导读:本文包含了粒子群蚁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,蚁群算法,精英策略,混沌映射
粒子群蚁群算法论文文献综述
张超[1]（2019）在《粒子群算法与蚁群算法的改进研究》一文中研究指出粒子群算法与蚁群算法是国内外学者研究的热点,已经应用于经济、工程等各个领域.粒子群算法和蚁群算法是求解复杂优化问题的有效算法,但它们的性能存在不足,因此,本文对粒子群算法与蚁群算法进行改进研究,主要研究结果如下:(1)系统的介绍粒子群算法和蚁群算法的研究背景以及国内外研究现状,简单的介绍粒子群算法和蚁群算法.总结两种算法的不足,提出相应的改进方法.(2)将精英策略思想和自适应动态Levy飞行步长引入到粒子群算法中,提出了一种新的算法(ELPSO).并对改进的新算法(ELPSO)利用六个标准测试函数进行测试,与标准的PSO算法和权重线性递减的粒子群算法(RWPSO)进行比较.结果表明ELPSO算法在求解精度和收敛速度方面显着改善,并应用于求解物流选址问题.(3)将Tent混沌映射引入到基本离散粒子群算法中,同时,在算法中加入3-opt局部搜索算法,提出了改进的离散粒子群算法.进而用于解决TSP问题.结果表明,该算法的收敛速度和求解精度都优于基本ACO算法.(4)将模拟退火机制和自适应混沌扰动应用于蚁群算法中,采用新的信息素更新算子.并将改进的蚁群算法应用于TSP问题和叁维路径规划问题,结果表明,改进的蚁群算法可以有效地求解TSP问题和叁维路径规划问题.图37幅,表7个,参考文献66篇(本文来源于《西安工程大学》期刊2019-05-28）
朱宏伟,游晓明,刘升[2]（2019）在《基于粒子群参数优化的同构双种群蚁群算法》一文中研究指出针对蚁群算法易陷入局部最优、收敛速度较慢的问题,提出一种基于粒子群参数优化的同构双种群蚁群算法。将蚂蚁均分为两个子群,第一子群引入单位距离信息素路径构建算子,加强距离因素和信息素因子的协同作用;第二子群引入粒子群优化算法,对蚁群算法的多个参数在叁维空间中进行优化,提高了解的质量。两个种群在参数方面优势互补并进行协同交流,共同促进算法找到全局最优解。针对TSP问题,实验表明,所设计的算法增强了算法的种群多样性。(本文来源于《测控技术》期刊2019年09期）
王雷震,汪定伟,王素欣[3]（2018）在《多起讫点货物转运配送车辆调度模型及其粒子群、蚁群算法混合求解》一文中研究指出为使多起讫点货物转运配送车辆调度结果全局最优,建立多起讫点车辆调度模型.该模型求解过程是先由粒子群算法的粒子位置向量,得到每个货物的转运点及货物转运前后运货的车辆,再把转运点加入到蚁群算法的禁忌表中,用蚁群算法优化货物转运前、转运后的车辆路径,然后粒子群算法根据优化目标对粒子进行评价筛选,重复执行以上步骤直到满足终止条件.该算法使所有车辆对所有货物的转运点及车辆路径进行优化,货物转运点的位置和数量是变化的,易于实现最优解.实例求解结果表明货物转运配送得到的车辆总路径优于货物不转运配送得到的结果.(本文来源于《信息与控制》期刊2018年05期）
