导读:本文包含了小世界优化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:鲸鱼优化算法,小世界网络,边界信息,混合引导策略
小世界优化算法论文文献综述
林伟豪,何杰光[1]（2019）在《具有小世界邻域结构的混合鲸鱼优化算法》一文中研究指出针对标准鲸鱼优化算法收敛精度低和易早熟的问题,提出了具有小世界邻域结构的混合鲸鱼优化算法。该算法采用小世界网络作为种群的空间结构,在围猎捕食和气泡网攻击阶段,设计了一种混合引导策略来协调算法的全局搜索和局部开发能力。此外,为了能够找到更多局部最优解,提出了基于边界信息的小概率局部维度变异策略。基于标准测试函数的仿真实验表明,与标准鲸鱼优化算法和其他性能优异的改进算法相比,具有小世界邻域结构的混合鲸鱼优化算法在收敛精度和稳定性方面更具优势。(本文来源于《广东石油化工学院学报》期刊2019年01期）
袁明新,谢丰,姜烽,江亚峰[2]（2019）在《基于精英集聚效应的实数编码小世界优化算法》一文中研究指出为了提高小世界算法的高维模型优化性能和降低算法的编码复杂性,提出了一种基于精英集聚效应的自适应实数编码小世界优化算法。该算法借鉴小世界现象进行网络空间搜索,包括随机长连接和局部短连接。为了提高优化性能,首先基于精英集聚效应在长连接中加入分级个体吸引策略;然后根据节点优化优劣在短连接中进行搜索次数及邻域大小的自适应调整。为了降低编码复杂性采用了实数编码。最后通过Markov链理论证明了算法的收敛性。数值测试结果表明,与禁忌遗传算法、基本小世界算法以及禁忌小世界算法相比,该算法在相对误差方面平均降低了30.3%,在收敛速度和稳定性方面分别平均提高了18.2%和13.8%,从而验证了算法的有效性。(本文来源于《计算机工程与应用》期刊2019年10期）
杨晓琴[3]（2018）在《基于WS小世界模型的蝙蝠优化算法》一文中研究指出蝙蝠算法是在对微型蝙蝠回声观察研究的基础上发现蝙蝠回声和优化目标功能之间的关系而提出的一种新算法。蝙蝠算法具有强大的搜索性能,但是其局部搜索相对简单,个体间缺乏信息互通,搜索能力差。尽管目前也提出了一些相关改进算法,但高维优化方面较少涉及。考虑到蝙蝠群体中个体相互联系与作用的方式有动态复杂的感知网络结构,具有"小世界"特性,所以首先把有"小世界"特性的WS小世界模型引入蝙蝠算法,利用WS小世界模型断边重连的特点生成动态的邻域结构,这种邻域结构能够提高整体的搜索能力。实例验证表明借助一般的蝙蝠算法可以进行局部搜索。(本文来源于《计算机与现代化》期刊2018年08期）
张莉[4]（2018）在《小世界算法及其在优化设计中的应用研究》一文中研究指出随着科技和社会的进步,人们对最优化的需求愈来愈广,从而对最优化方法和算法的发展形成了巨大的推动力,而这其中以仿生和拟物为基础发展起来的智能优化算法的发展表现最为迅速,小世界算法就是其中代表之一。其区别于传统优化算法,具有适应性强,求解迅速等优点。本文以小世界算法为载体,针对其处理复杂优化问题所存在的缺陷进行了两轮改进,最终提出一种自适应小世界优化算法用于翼型的优化设计中,具体研究工作如下:首先,对复杂网络的发展过程进行了研究,了解小世界算法形成的理论基础,并对小世界算法的原理、特点和操作过程进行了具体的研究。通过10个典型测试函数对基本小世界算法和基本遗传算法进行优化性能对比计算,以此测试小世界算法的优缺点。其次,针对基本小世界算法的缺点进行改进操作,提出了一种混合编码小世界算法。针对基本算法的编码方式、长连接的操作算子进行了改进,且引入了最优保存策略,经过对计算结果对比分析,验证了改进措施的有效性。之后,对函数测试中混合编码小世界算法暴露的问题继续进行改进,通过引入自适应搜索概率,自适应换位操作设计,自适应短连接操作设计,提出了一种自适应小世界算法。经函数测试说明了算法改进策略的可行性,并将其应用到减速器结构的实际案例优化中,验证了其解决复杂优化问题的能力。最后,本文将自适应小世界算法应用于二维翼型的优化设计中,应用MATLAB编程完成算法优化数据与FLUENT流场分析数据的交换工作。优化过程中,借助了GAMBIT软件中的JOU文件对翼型进行二维网格的批处理生成,同时将每一代的翼型调用FLUENT软件进行批量计算,有效节约了优化时间。经过对RAE2822基准翼型进行优化设计,结果表明,本文所采用的方法对翼型的优化设计可达到高效、快速、有效的优化效果,因而具有一定的工程实用价值。(本文来源于《南昌航空大学》期刊2018-06-01）
