导读:本文包含了多维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:粒子群优化算法,早熟收敛,惯性权重,岛屿模型
多维粒子群算法论文文献综述
蒋晓屾[1]（2016）在《粒子群算法在多维优化问题中的改进研究》一文中研究指出粒子群优化算法(Particle Swarm Optimization,PSO)作为一种新兴的仿生类群智能算法,起源于对鸟类群体觅食行为的模拟。该算法通过群体中个体之间的信息交互来实现寻优的目的。与其他群智能优化算法相比,PSO凭借其实现简单,可调节参数少,收敛速度快等特点,受到众多学者的关注与研究,并且被广泛应用于生物医学、图像处理、工程优化等领域。尽管当前对粒子群优化算法的研究已经取得了一定成果,但随着模型覆盖层次的不断提高,优化模型呈现出越来越显着的高维特性,致使单纯的粒子群优化算法拓展到高维优化问题中无法取得满意的效果。本文的研究得到了国家自然科学基金、浙江省自然科学基金及浙江理工大学研究生创新项目的资助。主要研究工作和成果如下:(1)针对标准粒子群优化算法在处理多维、多峰值问题时暴露出的易早熟收敛的难题,设计并提出多维度惯性权重衰减混沌化粒子群算法(Multi-Dimensional Descending Chaotic Inertia Weight based PSO,MDDCIW_PSO)。在粒子群进化过程中,赋予每代群体中每个粒子的每一维度以不同的线性衰减混沌化惯性权重。即以纵向看,随着迭代次数的增加,惯性权重呈现线性衰减变化;从横向看,当代的每个粒子的每一维度都在当前衰减半径内呈现独立的混沌变化。MDDCIW_PSO算法从纵横两个方向,最大可能地增强了粒子在搜索后期的群活性和局部搜索能力,从而尽可能地使种群避免陷入局部最优。仿真测试结果表明MDDCIW_PSO算法能够较大幅度地提高粒子群算法的搜索精度和收敛速度。(2)通过对粒子群优化算法机理和本质并行性的分析,采用目前被广泛使用的岛屿模型,设计并提出一种基于岛屿模型的多子种群并行优化算法(Multipopulation Parallel PSO based on the island model,MPPSO)。首先构造子种群规模采样函数对子种群的个数设定提供一定参考;其次引入K-means++聚类方法,尽可能地将所有子种群充盈分布在解空间中,提高搜索效率;最后基于网络拓扑结构提出一种子种群间信息交互的策略。仿真测试结果表明,该算法能在一定程度上提升算法性能,避免早熟收敛。(3)将上述改进后的粒子群优化算法应用于印染定型机的能耗模型优化求解中,为工业现场中各级烘箱的最优工作温度设定和布料进入烘箱的最佳速度设定提供一定参考。通过实例印证上述改进机制的可行性。(本文来源于《浙江理工大学》期刊2016-01-03）
王志刚,夏慧明,王明刚,郭广寒[2]（2013）在《求解多维背包问题的改进二进制粒子群算法》一文中研究指出针对二进制粒子群算法在求解大规模多维背包问题时存在迭代次数过多、精度不高的不足,提出一种改进的二进制粒子群算法,新算法利用种群个体极值的平均信息和粒子的个体极值决定粒子当前取值的概率,使粒子可以充分利用整个种群的信息,避免算法陷入局部极值,并利用贪婪算法对进化过程中的不可行解进行修复,对背包资源利用不足的可行解进行修正.通过对典型多维背包问题的仿真实验和与其它算法的比较,表明算法有良好的全局优化能力和较好的收敛速度.(本文来源于《数学的实践与认识》期刊2013年19期）
郝春梅,吴波[3]（2012）在《改进型粒子群算法解决多维背包问题》一文中研究指出微粒群优化算法(PSO)是一种基于种群的随机优化技术.将EDA算法与PSO算法结合起来,形成一种新的改进的算法(EPSO).算法将全局统计信息和全局最优解运用于解空间搜索,以期能更有效解决组合优化问题,最后将EPSO算法用于解决多维背包问题并进行了对比仿真实验.实验结果表明,在解决多维背包问题上,EPSO优于传统的PSO算法以及多种启发式智能算法,与此同时,EPSO算法使用更少的参数,因此更容易实现,运行更加稳定,效果更好.(本文来源于《微电子学与计算机》期刊2012年09期）