任雁,李强,张鹏军[4]（2018）在《基于粒子群和蚁群算法的枪弹图像边缘检测方法》一文中研究指出针对传统枪弹图像边缘检测中存在的收敛速度慢等缺陷,本文提出了一种基于粒子群和蚁群算法的枪弹图像边缘检测方法——群体优化算法.该算法的关键是把上述两种算法结合起来,使算法同时具有多样性和正反馈.首先将图像进行粒子群优化(PSO),在满足预设收敛条件后,将其次优解转换为蚁群优化(ACO)的初始信息素分布.然后,执行蚁群优化运算.当蚂蚁寻找食物时,多样性避免蚂蚁进入无限循环.当PSO达到预定收敛条件后,能够保持良好的正反馈.最后,显示图像边缘信息.实验结果表明,所提出的优化算法能够获取清晰连续的枪弹图像边缘信息,并且细节完整、搜索效率高.(本文来源于《中北大学学报(自然科学版)》期刊2018年03期）
田思琪[5]（2018）在《基于粒子群—蚁群算法的无线传感网络路由协议研究》一文中研究指出无线传感网络(Wireless Sensor Networks,WSN)生存周期决定于节点能量消耗速度,如何提高节点的能量利用率成为WSN研究的关键技术之一。在节点能量活动中,路由协议的能量消耗所占比重较大。针对现有分簇路由算法存在的竞选簇头能量消耗不均衡、负载过重,进而缩短网络生存周期的问题,分别提出混沌-量子粒子群、双粒子群-蚁群两种分簇路由算法:(1)针对粒子群分簇路由优化算法存在的收敛速度慢、易陷入局部最优等问题,提出一种混沌-量子粒子群的双粒子群分簇路由算法。该算法利用簇头的能量、簇头与基站的距离、与簇内成员节点的距离构造出最优簇头的代价函数,主粒子群利用混沌粒子群寻优,辅粒子群利用量子粒子群寻优,并加入量子波动理论,使算法具备更好的全局收敛性。双粒子群采用收敛速度快的凹函数递减策略优化权重。仿真结果表明该算法能够均衡WSN节点的能量消耗,显着延长网络生命周期,与LEACH协议、PSO-C协议相比生命周期分别延长了80.1%和41.4%。(2)针对簇头与基站的单跳模式,提出基于优化的双粒子群-蚁群的分簇路由算法,在改进的混沌-量子粒子群分簇路由算法基础之上,对簇头到基站的传输路径进行优化。由于簇头采集的信息最终传输至基站,对传统的TSP模型作出了重新的定义,将基站作为终点,距离基站最近的簇头作为出发点,选出一条基于全局簇头的最优路径,并引入节点能量、基站距离两大因素对启发函数进行改进,使蚁群拜访的下一簇头具有足够的能量来参与转发任务,仿真结果表明,TSPSO-ACO算法大大缩减了簇头因单跳到基站而损耗的能量,与LEACH协议、PSO-C协议、EBUCP协议相比生命周期分别延长了150%、44.5%以及5.7%。(本文来源于《长春理工大学》期刊2018-06-01）
宋彬[6]（2018）在《结合粒子群算法和改进蚁群算法的机器人混合路径规划》一文中研究指出煤炭开采过程中经常会发生瓦斯爆炸、透水、冒顶等灾害,使用机器人对灾害矿井环境进行探测,可以防止矿井次生灾害对被困矿工及救护队员造成危害,为高效救援工作创造条件。灾后矿井环境复杂,垮落的顶板会阻碍机器人在巷道中行进,为了使机器人能够快速进入矿井深部探测危险环境信息,开展机器人的路径规划研究具有重要的意义。本课题受到“十叁五”国家重点研发计划项目“煤矿灾变环境信息侦测和存储技术及装备”(2016YFC0801808)的支持。主要工作内容如下:首先,使用栅格法对移动机器人工作环境进行建模。由于凹形障碍物会导致路径规划算法早熟收敛,对栅格地图中的凹形障碍物进行腐蚀和膨胀预处理,将凹形障碍物转化为规则的矩形障碍物,避免算法陷入局部最优陷阱。其次,应用粒子群算法进行机器人全局路径规划。针对基本粒子群算法进行路径规划时出现早熟收敛,路径质量差等问题,本文提出将全局搜索能力较强的模拟退火算法与粒子群算法相结合,通过在简单环境与复杂环境中进行仿真实验,证明改进后的粒子群算法可以跳出局部最优解,路径质量得到提高。