导读:本文包含了单纯型微粒群论文开题报告文献综述及选题提纲参考文献，主要关键词:路堤稳定性系数,简化Bishop算法,单纯形法,微粒群算法
单纯型微粒群论文文献综述
沙成满,边丹,杨冬梅[1]（2016）在《单纯形微粒群算法在确定路堤安全系数中的应用》一文中研究指出在公路设计中,对于路堤的堤身稳定性、路堤和地基的整体稳定性评价,按规范要求一般采用简化Bishop算法来确定公路边坡最危险滑动弧面及其对应的最小安全系数.工程上常采用的枚举法要求给出搜索范围,计算速度慢.传统的优化算法如步长加速法等存在容易陷入局部极值等缺点.在微粒群算法(PSO)基础上,运用了一种用单纯形法和微粒群法结合的优化搜索算法(SM-PSO),并与PSO方法在优化效率和优化性能方面作了比较.该方法在收敛速度、适应性等方面较PSO方法也有明显改进,与传统枚举算法相比计算精度满足要求.(本文来源于《东北大学学报(自然科学版)》期刊2016年06期）
苗晨,刘国志[2]（2013）在《1个单纯形搜索法和免疫进化的微粒群算法的混合算法》一文中研究指出基于单纯形搜索法和免疫进化微粒群算法,提出1个求解无约束最优化问题的新的混合算法—单纯形搜索法和免疫进化微粒群算法的混合算法.由于它不需要梯度信息,所以具有易实施、收敛速度快和计算准确的优点.为了证明混合算法能够改进免疫进化微粒群算法的性能,首先利用6个测试函数进行仿真计算比较,计算结果表明,新的混合算法在求解质量和收敛速率上都优于其它进化算法(IEPSO,PSOPC,GSPSO,LSPSO and CPSO);其次,将新混合算法和最新的3种混合算法进行鲁棒性分析比较,结果表明,新混合算法在解的搜索质量、效率和关于初始点的鲁棒性方面都优于其它算法.(本文来源于《江西师范大学学报(自然科学版)》期刊2013年06期）
郑文超,董雯雯[3]（2013）在《基于单纯形微粒群优化算法Jensen模型参数求解》一文中研究指出提出了基于单纯形微粒群优化算法(SMPSO)直接求解作物水分生产函数Jensen模型参数的方法。通过计算分析,用传统方法计算而得Jensen模型的相对产量与实际相对产量的相关指数为0.825,而用SMPSO(PSO)计算而得的相关指数为0.932;SMPSO寻优仅需要0.3973s,而PSO需要1.0783s。(本文来源于《水科学与工程技术》期刊2013年05期）
张勇,巩敦卫,张婉秋[4]（2009）在《一种基于单纯形法的改进微粒群优化算法及其收敛性分析》一文中研究指出针对现有微粒群优化算法难以兼顾进化速度和求解质量这一难题,提出一种基于单纯形法的改进微粒群优化算法(Simplex method based improved particle swarm optimization,SM-IPSO).该算法采用多个优化种群,分别在奇数种群和偶数种群上并行运行微粒群算法和单纯形法,并通过周期性迁移相邻种群间的最优信息,达到微粒群算法和单纯形法的协同搜索:单纯形借助微粒群算法跳出局部收敛点,微粒群依靠单纯形提高局部开发能力.为强化两种算法所起作用,一种改进的微粒速度逃逸策略和Nelder-Mead单纯形法也被提出.最后,在Linux集群系统上运行所提算法,通过优化五个典型测试函数验证了算法的有效性.(本文来源于《自动化学报》期刊2009年03期）
李济民,高岳林,李会荣[5]（2009）在《单纯形微粒群优化算法的改进及其在优化PID参数问题中的应用》一文中研究指出实现了对单纯形微粒群优化算法(SPSO)的改进.在利用单纯形法进行局部寻优的过程中,结合一维搜索中的0.618法选取压缩因子和扩张因子,将这一改进的方法应用在PID调节器的参数优化问题中,并进行了仿真实验.实验结果表明:改进后的单纯形微粒群优化算法的寻优过程更为完善,而且收敛速度更快.(本文来源于《陕西师范大学学报(自然科学版)》期刊2009年02期）