钟培华,吴志远,缪建群[4]（2011）在《区域分割粒子群算法及多维背包问题求解》一文中研究指出为克服离散粒子群算法早熟的缺陷,通过引入区域分割算法后,移除了解空间中一些无希望的点集,缩小了解的搜索空间,提高了找到最优解的概率,并通过贪心策略对产生的粒子进行了修复和改进,克服了离散粒子群算法收敛慢的缺点。对典型多维背包问题的仿真实验表明,区域分割粒子群算法寻优能力更强,收敛更快。(本文来源于《计算机工程与应用》期刊2011年36期）
郝俊玲[5]（2011）在《求解多维背包问题的贪心粒子群算法》一文中研究指出将多维背包问题的贪心变换和两种求解算法,用于求解具有重量和体积两个约束的背包问题,分别将物品按价值/重量、价值/体积比的凸组合和无穷范数的定义获得两组混合"性价比"权值向量,再以该混合"性价比"权值为依据构造两种贪心粒子群算法(wPSO,infPSO)。数值试验表明,算法wPSO、infPSO不仅大大优于现有粒子群算法,而且表现出优秀、稳定的搜索能力和快速定位最优解的搜索能力。(本文来源于《计算机与现代化》期刊2011年06期）
程美英,熊伟清,严彬,叶青[6]（2009）在《求解多维0/1背包问题的二元粒子群算法》一文中研究指出从一维细胞自动机模型入手,设计了一种求解二元离散优化问题的二元粒子群算法细胞自动机模型(BPSO-CA)。粒子从起始细胞出发,根据本身携带的信息并感知存储在细胞中的全局最优粒子位置的信息随机选择状态(0或1),从而实现复杂智能的"涌现"。然后将其用来求解多维0/1背包问题,同时引入贪心算法对不符合约束条件的非法个体进行修正。通过对Zuse Institute Berlin公布的测试集进行实验,表明该模型能在多项式时间内完成求解过程,且实验结果优于测试集记录的结果。(本文来源于《系统仿真学报》期刊2009年18期）
王志刚,郝志峰,黄翰[7]（2008）在《混合粒子群算法求解多维背包问题》一文中研究指出提出了一种求解多维0-1背包问题的混合粒子群算法,算法使用了两个主要的思想策略,即依据物品单位容积价值的高低选择物品的贪婪策略和基于二进制编码的粒子群算法.用提出的算法,对55个测试算例进行了测试,得到了全部算例的最优解.测试结果表明,提出的混合粒子群算法求解多维0-1背包问题,计算结果的优度高,时间短,是求解此问题的有效算法.(本文来源于《哈尔滨商业大学学报(自然科学版)》期刊2008年02期）
多维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：
针对二进制粒子群算法在求解大规模多维背包问题时存在迭代次数过多、精度不高的不足,提出一种改进的二进制粒子群算法,新算法利用种群个体极值的平均信息和粒子的个体极值决定粒子当前取值的概率,使粒子可以充分利用整个种群的信息,避免算法陷入局部极值,并利用贪婪算法对进化过程中的不可行解进行修复,对背包资源利用不足的可行解进行修正.通过对典型多维背包问题的仿真实验和与其它算法的比较,表明算法有良好的全局优化能力和较好的收敛速度.
（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。
多维粒子群算法论文参考文献
[1].蒋晓屾.粒子群算法在多维优化问题中的改进研究[D].浙江理工大学.2016
[2].王志刚,夏慧明,王明刚,郭广寒.求解多维背包问题的改进二进制粒子群算法[J].数学的实践与认识.2013
[3].郝春梅,吴波.改进型粒子群算法解决多维背包问题[J].微电子学与计算机.2012
[4].钟培华,吴志远,缪建群.区域分割粒子群算法及多维背包问题求解[J].计算机工程与应用.2011
[5].郝俊玲.求解多维背包问题的贪心粒子群算法[J].计算机与现代化.2011
[6].程美英,熊伟清,严彬,叶青.求解多维0/1背包问题的二元粒子群算法[J].系统仿真学报.2009
[7].王志刚,郝志峰,黄翰.混合粒子群算法求解多维背包问题[J].哈尔滨商业大学学报(自然科学版).2008