接着,应用改进蚁群算法进行机器人局部路径规划。针对基本蚁群算法避障能力差,收敛速度慢等缺点,本文提出了一种改进蚁群算法。该算法在路径选择概率公式中引入障碍物排斥权重和增加新的路径启发因子,改善了避障能力;优化路径中局部和全局信息素的更新方式,提高了算法的收敛速度和路径质量;对迭代过程中的蚂蚁个体进行非线性寻优,提高了全局搜索能力。然后应用线性预测模型对动态障碍物的轨迹进行预测,针对不同的碰撞类型采用相应的避障策略。仿真实验证明,改进的蚁群算法较基本蚁群算法更有效的避开障碍物且规划出的路径更优。最后,本文提出了将粒子群算法与改进的蚁群算法相融合的混合路径算法。首先应用改进的粒子群算法进行全局路径规划,移动机器人沿着全局最优路径移动,遇到障碍物时应用改进蚁群算法进行避障,避障后继续沿着全局最优路径移动。通过仿真证明,移动机器人可以有效的避开临时添加静态和动态障碍物,到达目标点。(本文来源于《中国矿业大学》期刊2018-05-01）
侯仰强,王天琪,李亮玉,张志臣,赵娜[7]（2017）在《基于蚁群算法-粒子群算法的白车身侧围点焊机器人路径规划》一文中研究指出针对白车身侧围点焊多机器人协调焊接任务,对焊接路径规划算法进行了研究。提出了一种适用于该任务的蚁群粒子群混合算法,以实现多机器人焊点分配均匀和单机器人焊接路径最优的焊接要求。通过分析白车身侧围焊点分布特点及多机器人协调焊接要求,建立白车身侧围点焊多机器人协调焊接任务数学模型。设计了基于蚁群粒子群混合算法的路径规划方案,在MATLAB中得到规划结果。利用机器人离线编程软件Robotstudio建立白车身侧围多机器人协调焊接工作站,对规划结果进行仿真实验。结果表明,该算法可实现焊点均匀分配,缩短焊接路径,有效提高焊接效率。(本文来源于《中国机械工程》期刊2017年24期）
卢志刚,申康[8]（2016）在《基于粒子群蚁群算法的供应链合作伙伴选择研究》一文中研究指出针对供应链合作伙伴选择的准确性和效率问题,提出一种基于粒子群和蚁群优化的合作伙伴选择算法。建立基于供应链链节体和连接弧的有向图路径模型,构造多目标规划模型。利用改进的离散型粒子群算法,求取伙伴选择问题的初始解集,构建初始信息素矩阵,通过改进蚁群算法的寻径规则,求取供应链合作伙伴选择问题的最优解。实验结果表明,所提算法有效提高了供应链合作伙伴选择的精度和效率,具有较好的性能。(本文来源于《计算机工程与科学》期刊2016年05期）
陈睿[9]（2016）在《基于改进粒子群蚁群算法的多目标双边匹配问题研究》一文中研究指出近年来我国电子商务发展迅猛,在中介模式的电子商务交易过程中,电子中介在尽可能满足买卖双方各自需求条件并考虑各方利益的情况下促成交易,该问题为电子商务中双边匹配问题。现实生活中存在着大量的双边匹配问题。目前解决双边匹配问题的多数算法都是将多目标问题转化为单目标问题来求解,但对同一问题不同的决策者往往会从不同的角度考虑。因此,本文建立一种多目标双边匹配问题模型,并结合改进的粒子群蚁群算法对其进行求解J主要工作内容如下：(1)针对粒子群算法在连续优化问题的搜索效率方面提出一种全局最优变异策略,并将其融入带收缩与发散操作的自适应粒子群优化算法当中,使得粒子整体保持高效搜索的同时及时逃离局部最优。之后用几组经典测试函数进行测试,实验结果表明该策略能够增强粒子的搜索功能,提高算法的寻优精度和速度。