导读:本文包含了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:挠曲,叁维模拟,粒子群算法,南海
群算法论文文献综述
张江阳,孙珍,邱宁,张云帆,李付成[1]（2019）在《基于粒子群算法的俯冲带叁维有效弹性厚度反演》一文中研究指出岩石圈有效弹性厚度是表征岩石圈力学性质的参数,其反映了岩石圈挠曲变形的特征.本文在传统二维挠曲模型的基础上,提出了适用于俯冲及碰撞带的叁维薄板挠曲模型.并发展了基于粒子群算法的俯冲带叁维有效弹性厚度反演方法.该方法适用于挠曲参数存在横向差异的俯冲-碰撞带.最后利用该方法反演了马尼拉海沟处岩石圈的有效弹性厚度,结果显示:南海中央海盆岩石圈的有效弹性厚度随着距洋中脊距离的增加而增大;马尼拉海沟轴部弯矩在洋中脊两侧呈分段性变化,这表明南海俯冲板片在深部撕裂可能对浅部的挠曲形态产生影响.(本文来源于《地球物理学报》期刊2019年12期）
刘琦良[2]（2019）在《基于粒子群算法的多目标路网养护方案优化》一文中研究指出为使路网养护方案决策更加科学、合理,在系统考虑养护费用、养护资金和投资效益等多种目标的基础上,利用粒子群智能算法(PSO)求解路网养护优化问题。仿真例子结果表明(PSO)可以快速搜寻出23个全局最优解,为养护决策提供更准确的数据支撑。与文献中数学规划、遗传算法和并列遗传算法的计算结果比对,验证了该算法能够获得更好的计算结果。(本文来源于《建材与装饰》期刊2019年35期）
苗玉[3]（2019）在《改进粒子群算法优化SVM的故障诊断方法研究》一文中研究指出针对粒子群优化算法在搜索过程中容易陷入早熟收敛的问题,利用交叉算子增加种群多样性,为了改善粒子群算法的适应性,提出了自适应学习因子粒子群算法,通过不断改变传统算法的学习因子来提高算法收敛的速度和精度。将该算法应用于煤层气单井系统故障诊断的研究中,通过MATLAB仿真,验证了改进后的粒子群算法故障诊断精度明显高于普通粒子群优化算法和遗传算法。(本文来源于《机械工程与自动化》期刊2019年06期）
吴丹琦,赖俊升,杨俊华,李学聪,赖来利[4]（2019）在《基于局部粒子群算法的家庭用电负荷优化控制策略》一文中研究指出提出一种分时电价政策下电能总花费最低的家庭用电负荷优化控制策略.采用局部粒子群算法对家庭中4类常见用电负荷的花费进行优化,与无优化处理和传统粒子群算法进行对比分析,并在Python平台上搭建数学模型和开展仿真实验.结果表明,局部粒子群算法可大幅度减少家庭用电花费,具有全局搜索能力强、收敛速度快等优点,可推广应用到家庭能源管理领域相关研究.(本文来源于《广东工业大学学报》期刊2019年06期）
李晓东[5]（2019）在《遗传狮群算法的分布式电源定容选址》一文中研究指出近年来接入配电网的分布式电源容量越来越大,但不合理的分布式电源定容选址方案不利于配电网的优化运行,故针对分布式电源定容选址问题,分析了分布式电源对配电网线路损耗、节点电压和快速电压稳定裕度指数的影响,并建立了相关的目标函数,同时为加强狮群算法跳出局部最优解的能力将遗传算法的交叉、变异环节引入到狮群算法中,最后在标准的IEEE 33节点配电网络的基础上,对所提方法进行验证,结果表明所得的分布式电源定容选址方案能够有效地降低网络线路损耗,提高节点电压和加强配电网的稳定运行,同时表明遗传狮群算法优化算法比原算法有更强的跳出局部最优解的能力,收敛速度也较快。(本文来源于《重庆工商大学学报(自然科学版)》期刊2019年06期）
胡国伟[6]（2019）在《一种改进的基于蚁群算法的无线传感网络故障容错路由协议》一文中研究指出无线传感网络节点或链路故障会影响到网络的传输,降低网络的可靠性。针对蚁群智能路由协议在解决无线传感网络故障问题上的不足,提出一种改进的基于蚁群优化算法的能量高效故障容错路由协议(FTIEEABR)。当网络中的传输路径发生故障后,能够快速找到新的路径,保障数据的可靠传输。(本文来源于《柳州职业技术学院学报》期刊2019年05期）
詹宝容,骆金维,黄炜杰,李杏清[7]（2019）在《基于蚁群算法的边缘检测技术组合优化》一文中研究指出针对图像边缘检测过程中,现有算法存在阈值设定缺乏自适应性、收敛速度较慢、容易陷入局部最优解等问题,通过改进蚁群算法的子块梯度比的求取方式优化算法初始设定,并与扰动因子结合优化蚁群转移规则,再根据蚁群动态情况调整信息素阈值等操作进行组合优化。实验结果表明与现有文献的算法相比,改进后的算法在运算速度上提升2.81%,检测效果上提升12.24%。(本文来源于《电子设计工程》期刊2019年23期）
