导读:本文包含了搜寻者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:K-means聚类算法,搜寻者优化算法,全局寻优,聚类精确度
搜寻者优化算法论文文献综述
王盛慧,夏永丰[1]（2018）在《基于搜寻者优化算法的K-means聚类算法》一文中研究指出针对K-means聚类算法易陷入局部最优的问题,提出一种改进的K-means算法,将搜寻者优化算法(SOA)和K-means聚类算法结合起来,利用SOA鲁棒性好、全局搜索能力强的特点,通过确定搜寻者的搜索方向和搜索步长,更新搜寻者的位置,进行全局寻优,提高K-means聚类算法的聚类精确度。在仿真实验过程中,首先,选取具有代表性的处于叁种燃烧状态的水泥回转窑窑内视频图像为研究对象,分别采用K-means算法和改进后的算法进行仿真实验,实验结果表明,改进算法所获得的图像聚类效果更加精确;然后,分别用上述两种算法对数据集Iris和Wine进行相关测试,结果表明,改进算法的聚类精确度和运行效率都得到了有效提高。(本文来源于《燕山大学学报》期刊2018年05期）
张钊旭,王志杰,李建辰,王贵奇,许军[2]（2018）在《基于搜寻者算法的测试性优化分配方法》一文中研究指出测试性分配是测试性设计中的重要环节。现有的分配方法存在权值计算复杂、权重确定主观性强、分配结果需根据经验调整等不足,不能准确反映产品的实际情况。为此,文中利用搜寻者优化算法(SOA)全局搜索能力强,收敛速度快、鲁棒性好的优势,将产品的全寿命周期费用作为目标函数,同时考虑多种相关影响因素,提出基于SOA算法的测试优化分配方法。最后,通过对鱼雷控制系统中41组件的故障检测率(FDR)指标进行分配,验证了该方法的可行性,该方法可为测试性优化设计提供参考。(本文来源于《水下无人系统学报》期刊2018年01期）
江瑞柱,闫志鸿,白立来,卢振洋[3]（2017）在《焊缝射线检测图像的缺陷搜寻与算法优化》一文中研究指出基于X射线成像的焊缝缺陷自动检测技术对提高工业射线检测的自动化水平具有重要意义。在通过图像处理算法进行焊接缺陷提取的过程中,存在各种干扰,要求算法有很强的抗干扰能力。尝试了均值滤波背景相减和底帽变换两种缺陷提取算法,并分析存在的主要问题。针对这些问题,提出相应的解决办法,即模板优化算法和多特征再筛选算法,有效地解决了缺陷误检和漏检之间的矛盾。(本文来源于《电焊机》期刊2017年08期）
孙昊,张明新,戴娇,尚赵伟[4]（2017）在《基于网格的快速搜寻密度峰值的聚类算法优化研究》一文中研究指出CFSFDP是基于密度的新型聚类算法,可聚类非球形数据集,具有聚类速度快、实现简单等优点。然而该算法在指定全局密度阈值dc时未考虑数据空间分布特性,导致聚类质量下降,且无法对多密度峰值的数据集准确聚类。针对以上缺点,提出基于网格分区的CFSFDP(简称GbCFSFDP)聚类算法。该算法利用网格分区方法将数据集进行分区,并对各分区进行局部聚类,避免使用全局dc,然后进行子类合并,实现对数据密度与类间距分布不均匀及多密度峰值的数据集准确聚类。两个典型数据集的仿真实验表明,GbCFSFDP算法比CFSFDP算法具有更加精确的聚类效果。(本文来源于《计算机工程与科学》期刊2017年05期）
刘俊[5]（2017）在《基于改进搜寻者优化算法的PID控制》一文中研究指出针对传统PID参数整定方法存在精度低、稳定性差,且被控制系统易受噪声影响等缺点,提出一种基于改进搜寻者优化算法(ISOA)的PID控制方法。采用Z-N方法得到的PID参数整定值指导初始种群的产生和个体寻优范围的确定,再引入变异操作方法和个体进化方向引导策略,从而提高PID参数优化精度,并结合Kalman滤波器实现对被控系统中控制噪声和测量噪声的滤波处理。仿真结果表明,与基于标准搜寻者优化算法(SOA)的PID控制方法比较,基于ISOA算法和Kalman滤波器的PID控制,不仅可以获得更优的PID参数,而且能够有效抑制控制过程中的噪声干扰,实现了高精度、强鲁棒性的PID控制。(本文来源于《西华大学学报(自然科学版)》期刊2017年01期）
刘俊[6]（2016）在《搜寻者优化算法与卡尔曼滤波相结合的PID控制》一文中研究指出针对传统PID控制器的参数整定依靠经验调整,且在控制过程中,系统易受多种噪声影响的问题,提出搜寻者优化算法与卡尔曼滤波相结合的PID控制方法。利用搜寻者优化算法对PID参数进行智能优化,利用卡尔曼滤波器实现对控制噪声和测量噪声的有效抑制。对二阶延迟系统进行仿真试验,结果表明,与传统PID控制方法相比,该方法可以智能地获得较优的PID参数,有效剔除了控制过程中的噪声干扰,实现了调节速度快、稳态误差低、抗干扰能力强的智能PID控制。(本文来源于《自动化仪表》期刊2016年09期）