(2)针对蚁群算法收敛速度慢、易陷入局部最优的特点,设计一种完全自适应信息素调节多目标蚁群算法,通过动态调控蚁群系统信息素使得算法能够较快地收敛,避免算法停滞不前,所得多目标非劣解具有较好的收敛性且分布均匀。之后使用国际公认的TSP多目标测试函数对其进行测试,并对测试结果进行分析。(3)设计了一种针对双边匹配问题的满意度计算方法,该方法能更准确地反映满意程度情况,并在此基础上设计一类双边匹配问题数学模型。针对多目标双边匹配问题的特点将(1)(2)当中的粒子群算法与蚁群算法分别进行改进,并将二者有机结合用于求解己建立的双边匹配问题数学模型。实验结果表明改进后的多目标粒子群蚁群算法可以较好地解决该类双边匹配问题。(本文来源于《广西大学》期刊2016-05-01）
李东海,王勇军[10]（2016）在《基于粒子群优化的蚁群算法在战场电磁频率分配中的应用》一文中研究指出为对战场电磁频率进行有效分配以减少用频设备间的相互干扰,提出了将一种基于粒子群优化的蚁群算法应用于频率分配的方法。首先介绍了战场频率管控流程的相关内容,并以干扰度最低为目标函数,使用基于粒子群算法优化的蚁群算法进行频率分配管理。粒子群算法优化蚁群算法中启发信息的权重及信息素挥发系数,作为粒子群位置和速度参数进行初始化,将粒子群算法生成的分配结果作为蚁群算法的初始信息素,利用蚁群算法较强的寻优能力寻找最佳分配方案。实验结果验证了该算法和模型的可行性。(本文来源于《指挥控制与仿真》期刊2016年02期）
粒子群蚁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：
针对蚁群算法易陷入局部最优、收敛速度较慢的问题,提出一种基于粒子群参数优化的同构双种群蚁群算法。将蚂蚁均分为两个子群,第一子群引入单位距离信息素路径构建算子,加强距离因素和信息素因子的协同作用;第二子群引入粒子群优化算法,对蚁群算法的多个参数在叁维空间中进行优化,提高了解的质量。两个种群在参数方面优势互补并进行协同交流,共同促进算法找到全局最优解。针对TSP问题,实验表明,所设计的算法增强了算法的种群多样性。
（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。
粒子群蚁群算法论文参考文献
[1].张超.粒子群算法与蚁群算法的改进研究[D].西安工程大学.2019
[2].朱宏伟,游晓明,刘升.基于粒子群参数优化的同构双种群蚁群算法[J].测控技术.2019
[3].王雷震,汪定伟,王素欣.多起讫点货物转运配送车辆调度模型及其粒子群、蚁群算法混合求解[J].信息与控制.2018
[4].任雁,李强,张鹏军.基于粒子群和蚁群算法的枪弹图像边缘检测方法[J].中北大学学报(自然科学版).2018
[5].田思琪.基于粒子群—蚁群算法的无线传感网络路由协议研究[D].长春理工大学.2018
[6].宋彬.结合粒子群算法和改进蚁群算法的机器人混合路径规划[D].中国矿业大学.2018
[7].侯仰强,王天琪,李亮玉,张志臣,赵娜.基于蚁群算法-粒子群算法的白车身侧围点焊机器人路径规划[J].中国机械工程.2017
[8].卢志刚,申康.基于粒子群蚁群算法的供应链合作伙伴选择研究[J].计算机工程与科学.2016
[9].陈睿.基于改进粒子群蚁群算法的多目标双边匹配问题研究[D].广西大学.2016
[10].李东海,王勇军.基于粒子群优化的蚁群算法在战场电磁频率分配中的应用[J].指挥控制与仿真.2016