导读:本文包含了菌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:软测量,焦炭塔,生焦高度,菌群算法
菌群算法论文文献综述
刘剑,张凌波,王潇凌[1]（2019）在《基于混沌菌群算法改进BP神经网络的焦炭塔生焦高度软测量建模》一文中研究指出把混沌寻优思想引入菌群优化算法中,利用Logistic映射的遍历性、随机性及对初值的敏感性等,对当前菌群群体中的最优细菌进行混沌寻优,以预防算法"早熟"。同时,用混沌菌群算法优化BP神经网络过程,建立延迟焦化生焦高度斜率预测模型。仿真结果表明:该模型具有较高的精度和较好的泛化能力,能够实现生焦高度的实时监测。(本文来源于《化工自动化及仪表》期刊2019年10期）
邢晓敏,孙奇,张鹏宇,李茂清[2]（2019）在《深度优先搜索配合菌群算法的配电网故障恢复重构研究》一文中研究指出针对开关操作次数在目标函数中的权重系数难以确定的问题,提出仅以网损最小为优化的目标函数,给出不同开关操作次数下使目标函数最优的开关组合.采用深度优先搜索算法搜索并标记网络重构过程中形成的环网,在满足配电网约束条件下进行解环.每种解环方案类比为一个单独的细菌,目标函数为其引诱剂,应用细菌群体趋药性算法,选择出使目标函数为最优的故障恢复重构方案.仿真结果验证了该算法在配电网故障恢复重构中的有效性.(本文来源于《东北电力大学学报》期刊2019年03期）
仇林杰,季薇,李汀,梁彦[3]（2017）在《基于量子菌群算法的叁维多输入输出下行链路传输优化方案》一文中研究指出叁维多输入多输出(3D MIMO)技术能够充分利用垂直维的自由度,有效抑制小区间同频用户的干扰。为了进一步提高系统总的频谱效率和小区边缘用户的频谱效率,针对3D MIMO下行链路无线通信系统,提出一种传输优化方案。所提方案以最大化频谱效率为准则,引入联合传输技术对小区边缘用户进行传输,通过调整功率分配和波束下倾角来优化频谱效率函数。针对非凸的目标优化函数,采用量子菌群算法进行求解。以两个波束的功率和下倾角作为菌群,小区总的频谱效率作为适应度函数,在约束条件下通过趋化、复制和驱散步骤不断更新菌群,最终获得适应度函数的最优值。仿真结果表明,所提传输方案取得了较高的系统总频谱效率和小区边缘用户的频谱效率。(本文来源于《计算机应用》期刊2017年S2期）
王峥,周强,李敏,王莹[4]（2017）在《基于菌群算法的纸病检测系统光源优化控制》一文中研究指出针对纸病检测系统中线性LED光源照射效果不均匀以及光源控制中的耦合问题,介绍了以被检测纸病图像灰度的均匀度为优化目标,在拟合LED点光源照度分布函数的基础上,利用菌群算法对光源系统参数进行寻优运算,并根据寻优结果对光源系统进行结构优化,同时对各LED点光源进行功率控制。实验结果表明,优化后光照均匀度在95%以上,该方法实现了照明系统对纸张缺陷均匀照射的效果,成像质量显着提高。(本文来源于《中国造纸学报》期刊2017年04期）
刘英男[5]（2015）在《基于二进制细菌群算法的基因选择和优化方法》一文中研究指出基因表达数据的显着特点是数据维数高,样本数量小,针对这些特点该论文汲取了二进制细菌群算法和遗传选择算法的优点,提出了基于二进制细菌群算法的基因选择和优化方法。通过在标准数据集的实验表明,该算法的分类准确率有较大提高。(本文来源于《现代交际》期刊2015年09期）
吴九龙,李飞,郑宝玉[6]（2015）在《自适应相位旋转的量子菌群算法》一文中研究指出量子菌群算法是将量子计算与菌群觅食优化算法相融合而得到的一种量子智能算法,但该算法存在鲁棒性比较差和寻优时间比较长的缺陷。为解决该问题,本文设计了一种旋转相位自适应调整的量子旋转门,并用其完成细菌的趋化操作,提出了一种自适应相位旋转的量子菌群算法。通过16个不同类型的标准测试函数对其优化性能进行研究,统计结果表明该算法在低维时,对于多种种类的测试函数,在收敛精度和稳定性上都要优于改进前的量子菌群算法,且优化结果要明显优于经典的菌群觅食优化算法和量子遗传算法。进一步研究表明,在达到指定收敛精度的情况下,该算法的平均收敛概率是最高的,平均运行时间和平均迭代步数是最短的。而在高维情况下,该算法则对碗状和碟状类型的测试函数比较适用。(本文来源于《信号处理》期刊2015年08期）
吴九龙[7]（2015）在《自适应量子菌群算法的研究及应用》一文中研究指出群智能算法是近年人工智能领域的研究热点,菌群算法凭借其结构简单、灵活、鲁棒性强和自组织能力等优点受到国际计算智能界的广泛关注。然而,该算法存在收敛速度慢,对于复杂多峰函数容易陷入局部最优的问题。针对该问题,本文从更加真实地模仿细菌行为和引入量子计算两个角度对菌群算法进行了改进,并用改进后的量子菌群算法解决了4G移动通信中MIMO-OFDM信道估计鲁棒训练序列的设计问题。本文的主要研究内容如下:第一,对经典菌群算法进行深入研究,发现细菌的前进过程是向随机方向沿直线前进,然而这并不符合细菌真实的觅食过程。针对该问题,本文使细菌向当前种群最优细菌的位置弯转前进。