导读:本文包含了量子行为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:量子行为粒子群优化算法,势阱中心,势阱长度,模糊控制
量子行为粒子群算法论文文献综述
金鹏[1]（2018）在《改进量子行为粒子群算法的研究及其在优化问题中的应用》一文中研究指出优化问题,是指在一系列可行解中依特定评价标准选择更好的解,是优化控制研究领域重要分支之一。随着智能算法的发展和生产需求的转变,运用智能控制解决日益复杂的优化问题已成为智能算法研究热点。本文以量子行为粒子群优化(Quantum-behaved Particle Swarm Optimization,QPSO)算法为主要研究对象,首先介绍QPSO算法的基本原理及模型,归纳其性能优势并总结不足,然后在此基础上提出具有理论依据的改进算法。全文重点研究QPSO算法势阱调节方式,主要改进势阱中心更新方式及势阱长度调节方式,势阱中心在整个群体中起着导向作用,决定粒子搜索方向;势阱长度则反映了粒子搜索能力,影响着搜索步长。最后以电动汽车模糊控制器参数优化问题为例,验证算法在实际应用中的性能优势。具体研究工作概括如下:1.以势阱中心更新方式为研究重点,指出传统势阱中心更新方式只考虑粒子自身最优位置和全局最优位置,算法易早熟收敛。针对该问题,引入社会学习和莱维飞行优化势阱中心更新方式,增强种群多样性。经仿真测试,算法收敛精度和速度均优于QPSO算法,特别在高维多峰优化问题上,性能优势明显。2.改进势阱中心更新方式优化了粒子寻优方向,但势阱长度调节方式同样制约着算法性能。传统势阱长度调节方式缺乏自适应性,算法存在进一步改进空间。因此,本文另一研究重点为改进势阱长度调节方式,以关键控制参数——收缩-扩张系数(Contraction Expansion,CE)为切入点,提出粒子活性概念,以势阱长度相对变化率作为粒子活性度量标准,并以粒子活性作为反馈量,实现自适应调节CE系数,达到合理调控势阱长度的目的。经仿真测试,改进算法不仅加快了收敛速度,提高了收敛精度,而且给出了一种全新势阱长度控制策略。3.将改进QPSO算法应用于电动汽车模糊控制器参数优化问题中,重点改进模糊自适应控制器中量化因子和比例因子的调节方式。由仿真结果可知,改进后的控制器在速度及精度上均优于传统模糊自适应PID控制器和QPSO算法优化的模糊自适应PID控制器。(本文来源于《中国矿业大学》期刊2018-10-16）
郑伟博,张纪会[2]（2016）在《基于Nelder-Mead单纯形法的改进量子行为粒子群算法》一文中研究指出针对PSO算法搜索精度较低,并且在复杂多模态函数优化中,容易陷入局部极值的问题,提出了一种改进的量子行为粒子群优化算法。研究了该算法的基本原理、给出了算法流程并采用正交试验的方式获得了一套通用性较强的算法参数。并以CEC’13的28个测试函数作为测试集,采用Wilcoxon符号秩检验将NM-QPSO算法分别与PSO算法和QPSO算法的误差进行比较试验。试验表明:NM-QPSO算法在统计意义上优于传统的PSO算法和QPSO算法,并且在高维函数优化中,具有显着优势。(本文来源于《复杂系统与复杂性科学》期刊2016年02期）
杨亚[3]（2016）在《基于量子行为粒子群算法的微电网经济优化调度》一文中研究指出在开发利用大量分布式电源的同时,可再生能源出现的高渗透率和随机波动对传统电网安全运行造成了巨大冲击。微电网作为分布式电源的一种典型应用方式,由于其能协调分布式电源和配电网之间的矛盾,最大限度发掘分布式发电技术在经济、能源和环境中的优势,已受到越来越多的关注。而微电网优化调度技术的发展为微电网的经济运行提供了有力的支撑。本文针对风光柴储微电网并网和孤岛两种模式下的日前优化调度问题,采用量子行为粒子群算法围绕源、储、荷的优化调度进行了研究。在对现有微电网优化调度问题分析总结的基础上,根据风光柴储微电网中源、储、荷的特性搭建了系统各组件的数学模型。