唐京瑞[5]（2018）在《基于小世界网络的PSO算法在机组优化组合中的研究》一文中研究指出发电机组优化组合问题是一个离散、大规模、多约束、非线性的多变量优化问题,很难得到理论上的最优解,为此,建立一个接近实际系统的机组数学模型,提高机组优化组合问题算法的计算精度和速度,对发电机组出力的优化运行具有重要的研究意义。(本文来源于《科技经济导刊》期刊2018年14期）
刘阳[6]（2018）在《基于多层前向小世界网络的层间结构优化及其网络修剪算法的研究》一文中研究指出复杂性和复杂系统是21世纪的中间研究课题之一。复杂网络概括了复杂系统的特征。很久以来,许多学者认为典型的网络是由许多个节点和连接这些节点的边组成,网络是点和边的集合,用随机图来表示。后来,这种想法发生了根本性的变化,主要归功于计算机对数据的处理、运算能力的迅猛发展。于是人们开始研究复杂网络的统计特性和的拓扑结构特性,经研究发现,尽管许多网络具有非常明显的随机性和复杂性,但是也会出现可以用数学或统计语言来描述的模式和规律,其中最重要的就是小世界效应。近些年来,人们已经认识到人工神经网络模型与大脑神经网络存在着差距,生物神经网络既不是规则网络也不是随机网络,它是介于规则网络与随机网络之间的一种复杂的网络结构。小世界网络它既具有规则网络的较大的聚类系数,又具有随机网络的较小的平均路径长度,因此小世界网络的优越性引起了人们的关注。由于在BP算法误差反向传播的过程中,权值修正阶段很容易陷入到局部极小点,而且传统的BP算法收敛速度较慢。因此本文优化了BP算法,提高了网络的收敛速度并且减少了网络陷入局部极小的可能性。由于全连接的网络中隐节点过多,节点间连接过于紧密,因此会存在过度拟合的问题。换句话说,对于不在训练样本中的数据,网络的学习能力不强,导致网络的实用价值下降,因此我们亟待找到一个合适的网络结构。长期以来,人们往往凭经验来确定网络的结构,为了保障精度常常偏向于冗余。因此不但网络训练的过程所需时间变长、增加了学习算法在学习速度上的负担,而且所得到所谓网络的高精度很有可能是冗余节点所导致的,会出现过拟合的现象,具体表现为对于训练样本之外的数据其网络训练的精度急剧下降、网路的泛化能力比较弱。本文提出一个基于E指数信息熵多层前馈小世界网络的修剪算法。基于信息熵的原理,计算每个隐节点的熵值,将那些熵值没有明显变化或者熵值变化小于阈值的隐节点进行修剪,通过不断地训练网络直至网络趋于稳定。实验结果表明,使用修剪算法的网络相比于未修剪的网络在准确率方面有明显的提高,在误差方面也做到了相应的控制,并且在一定程度上改善了过拟合的问题。(本文来源于《吉林大学》期刊2018-04-01）
王培崇,马玥,耿明月,汪慎文[7]（2016）在《具有小世界邻域结构的教与学优化算法》一文中研究指出教与学优化(teaching-learning-based optimization,TLBO)算法是近年来提出的一种通过模拟"教"与"学"行为的群体智能算法。为了克服教与学优化算法容易早熟,解精度较低,后期收敛速度慢等弱点,提出了一种改进的教与学优化算法,并命名为S-TLBO(small world neighborhood TLBO)。该算法采用小世界网络作为其种群的空间结构关系,种群中的个体被看作是网络上的节点。在算法的"教"阶段,学生基于概率向教师个体进行学习,而在"学"阶段,学生则在自己的邻居节点中随机选择较为优秀的个体进行学习。为了提高加强算法的勘探新解和开采能力,引入教师个体执行反向学习算法。在多个经典的测试函数上的实验结果表明,所提出的改进算法具有较高的全局收敛性和解精度,适合于求解较高维度的多模态函数优化问题。(本文来源于《计算机科学与探索》期刊2016年09期）