丁翔,方建安[6]（2009）在《单纯形微粒群组合算法优化神经网络及在数据挖掘中的应用》一文中研究指出神经网络作为数据挖掘的重要工具,如果提高神经网络训练过程的达优率与泛化能力,就能够改善其在分类预测任务中的预测准确度和噪声承受力。该文提出以复合适应度代替传统的均方误差作为神经网络的训练指标,从而改善神经网络泛化能力;并将用于训练神经网络微粒群算法通过单纯形算法改进,从而提高了全局搜索能力与达优率。最终产生一种基于复合适应度的单纯微粒群神经网络训练算法模型。将这样的模型应用于数据挖掘的预测任务中,实验结果表明,预测准确度和噪声承受力均有所提高。(本文来源于《微型电脑应用》期刊2009年01期）
夏桂梅,曾建潮[7]（2007）在《一种基于单纯形法的随机微粒群算法》一文中研究指出以保证全局收敛的随机微粒群算法SPSO为基础,本文提出了一种改进的随机微粒群算法——SM-SPSO。该方法是在SPSO的进化过程中,以单纯形法所产生的最优个体来代替SPSO中停止的微粒,参与下一代的群体进化。这样既可以利用单纯形法的收敛快速性,又可以利用SPSO的全局收敛性。通过对两个多峰的测试函数进行仿真,其结果表明在搜索空间维数相同的情况下,SM-SPSO的收敛率及收敛速度均大大优于SPSO。(本文来源于《计算机工程与科学》期刊2007年01期）
陈国初,俞金寿[8]（2006）在《单纯形微粒群优化算法及其应用》一文中研究指出将微粒群优化算法(PSO)与单纯形法(SM)相结合,提出单纯形微粒群优化算法(SPSO)。通过对5种常用测试函数进行优化和比较,结果表明SPSO比PSO和SM都更容易找到全局最优解。然后将SPSO用于催化裂化装置主分馏塔粗汽油干点软测量,建立基于SPSO的粗汽油干点神经网络软测量模型,通过与实际工业数据对比,表明该模型具有高的精度、好的性能和广阔的应用前景。(本文来源于《系统仿真学报》期刊2006年04期）
单纯型微粒群论文开题报告
（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：
基于单纯形搜索法和免疫进化微粒群算法,提出1个求解无约束最优化问题的新的混合算法—单纯形搜索法和免疫进化微粒群算法的混合算法.由于它不需要梯度信息,所以具有易实施、收敛速度快和计算准确的优点.为了证明混合算法能够改进免疫进化微粒群算法的性能,首先利用6个测试函数进行仿真计算比较,计算结果表明,新的混合算法在求解质量和收敛速率上都优于其它进化算法(IEPSO,PSOPC,GSPSO,LSPSO and CPSO);其次,将新混合算法和最新的3种混合算法进行鲁棒性分析比较,结果表明,新混合算法在解的搜索质量、效率和关于初始点的鲁棒性方面都优于其它算法.
（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。
单纯型微粒群论文参考文献
[1].沙成满,边丹,杨冬梅.单纯形微粒群算法在确定路堤安全系数中的应用[J].东北大学学报(自然科学版).2016
[2].苗晨,刘国志.1个单纯形搜索法和免疫进化的微粒群算法的混合算法[J].江西师范大学学报(自然科学版).2013
[3].郑文超,董雯雯.基于单纯形微粒群优化算法Jensen模型参数求解[J].水科学与工程技术.2013
[4].张勇,巩敦卫,张婉秋.一种基于单纯形法的改进微粒群优化算法及其收敛性分析[J].自动化学报.2009
[5].李济民,高岳林,李会荣.单纯形微粒群优化算法的改进及其在优化PID参数问题中的应用[J].陕西师范大学学报(自然科学版).2009
[6].丁翔,方建安.单纯形微粒群组合算法优化神经网络及在数据挖掘中的应用[J].微型电脑应用.2009
[7].夏桂梅,曾建潮.一种基于单纯形法的随机微粒群算法[J].计算机工程与科学.2007
[8].陈国初,俞金寿.单纯形微粒群优化算法及其应用[J].系统仿真学报.2006
标签：路堤稳定性系数; 简化Bishop算法; 单纯形法; 微粒群算法;