并网时选取蓄电池和柴油发电机出力作为优化变量,孤岛时选取蓄电池出力作为优化变量,根据系统运行费用和污染物排放治理费用的调度目标建立了并网和孤岛两种运行模式下的日前优化调度模型,并利用量子行为粒子群算法对优化调度问题进行了求解。由于蓄电池容量会影响柴油发电机的启停,导致经济和环境效益的改变。因此在经济运行费用最优目标条件下进一步研究了两种运行模式下不同蓄电池容量对优化调度的影响。研究表明在并网和孤岛状态下增加蓄电池容量均能有效降低系统经济运行费用,且孤岛状态下柴油发电机启停次数明显降低,对环境影响更小。由于微电网一般靠近大型商场和集中供电的居民小区,需求侧存在大量的可平移和可调度负荷,因此在需求侧响应中考虑可平移和可调度负荷有可能使系统运行经济费用进一步下降。本文从需求侧负荷入手,在并网和孤岛模式下,针对可平移负荷消毒柜、洗衣机和电热水器,可调度负荷空调,在每个调度时段选取每类可平移负荷的数量和可调度空调负荷的设置温度作为优化变量,根据并网最大程度利用风光资源和孤岛尽量减少柴油发电机启动的优化目标建立了可平移和可调度负荷模型,并利用量子行为粒子群算法对其进行了求解。在此基础上,考虑源、储情况下进行了日前优化调度,对比未考虑负荷的优化调度结果,其运行费用进一步降低,且并网时微电网本地消纳风光等可再生能源能力得到提高,孤岛时柴油发电机启停次数得到进一步下降,验证了源、储、荷同时优化调度的必要性和有效性。(本文来源于《杭州电子科技大学》期刊2016-03-01）
陈虎,刘西[4]（2015）在《基于量子行为粒子群算法的装配序列优化方法》一文中研究指出针对装配序列规划(ASP)过程中产生的大量不可行的装配序列问题,提出了一种基于量子行为粒子群算法(QPSO)的装配序列优化方法。该算法根据ASP特点,在排序空间定义了粒子的位置和速度以及相关的逻辑运算,并基于装配序列的几何可行性、装配操作的稳定性、装配操作的聚合性以及装配重定向次数构建了综合评价函数,然后将粒子进行量子化,使粒子能遍历到整个粒子空间以搜索全局最优解,克服了一般算法局部收敛的缺点。实例分析对比表明:该算法是一种能解决复杂产品装配序列规划优化问题的有效方法。(本文来源于《海军工程大学学报》期刊2015年05期）
张栋华,李征,蔡旭[5]（2014）在《基于量子行为粒子群算法的微电网优化配置》一文中研究指出关于微电网的优化配置问题,是在功率平衡等一系列约束的前提下,以投资成本、环境因素等为目标,优化配置微电网中各微电源的数量。微电网的优化配置是一个动态多维非线性优化问题,传统的优化算法收敛速度慢,容易陷入局部最优,而量子行为粒子群算法以其搜索能力强、收敛速度快和解的精度高等特点,可以很好的求解微电网的优化配置问题。以某地的气象和负荷数据为例,在满足用户的冷热电负荷需求前提下,求解微电网的配置。结果表明,采用量子行为粒子群算法,可以得到各微电源容量的最佳配比方案。(本文来源于《计算机仿真》期刊2014年08期）
田娜,朱龙超[6]（2014）在《求解热传导系数反问题的量子行为粒子群算法》一文中研究指出量子行为粒子群优化算法(QPSO)和Tikhonov正则化方法用来求解热传导反问题,近似估计平板随时间变化的热传导系数。由于热传导系数的函数形式是未知的,所以问题可以归结为函数估计问题。求解过程是基于最小二乘模型的,采用的是嵌在平板中的传感器所测量得到的温度,优化过程由QPSO算法来求解。给出了由L曲线方法选择正则参数的详细过程。提出算法的有效性经过了数值实验的验证。传感器的位置和数量对结果的影响也做了研究。给出了与共轭梯度法的比较。(本文来源于《计算机工程与应用》期刊2014年24期）
山艳,陈昊[7]（2013）在《量子行为粒子群算法在图像恢复中的应用》一文中研究指出遗传算法等智能搜索技术避免了图像恢复方法中存在的较多约束和计算量过大的问题,但遗传算法存在"过早收敛"现象。作为一种新的智能优化算法-量子行为粒子群优化算法,在全局收敛性和稳定性上有较好的表现。文章提出了一种基于量子行为粒子群算法的图像恢复方法,并与基于标准遗传算法的图像恢复进行了比较。仿真结果表明,该算法可使图像恢复结果和效率得以较大的改善和提高,具有推广应用价值。(本文来源于《信息技术与信息化》期刊2013年06期）
