导读:本文包含了连续空间优化论文开题报告文献综述及选题提纲参考文献，主要关键词:桥梁工程,连续刚构桥,体外预应力,加固
连续空间优化论文文献综述
钟伟,李斌,孙钦刚[1]（2019）在《基于空间优化折线法的连续刚构桥体外预应力加固关键技术应用研究》一文中研究指出体外预应力加固技术,对于较小跨径桥梁加固应用已趋于成熟,但在大跨径连续刚构桥加固方面的研究仍面临诸多挑战。以贵州某连续刚构旧桥成功加固实例为背景,参考简支梁体外预应力加固的布束思路,提出了连续刚构桥体外预应力加固的"空间优化折线法",并实现了体外预应力加固布束的优化。通过有限元仿真分析,以及加固过程施工监控的主梁变形、应力对比分析,可得出:采用"空间优化折线法"对连续刚构桥进行体外预应力加固的方法是可行的,能适当恢复桥梁线形,阻止跨中持续下挠,提高应力储备,从而有效的提高了结构承载能力,达到了加固目的,实现了设计目标。(本文来源于《施工技术》期刊2019年S1期）
朱丽娜,李爽[2]（2018）在《求解连续空间优化问题的改进入侵杂草算法》一文中研究指出针对标准入侵杂草算法在求解连续空间优化问题时存在易陷入局部最优、过早收敛的缺点,提出了一种改进入侵杂草算法.改进算法采用反向学习方法构建高质量的初始解,并综合考虑当前种群的适应度值和役龄水平确定各杂草的种子数目.同时,提出了基于分治思想的空间扩散方法以强化算法的搜索性能,并引入个体淘汰机制以避免早熟.最后,对五个测试函数进行了仿真,并与多种算法进行比较,结果表明改进算法的搜索性能得到了显着提升.(本文来源于《内蒙古师范大学学报(自然科学汉文版)》期刊2018年01期）
王永琦,吴飞,孙建华[3]（2018）在《求解连续空间优化问题的改进蜂群算法》一文中研究指出为了有效地解决人工蜂群算法容易陷入局部最优的缺陷,提出了一种改进蜂群算法。利用反向学习方法构建初始种群,以提高初始化解的质量。同时,利用分布估计算法构造优秀个体解空间的概率模型来进行邻域搜索,以改善算法的搜索性能并防止陷入局部最优。对连续空间优化问题进行了仿真实验,结果表明改进算法具有较快的收敛速度,全局寻优能力显着提高。(本文来源于《计算机应用研究》期刊2018年03期）
刘丽杰,张强[4]（2016）在《自适应混合文化蛙跳算法求解连续空间优化问题》一文中研究指出针对连续空间优化问题,提出了一种自适应混合文化蛙跳算法.算法中群体空间采用改进的混合蛙跳算法进行优化,信念空间通过云模型算法对知识进行更新,利用混沌算法和反向学习算法进化外部空间,3种空间通过自适应的接受操作和影响操作来实现知识的交换.最后通过典型复杂函数测试,结果表明该算法具有很好的收敛精度和计算速度,特别适宜于多峰值函数寻优.(本文来源于《信息与控制》期刊2016年03期）
赵鑫[5]（2016）在《蚁群算法在连续空间优化中的研究与应用》一文中研究指出蚁群算法人们从仿生学机理中受到启发,提出的解决复杂优化问题的一种新方法,是由意大利学者M.Dorigo, V.MahieZZo, A.Cororni等人受到自然界中真实蚂蚁群体觅食行为的启发而首先提出,是一种新型的模拟优化算法。并利用蚁群觅食过程与旅行商问题的相似性,通过人工模拟真实蚂蚁搜索食物过程中个体之间的信息交流最终解决了旅行商问题,取得很好的结果。随着对算法研究的不断深入,蚁群算法也被应用在解决调度问题、指派问题、序列求序等NP完全问题上,并取得了很好的结果。显示出蚁群算法在解决复杂的离散型优化问题中的优越性。但是蚁群算法也存在一些缺陷：算法搜索所得的解的多样性、稳定性与算法的收敛速度之间存在矛盾,是因为蚂蚁个体的随机运动虽然会朝着最优路径逐渐进化,但是在样本规模较大时,蚁群需要较多的时间才能在众多可行路径中找出一条较好的路径；如果特意加速算法的收敛速度,强调算法的学习机制,就有可能使算法陷入局部最优解,造成早熟、停滞现象；在应用方面,蚁群算法难以处理连续空间的优化问题。