种群协同搜索策略,提出了多种群协同混沌粒子群算法求解模型。实验表明,所提出的模型和算法具有较好的实用性;所提算法相较于Webster固定配时方案、遗传算法和标准粒子群算法能得到更优的信号配时方案,区域路网的人均延误时间得到了有效降低。(本文来源于《控制工程》期刊2019年04期）
王禹,彭道刚,姚峻,于会群[7]（2019）在《基于改进粒子群算法的分布式能源系统协同优化运行研究》一文中研究指出分布式能源系统是能源利用的未来趋势,其中协同经济优化运行是实现能量供需平衡、降低能源站成本的关键。首先从冷热电协同优化运行入手,建立了包括叁联供系统、离心式冷机、空气源热泵以及风光储在内的分布式能源协同运行优化模型,然后考虑设备约束和系统约束,目标函数综合考虑运行成本和环境成本,采用改进粒子群优化算法求解。结果表明,与粒子群算法和自适应粒子群算法相比,该算法有效避免了局部最优以及后期收敛慢的问题,同时具有更好的优化效果。最后针对国内某示范园区分布式能源系统进行优化验证,所提方法能够有效降低总成本,提高分布式能源系统经济效益,促进可再生能源充分消纳。(本文来源于《浙江电力》期刊2019年02期）
蔡睿,王崴,瞿珏,胡波[8]（2019）在《基于改进粒子群算法的多席位协同任务规划》一文中研究指出针对指挥控制方舱多席位协同任务规划中的任务与号手分配冲突问题,提出了一种基于改进粒子群算法的多席位协同任务规划方法。该方法对多席位协同任务进行描述和分析,建立了基于任务排序的解空间模型。在求解模型时,运用粒子群优化算法,采用多维异步处理及修正惯性权重参数对粒子群优化算法进行了改进,提高了算法的效率及局部搜索能力。实例分析表明:该模型及提出的算法能有效的减少多席位协同任务的执行时间,对指挥控制舱多席位协同任务规划具有一定的参考价值,对提高作战效率具有重要意义。(本文来源于《系统仿真学报》期刊2019年05期）
康婷,魏胜非[9]（2019）在《基于混沌粒子群与Taylor算法的协同定位算法研究》一文中研究指出针对无线传感器网络中运用TDOA方法定位时,Taylor算法容易受到初始估计值影响,导致节点定位精度低、不容易收敛,因此提出了一种基于混沌粒子群与Taylor算法协同定位的方法。该算法首先运用混沌粒子群算法求解TDOA方程组,得到一个具有较高精度的未知节点的估计坐标值,将这个估计值作为Taylor算法的初始值进行迭代运算,最终完成对未知节点的坐标估计。仿真结果表明,该算法提高了节点的定位精度和定位速度。(本文来源于《仪表技术与传感器》期刊2019年01期）
赵志刚,莫海淼,温泰,刘峰[10]（2018）在《带高斯扰动和协同寻优的蝙蝠粒子群混合算法》一文中研究指出为了进一步提高粒子群算法的性能,提出了一种新的群体智能优化算法——带高斯扰动和协同寻优的蝙蝠粒子群混合算法。该混合算法利用蝙蝠个体脉冲的回声定位对最优粒子gbest进行高斯扰动而产生一个局部解,把该局部解加到蝙蝠种群中,然后根据局部解的位置优劣与蝙蝠个体产生的响度来更新粒子群。在寻优过程中,对gbest进行高斯扰动增加了种群的多样性而避免粒子群过快陷入局部最优,并且加强了蝙蝠种群与粒子群的信息交互,协同寻优。与蝙蝠算法、标准粒子群算法、烟花算法、带高斯扰动的粒子群算法、粒子群差分算法相比,带高斯扰动和协同寻优的蝙蝠粒子群混合算法的总体性能优于其他5种算法。(本文来源于《广西大学学报(自然科学版)》期刊2018年06期）
协同粒子群论文开题报告
（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：
为了进一步提高粒子群优化算法的寻优精度,并改善收敛速度慢的问题,本文基于传统的粒子群优化算法,借鉴协同进化的思想和共生机制,提出了将协同进化算法和粒子群算法相结合的算法模型(CEA-PSO)。群体内部采用精英保留策略保留精英个体,将个体的进化和群体之间发生信息交换,达到优势互补的效果。实验结果表明,协同进化策略的粒子群优化算法精度更高,优化性能更佳。
（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。
协同粒子群论文参考文献
[1].郭玉洁,张强,袁和平.一种双种群协同多目标粒子群优化算法及应用[J].吉林大学学报(理学版).2019
[2].杨蕾,梁永全.协同进化策略的粒子群优化算法[J].软件.2019
[3].刘露萍,贾文生,蔡江华.协同免疫量子粒子群算法求非合作博弈Nash均衡解[J].计算机应用与软件.2019
[4].何金超,罗芳,袁知才,黄慧中.协同过滤和粒子群算法在饮食推荐中的应用[J].计算机应用与软件.2019
[5].练青坡,王宏健,袁建亚,高娜,胡文月.基于粒子群优化算法的USV集群协同避碰方法[J].系统工程与电子技术.2019
[6].蔡延光,黄柏亮,蔡颢,黄何列,戚远航.公交优先交通控制的协同混沌粒子群算法[J].控制工程.2019
[7].王禹,彭道刚,姚峻,于会群.基于改进粒子群算法的分布式能源系统协同优化运行研究[J].浙江电力.2019
[8].蔡睿,王崴,瞿珏,胡波.基于改进粒子群算法的多席位协同任务规划[J].系统仿真学报.2019
[9].康婷,魏胜非.基于混沌粒子群与Taylor算法的协同定位算法研究[J].仪表技术与传感器.2019
[10].赵志刚,莫海淼,温泰,刘峰.带高斯扰动和协同寻优的蝙蝠粒子群混合算法[J].广西大学学报(自然科学版).2018