万逸飞,彭力[8]（2019）在《改进A~*蚁群算法求解机器人路径规划问题》一文中研究指出针对蚁群算法收敛速度慢、效率低以及易陷入局部最优的一系列问题,提出改进的A~*蚁群算法。为降低蚁群死锁、停滞的概率,先将栅格地图进行处理。其次为了提高蚁群的效率,引进A~*算法确定蚁群的初始信息素,同时改进蚁群信息素更新方式,从而提高算法的收敛速度;针对局部最优的问题,提出将蚁群中的启发函数进行改进,不仅考虑到可行栅格中的最短距离,还考虑到目标点的位置,并且引入简化算子对蚁群的路径进行优化。通过4组仿真对比,改进的A~*蚁群算法效果显着。(本文来源于《传感器与微系统》期刊2019年12期）
赵丽娟,黄禹丁[9]（2019）在《基于免疫粒子群算法的螺旋滚筒参数多目标优化》一文中研究指出为优化螺旋滚筒参数,基于免疫混合粒子群算法对采煤机螺旋滚筒的设计参数进行了优化。运用相似理论进行模化试验,建立截割比能耗数学模型,确定了以截割比能耗、载荷波动系数、生产率和煤炭品质为优化模型,和以螺旋滚筒直径、截线距、叶片头数、螺旋滚筒的转速和采煤机牵引速度为优化变量的优化模型。通过Matlab软件编制的优化设计程序,对项目组某型号采煤机螺旋滚筒设计参数进行优化。验证了免疫粒子群算法对螺旋滚筒参数优化的可行性,同时为采煤机螺旋滚筒的设计生产提供了理论参考。(本文来源于《2019航空装备服务保障与维修技术论坛暨中国航空工业技术装备工程协会年会论文集》期刊2019-12-05）
张苏英,赵国花,郭宝梁,于佳兴,刘慧贤[10]（2019）在《基于改进的蚁群算法的移动机器人路径规划》一文中研究指出针对移动机器人路径规划中的传统蚁群算法收敛精度低、易陷入局部最优等问题,提出一种改进蚁群算法。首先,对算法的转移概率进行改进,加入转向代价,减少不必要的转折,并针对启发函数启发性能不够强,对路径启发信息进行改进;然后,提出一种自适应的参数调整伪随机状态转移策略,动态改变参数值,避免过早陷入搜索停滞,增强搜索的全面性,同时对信息素更新方式进行改进,调整信息素挥发系数,保持蚂蚁发现最优路径的能力;最后,通过Matlab与其他算法进行对比分析。仿真结果表明,改进的蚁群算法收敛速度快,且路径长度和算法迭代次数有明显减少,能得到全局最优路径。改进蚁群算法具有可行性、有效性,在移动机器人路径规划中有一定的应用价值。(本文来源于《河北工业科技》期刊2019年06期）
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：
为使路网养护方案决策更加科学、合理,在系统考虑养护费用、养护资金和投资效益等多种目标的基础上,利用粒子群智能算法(PSO)求解路网养护优化问题。仿真例子结果表明(PSO)可以快速搜寻出23个全局最优解,为养护决策提供更准确的数据支撑。与文献中数学规划、遗传算法和并列遗传算法的计算结果比对,验证了该算法能够获得更好的计算结果。
（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。
群算法论文参考文献
[1].张江阳,孙珍,邱宁,张云帆,李付成.基于粒子群算法的俯冲带叁维有效弹性厚度反演[J].地球物理学报.2019
[2].刘琦良.基于粒子群算法的多目标路网养护方案优化[J].建材与装饰.2019
[3].苗玉.改进粒子群算法优化SVM的故障诊断方法研究[J].机械工程与自动化.2019
[4].吴丹琦,赖俊升,杨俊华,李学聪,赖来利.基于局部粒子群算法的家庭用电负荷优化控制策略[J].广东工业大学学报.2019
[5].李晓东.遗传狮群算法的分布式电源定容选址[J].重庆工商大学学报(自然科学版).2019
[6].胡国伟.一种改进的基于蚁群算法的无线传感网络故障容错路由协议[J].柳州职业技术学院学报.2019
[7].詹宝容,骆金维,黄炜杰,李杏清.基于蚁群算法的边缘检测技术组合优化[J].电子设计工程.2019
[8].万逸飞,彭力.改进A~*蚁群算法求解机器人路径规划问题[J].传感器与微系统.2019
[9].赵丽娟,黄禹丁.基于免疫粒子群算法的螺旋滚筒参数多目标优化[C].2019航空装备服务保障与维修技术论坛暨中国航空工业技术装备工程协会年会论文集.2019
[10].张苏英,赵国花,郭宝梁,于佳兴,刘慧贤.基于改进的蚁群算法的移动机器人路径规划[J].河北工业科技.2019