是因为蚂蚁个体每次迭代所得的解总是有限的,所以针对的也是离散的解空间。基本蚁群算法对于解决离散型优化问题具有很强的能力,但是却很难直接适用于线性和非线性规划等连续函数空间求解问题。本文首先叙述了基本蚁群算法的原理以及国内外的研究现状,并以旅行商问题为载体,描述了基本蚁群算法模型、基本蚁群算法思想以及特点,分析了蚁群算法中蚂蚁搜索过程的本质。并根据蚂蚁觅食的基本原理,编写了蚂蚁觅食软件,用来直观展示蚂蚁觅食行为的全过程。然后针对基本蚁群算法在解决旅行商问题、二次分配问题等离散型优化问题中存在的不足：搜索时间较长,有可能收敛于局部最优解等,对现有的几种改进措施：局部优化,信息素挥发方式,信息素更新规则等进行比较分析,得出蚁群算法的改进目的在于尽量平衡蚁群算法全局搜索能力与收敛速度。在第四章,针对基本蚁群算法在求解连续函数空间问题中的难点,本文提出一种可应用于连续函数解空间寻优的蚁群算法,将连续的函数定义域空间分解为栅格空间,采用离散的思想来解决连续函数解空间寻优问题,首先根据信息量求解出解所在的子区域,然后在该子区域内确定解的具体值。并在算法中引入了蚁群系统算法中的全局信息素更新规则,最大最小蚁群算法中的信息素限制规则,以及自适应蚁群算法中信息素挥发方式等思想,以期提高算法初期的收敛速度和算法后期的全局搜索能力。并编写了蚁群算法函数空间寻优软件。在第五章,运用连续蚁群算法解决实际问题,本文将连续蚁群算法在函数解空间的寻优能力应用在解决非线性规划问题当中,文中给出两个例子：沉降组合预测模型参数计算,以及投影寻踪转换参数计算。第一、结合传统加权组合模型的建立思想,为各个用于沉降预测的单一模型预测结果添加权重系数,充分考虑各个单一模型在不同时段的预测精度,使各个单一模型的预测结果与实际观测值之间形成函数关系,构造目标函数,利用连续蚁群算法在函数解空间内的寻优能力,来求解各单一模型预测结果的权重,从而用基于蚁群算法的组合模型进行沉降预测,提高精度,说明连续蚁群算法的可靠性。第二、投影寻踪模型在多指标样本数据的统计和分析上,将数据的多元分析转换为一元分析,在多元数据与一元数据之间形成对应的函数关系,利用连续蚁群算法在函数解空间中寻优能力,对投影寻踪模型的转换参数进行求解。本文以某水库流量预测以及酸雨pH值预测为例,说明连续蚁群算法对转换参数求解的可行性以及有效性。(本文来源于《昆明理工大学》期刊2016-03-01）
马翠,周先东[6]（2015）在《DNAPSO算法在连续空间优化问题中的应用》一文中研究指出针对DNA计算方法中的个体在进化过程中具有多样性、容易导致局部最优的问题,提出了一种新的DNAPSO算法。该算法利用PSO算法中个体依据全局最优解和局部最优解决定的进化方向原理,设计了向特定方向变异的多点变异算子,同时保留了DNA计算中复制、交叉重组等算子,使新算法既具有了个体多样性特点,又具备了向最优解快速收敛的能力。多维连续空间优化问题中4个典型函数的仿真测试结果表明:所提出的DNAPSO算法在收敛精度、收敛速度和鲁棒性方面较之DNA计算方法和标准PSO算法都有明显提高,丰富了连续空间优化问题的求解方法。(本文来源于《重庆理工大学学报(自然科学)》期刊2015年05期）
张强,李盼池[7]（2015）在《自适应分组混沌云模型蛙跳算法求解连续空间优化问题》一文中研究指出针对经典混合蛙跳优化算法寻优精度不高和易陷入局部收敛区域的缺点,结合云模型在定性与定量之间相互转换的优良特性,提出一种自适应分组混沌云模型蛙跳算法.通过反向学习机制初始化种群,应用云模型算法对优秀子群组的收敛区域进行局部搜索更优位置,应用混沌理论在收敛区域以外空间探索全局最优位置.典型复杂函数测试表明,所提出的算法能有效找出全局最优解,适用于多峰值函数寻优.(本文来源于《控制与决策》期刊2015年05期）