章国勇,伍永刚,顾巍[8]（2013）在《基于精英学习的量子行为粒子群算法》一文中研究指出在分析量子行为粒子群算法中吸引子指导作用的基础上,引入两种精英学习策略,提出了基于精英学习的量子粒子群算法(QPSO-EL).采用动态逼近学习策略对精英个体进行局部更新,协助其跳出自身局部极值点,引导种群进行有效搜索;借鉴群体早熟判断机制对停滞状态下的精英个体空间进行变尺度混沌扰动,增大种群全局搜索空间,有效平衡了算法的局部和全局搜索能力.典型函数的仿真结果表明,该算法具有收敛速度快、求解精度高的特点.(本文来源于《控制与决策》期刊2013年09期）
张航,刘梓溪[9]（2013）在《基于量子行为粒子群算法的微型飞行器叁维路径规划》一文中研究指出提出一种基于量子行为粒子群优化算法(QPS0)的飞行器叁维路径规划。该方法首先将叁维坐标数据通过坐标变换和离散有限平面的方法化简为一维数据,然后建立新地图和粒子适应度函数,适应度函数决定了静态和动态壁障的适应值,最后通过量子行为粒子群优化算法获得一条全局最优路径。该方法模型简洁,需调整参数少,仿真实验验证了算法的有效性。(本文来源于《2013年中国智能自动化学术会议论文集（第五分册）》期刊2013-08-24）
张航,刘梓溪[10]（2013）在《基于量子行为粒子群算法的微型飞行器叁维路径规划》一文中研究指出提出一种基于量子行为粒子群优化算法(QPSO)的飞行器叁维路径规划。该方法首先将叁维坐标数据通过坐标变换和离散有限平面的方法化简为一维数据,然后建立新地图和粒子适应度函数,适应度函数决定了静态和动态壁障的适应值,最后通过量子行为粒子群优化算法获得一条全局最优路径。该方法模型简洁,需调整参数少,仿真实验验证了算法的有效性。(本文来源于《中南大学学报(自然科学版)》期刊2013年S2期）
量子行为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PSO算法搜索精度较低,并且在复杂多模态函数优化中,容易陷入局部极值的问题,提出了一种改进的量子行为粒子群优化算法。研究了该算法的基本原理、给出了算法流程并采用正交试验的方式获得了一套通用性较强的算法参数。并以CEC’13的28个测试函数作为测试集,采用Wilcoxon符号秩检验将NM-QPSO算法分别与PSO算法和QPSO算法的误差进行比较试验。试验表明:NM-QPSO算法在统计意义上优于传统的PSO算法和QPSO算法,并且在高维函数优化中,具有显着优势。
（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。
量子行为粒子群算法论文参考文献
[1].金鹏.改进量子行为粒子群算法的研究及其在优化问题中的应用[D].中国矿业大学.2018
[2].郑伟博,张纪会.基于Nelder-Mead单纯形法的改进量子行为粒子群算法[J].复杂系统与复杂性科学.2016
[3].杨亚.基于量子行为粒子群算法的微电网经济优化调度[D].杭州电子科技大学.2016
[4].陈虎,刘西.基于量子行为粒子群算法的装配序列优化方法[J].海军工程大学学报.2015
[5].张栋华,李征,蔡旭.基于量子行为粒子群算法的微电网优化配置[J].计算机仿真.2014
[6].田娜,朱龙超.求解热传导系数反问题的量子行为粒子群算法[J].计算机工程与应用.2014
[7].山艳,陈昊.量子行为粒子群算法在图像恢复中的应用[J].信息技术与信息化.2013
[8].章国勇,伍永刚,顾巍.基于精英学习的量子行为粒子群算法[J].控制与决策.2013
[9].张航,刘梓溪.基于量子行为粒子群算法的微型飞行器叁维路径规划[C].2013年中国智能自动化学术会议论文集（第五分册）.2013
[10].张航,刘梓溪.基于量子行为粒子群算法的微型飞行器叁维路径规划[J].中南大学学报(自然科学版).2013
标签：量子行为粒子群优化算法; 势阱中心; 势阱长度; 模糊控制;