程加堂,艾莉,熊燕[7]（2016）在《搜寻者优化算法在锅炉主汽压控制系统中的应用》一文中研究指出针对电厂锅炉主汽压的控制问题,提出了一种基于SOA(搜寻者算法)优化PID控制器参数的控制方法。在该算法中,以主汽压系统输出的误差绝对值时间积分性能指标作为SOA算法的适应度函数,以得到一组PID控制器的优化参数,并用于锅炉主汽压的控制系统中。仿真结果表明,与粒子群算法及遗传算法相比,SOA优化算法具有较佳的寻优能力及优化效率,进而改善了主汽压控制系统的动态性能。(本文来源于《热能动力工程》期刊2016年06期）
王衡峰,柳超,王冰[8]（2016）在《基于改进搜寻者算法的均匀直线阵方向图优化》一文中研究指出搜寻者算法(seeker optimization algorithm,SOA)分析了人在随机搜索时的行为特点,对人类搜索的经验与随机推理进行模拟,确定了搜索的方向与步长,最终完成位置更新。论文在搜寻者算法存在的局部搜索能力不足的基础上,引入共轭梯度法,提出了一种强化局部搜索能力的搜寻者算法,在不影响全局搜索速度的条件下提高了局部搜索能力,有效平衡了全局搜索速度和局部搜索精度。同时将其应用于天线直线阵的方向图优化,通过与其他算法的比较,发现改进SOA在优化性能上均优于SOA、遗传算法(GA)、粒子群算法(PSO),适用于天线方向图的优化问题[1~5]。(本文来源于《舰船电子工程》期刊2016年05期）
刘俊[9]（2015）在《基于搜寻者优化算法的PID神经网络解耦控制》一文中研究指出传统的PID神经网络,由于初始权值随机选择,权值学习采用BP算法,所以容易陷入局部极值,进而导致该方法无法得到高精度的控制结果。该文提出采用搜寻者优化算法优化PID神经网络初始权值,再把最优初始权值带入PID神经网络,实现解耦控制。对一个耦合系统进行仿真实验,结果表明,与目前控制效果较好的粒子群算法优化PID神经网络相比,该算法收敛速度更快、稳态误差更小,同时也具有良好的自适应和抗干扰能力,能够实现快速、高精度、稳定的解耦控制。(本文来源于《工业仪表与自动化装置》期刊2015年05期）
丁继国,涂嘉庆[10]（2014）在《搜寻者优化算法在电容器功率配置中的应用》一文中研究指出电容器的优化配置对于功率网络的良好运行具有重要意义。针对搜寻者优化算法(SOA)在后期寻优中易陷入局部极值的问题,提出了一种改进型SOA。引入模拟退火算法,通过设置玻尔兹曼模拟退火算子选择新解来增强算法的全局搜索能力。将改进后的算法对功率网络进行优化配置,建立相应的电容器优化配置模型。改进后的SOA对于此类问题的求解具有可行性与有效性。(本文来源于《电子元件与材料》期刊2014年12期）
搜寻者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：
测试性分配是测试性设计中的重要环节。现有的分配方法存在权值计算复杂、权重确定主观性强、分配结果需根据经验调整等不足,不能准确反映产品的实际情况。为此,文中利用搜寻者优化算法(SOA)全局搜索能力强,收敛速度快、鲁棒性好的优势,将产品的全寿命周期费用作为目标函数,同时考虑多种相关影响因素,提出基于SOA算法的测试优化分配方法。最后,通过对鱼雷控制系统中41组件的故障检测率(FDR)指标进行分配,验证了该方法的可行性,该方法可为测试性优化设计提供参考。
（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。
搜寻者优化算法论文参考文献
[1].王盛慧,夏永丰.基于搜寻者优化算法的K-means聚类算法[J].燕山大学学报.2018
[2].张钊旭,王志杰,李建辰,王贵奇,许军.基于搜寻者算法的测试性优化分配方法[J].水下无人系统学报.2018
[3].江瑞柱,闫志鸿,白立来,卢振洋.焊缝射线检测图像的缺陷搜寻与算法优化[J].电焊机.2017
[4].孙昊,张明新,戴娇,尚赵伟.基于网格的快速搜寻密度峰值的聚类算法优化研究[J].计算机工程与科学.2017
[5].刘俊.基于改进搜寻者优化算法的PID控制[J].西华大学学报(自然科学版).2017
[6].刘俊.搜寻者优化算法与卡尔曼滤波相结合的PID控制[J].自动化仪表.2016
[7].程加堂,艾莉,熊燕.搜寻者优化算法在锅炉主汽压控制系统中的应用[J].热能动力工程.2016
[8].王衡峰,柳超,王冰.基于改进搜寻者算法的均匀直线阵方向图优化[J].舰船电子工程.2016
[9].刘俊.基于搜寻者优化算法的PID神经网络解耦控制[J].工业仪表与自动化装置.2015
[10].丁继国,涂嘉庆.搜寻者优化算法在电容器功率配置中的应用[J].电子元件与材料.2014
标签：K-means聚类算法; 搜寻者优化算法; 全局寻优; 聚类精确度;