王团结,侯立刚,苏成利[8]（2013）在《基于自适应信息素调整的连续空间优化蚁群算法》一文中研究指出对于基本蚁群算法(ACA)不适用求解连续空间问题,并且极易陷入局部最优的缺点,提出了一种基于自适应的蚁群算法。路径搜索策略采用基于目标函数值搜索筛选局部最优解的策略,确保能够迅速找到可行解。信息素更新策略采用自适应的启发式信息素分配策略,使算法能够快速收敛到全局最优解。对2个求函数极值问题进行优化并与其他算法进行比较,结果表明该算法能很好的应用于对连续对象的优化,同时具有较高的寻优精度高,搜索速率快,良好的全局优化性能。(本文来源于《电子设计工程》期刊2013年17期）
张强,李盼池[9]（2013）在《量子混合蛙跳算法求解连续空间优化问题》一文中研究指出基于量子理论提出一种量子混合蛙跳算法,该算法采用量子位的Bloch球面坐标编码个体,利用量子位在Bloch球面上绕轴旋转的方法更新个体,通过自适应混沌旋转角度算子提高子群内部局部搜索能力,采用Hadamard门实现个体变异避免早熟,有效扩展了解空间的搜索范围.实验结果表明,该方法优于普通的混合蛙跳算法、粒子群算法和遗传算法,具有较高的优化能力和效率,更适合高维复杂函数的优化.(本文来源于《吉林大学学报(理学版)》期刊2013年03期）
张锐,高辉,张涛[10]（2012）在《求解连续空间优化问题的量子差分混合优化算法》一文中研究指出借鉴量子计算的相关原理和差分进化思想,提出一种用于连续空间优化问题的量子差分混合优化算法。算法的核心是构造由决策向量的分量和量子位概率幅为等位基因的实数编码染色体;采用依据染色体的具体形式设计的互补变异进化部分优秀个体,以加快算法的收敛速度;利用差分进化思想进化部分随机选取个体,以保持算法的全局搜索能力和鲁棒性。对Benchmark函数测试表明,该算法具有寻优能力强、搜索精度高和稳定性好的特点。应用该算法求解路基沉降预测模型参数估计问题,能够有效提高实测沉降数据的拟合精度.(本文来源于《系统工程与电子技术》期刊2012年06期）
连续空间优化论文开题报告
（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：
针对标准入侵杂草算法在求解连续空间优化问题时存在易陷入局部最优、过早收敛的缺点,提出了一种改进入侵杂草算法.改进算法采用反向学习方法构建高质量的初始解,并综合考虑当前种群的适应度值和役龄水平确定各杂草的种子数目.同时,提出了基于分治思想的空间扩散方法以强化算法的搜索性能,并引入个体淘汰机制以避免早熟.最后,对五个测试函数进行了仿真,并与多种算法进行比较,结果表明改进算法的搜索性能得到了显着提升.
（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。
连续空间优化论文参考文献
[1].钟伟,李斌,孙钦刚.基于空间优化折线法的连续刚构桥体外预应力加固关键技术应用研究[J].施工技术.2019
[2].朱丽娜,李爽.求解连续空间优化问题的改进入侵杂草算法[J].内蒙古师范大学学报(自然科学汉文版).2018
[3].王永琦,吴飞,孙建华.求解连续空间优化问题的改进蜂群算法[J].计算机应用研究.2018
[4].刘丽杰,张强.自适应混合文化蛙跳算法求解连续空间优化问题[J].信息与控制.2016
[5].赵鑫.蚁群算法在连续空间优化中的研究与应用[D].昆明理工大学.2016
[6].马翠,周先东.DNAPSO算法在连续空间优化问题中的应用[J].重庆理工大学学报(自然科学).2015
[7].张强,李盼池.自适应分组混沌云模型蛙跳算法求解连续空间优化问题[J].控制与决策.2015
[8].王团结,侯立刚,苏成利.基于自适应信息素调整的连续空间优化蚁群算法[J].电子设计工程.2013
[9].张强,李盼池.量子混合蛙跳算法求解连续空间优化问题[J].吉林大学学报(理学版).2013
[10].张锐,高辉,张涛.求解连续空间优化问题的量子差分混合优化算法[J].系统工程与电子技术.2012