陈志江,彭祖群,陈育成[8]（2015）在《基于动态NW小世界量子粒子群算法的电力系统无功规划优化》一文中研究指出为了解决电力系统无功规划优化问题,提出一种动态NW小世界量子粒子群算法(NWQPSO),改善了传统量子粒子群算法易陷入局部最优的缺点。将NW小世界的动态拓扑结构应用到粒子进化公式中,增加了迭代过程中粒子多样性,使其多局部搜索和全局性搜索。利用电压稳定裕度指标,寻找系统电压稳定性较薄弱节点,将其作为无功补偿安装点,以无功补偿装置投资和网损综合费用为目标函数,通过IEEE30节点系统的仿真,验证了该规划方法和算法的有效性。(本文来源于《黑龙江电力》期刊2015年05期）
龚月姣,嵇智源[9]（2015）在《自适应小世界粒子群优化算法》一文中研究指出提出一种基于小世界网络的自适应拓扑结构。每个粒子都与它的近邻粒子进行交互,其有一定概率通过小世界重置与远方的粒子进行沟通;为粒子群体的每个维度分配一个特定的小世界网络,不同维能够学习不同邻居的历史信息;粒子的邻域大小与小世界重置的概率将在种群收敛状态的基础上进行自适应调整。利用标准函数集对该算法进行测试,测试结果表明,通过该机制,粒子群体具有更好的搜索多样性,能够平衡全局探索与局部开发。(本文来源于《计算机工程与设计》期刊2015年06期）
孟安波,岳龙飞,邢林华,陈育成,李阳[10]（2015）在《基于NW小世界的量子进化算法在无功优化中的研究》一文中研究指出针对量子进化算法的早熟问题,提出了一种适于电力系统无功优化的NW(newman-watts)小世界量子进化算法。该算法引入了NW小世界网络模型,以一种新颖的随机加边方式动态改变种群个体的邻域拓扑结构,从而保证了整个优化过程中的种群多样性,提高了算法的全局搜索能力。应用该算法对IEEE-14节点和IEEE-57节点系统进行无功优化的仿真分析,结果表明,NW小世界量子进化算法在电网无功优化计算中具有较强的全局寻优能力和较高的收敛精度。(本文来源于《中国电力》期刊2015年01期）
小世界优化算法论文开题报告
（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：
为了提高小世界算法的高维模型优化性能和降低算法的编码复杂性,提出了一种基于精英集聚效应的自适应实数编码小世界优化算法。该算法借鉴小世界现象进行网络空间搜索,包括随机长连接和局部短连接。为了提高优化性能,首先基于精英集聚效应在长连接中加入分级个体吸引策略;然后根据节点优化优劣在短连接中进行搜索次数及邻域大小的自适应调整。为了降低编码复杂性采用了实数编码。最后通过Markov链理论证明了算法的收敛性。数值测试结果表明,与禁忌遗传算法、基本小世界算法以及禁忌小世界算法相比,该算法在相对误差方面平均降低了30.3%,在收敛速度和稳定性方面分别平均提高了18.2%和13.8%,从而验证了算法的有效性。
（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。
小世界优化算法论文参考文献
[1].林伟豪,何杰光.具有小世界邻域结构的混合鲸鱼优化算法[J].广东石油化工学院学报.2019
[2].袁明新,谢丰,姜烽,江亚峰.基于精英集聚效应的实数编码小世界优化算法[J].计算机工程与应用.2019
[3].杨晓琴.基于WS小世界模型的蝙蝠优化算法[J].计算机与现代化.2018
[4].张莉.小世界算法及其在优化设计中的应用研究[D].南昌航空大学.2018
[5].唐京瑞.基于小世界网络的PSO算法在机组优化组合中的研究[J].科技经济导刊.2018
[6].刘阳.基于多层前向小世界网络的层间结构优化及其网络修剪算法的研究[D].吉林大学.2018
[7].王培崇,马玥,耿明月,汪慎文.具有小世界邻域结构的教与学优化算法[J].计算机科学与探索.2016
[8].陈志江,彭祖群,陈育成.基于动态NW小世界量子粒子群算法的电力系统无功规划优化[J].黑龙江电力.2015
[9].龚月姣,嵇智源.自适应小世界粒子群优化算法[J].计算机工程与设计.2015
[10].孟安波,岳龙飞,邢林华,陈育成,李阳.基于NW小世界的量子进化算法在无功优化中的研究[J].中国电力.2015