通过典型的基准函数对改进后的算法进行测试,实验结果表明改进后的算法相比原算法加快了搜索速度,提高了局部搜索的能力。第二,对量子菌群算法的性能进行研究,实验表明其优化结果要明显优于经典菌群算法。进一步对其主要参数——旋转角度进行对比分析,从实验结果中可以看出不同的旋转角度最终的优化结果相差很大,说明固定的旋转相位是影响量子菌群算法优化性能的一个主要因素。第叁,针对上述问题设计了一种自适应旋转相位的量子菌群算法,使旋转相位的角度与当前细菌和当前细菌的角度差相关。通过16个不同类型的标准测试函数对其优化性能进行研究,统计结果表明该算法在低维时,收敛精度和稳定性都要优于改进前的算法,且优化结果要明显优于经典的菌群算法和量子遗传算法。进一步研究表明,在达到指定收敛精度的情况下,该算法的平均收敛概率是最高的,平均运行时间和平均迭代步数是最短的。第四,分析了MIMO信道估计中鲁棒训练序列设计的问题,其本质上是一种min-max优化问题。鉴于量子菌群算法在复杂非凸优化问题上的优势,设计了一种基于量子菌群算法求解该鲁棒训练序列的方法。仿真结果显示,本章提出的算法和已有的基于迭代算法的鲁棒设计,在Kronecker信道和任意相关信道两种情况下,前者算法估计出的信道均方误差都要小于后者,且在低信噪比情况下效果更为明显。(本文来源于《南京邮电大学》期刊2015-06-01）
田维维[8]（2014）在《基于细菌群算法的可用输电能力研究》一文中研究指出本文根据最优潮流的可用输电能力计算模型,并将算法应用在可用输电能力(ATC)的计算中。根据细菌群中细菌觅食时的特点,采用将目标函数和约束条件分开处理的一种新的方法,有效克服了在计算可用输电能力(ATC)过程中的可能出现的局部最优解,提高了寻优的效率、全局的寻优能力。以I-EEE30节点为例进行仿真计算,以表明该算法的可行性,优越性。(本文来源于《现代交际》期刊2014年03期）
何丰,周鹏[9]（2013）在《改进的菌群算法研究》一文中研究指出为了提高菌群寻优算法(Bacterial Foraging Optimization,BFO)的搜索能力和解决多峰值复杂适应度函数模型避免过早收敛的问题,文中对原始菌群算法进行改进,提出多峰值菌群算法。将寻优过程分成两个时期,前期和原始菌群算法相同,在菌群收敛的后期,加入峰值数目和区间的判断,将区间编号,保证区间内部单峰值;然后在区间内部迭代运行菌群搜索,独立寻优,在多峰值和较复杂模型的情况下进行研究和评估。实验表明,在收敛速度、收敛稳定性和寻找全局最优方面均优于原始菌群算法。(本文来源于《计算机技术与发展》期刊2013年11期）
张豫婷[10]（2013）在《量子菌群算法的研究及应用》一文中研究指出现有的量子遗传算法、量子蚁群算法、量子粒子群算法等量子群智能算法由于将量子计算和群智能算法结合，具有并行性、收敛速度快、种群多样性好、较强的全局搜索能力等优点。经典菌群算法是一种模仿自然界生物进化的仿生学群智能算法，本文将量子计算与仿生菌群算法相融合，提出一种新的量子菌群算法，并将其应用在0-1背包和TSP问题上。本文的主要研究内容如下：首先，分析了经典菌群算法的基本原理和算法流程，详细研究了趋化行为、繁殖行为和迁徙行为，并且通过几种不同类型的基准函数仿真测试，对经典菌群算法的性能进行分析，总结出了经典菌群算法在求解最优化问题中的优势和不足。其次，分析了量子计算的基本概念和原理，并将量子计算和菌群算法相结合，用量子染色体表示细菌个体，用量子旋转门对细菌位置进行更新，提出一种新型的量子菌群算法，然后详细介绍了量子菌群算法的概念、量子染色体编码方式、算法流程和具体的实现操作方法，并通过几组不同类型的典型测试函数进行仿真实验，深入分析量子菌群算法的性能，表明了相对于菌群算法而言量子菌群算法具有非常大的优势。最后，分析了0-1背包问题和TSP问题的相关概念、模型、分类和常用的求解方法，将量子菌群算法应用在0-1背包问题和TSP问题上，并通过几组数据进行测试仿真，验证了量子菌群算法的成功，成功地实现了量子菌群算法的理论与实际相结合。(本文来源于《南京邮电大学》期刊2013-03-01）
菌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：
针对开关操作次数在目标函数中的权重系数难以确定的问题,提出仅以网损最小为优化的目标函数,给出不同开关操作次数下使目标函数最优的开关组合.采用深度优先搜索算法搜索并标记网络重构过程中形成的环网,在满足配电网约束条件下进行解环.每种解环方案类比为一个单独的细菌,目标函数为其引诱剂,应用细菌群体趋药性算法,选择出使目标函数为最优的故障恢复重构方案.仿真结果验证了该算法在配电网故障恢复重构中的有效性.
（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。
菌群算法论文参考文献
[1].刘剑,张凌波,王潇凌.基于混沌菌群算法改进BP神经网络的焦炭塔生焦高度软测量建模[J].化工自动化及仪表.2019
[2].邢晓敏,孙奇,张鹏宇,李茂清.深度优先搜索配合菌群算法的配电网故障恢复重构研究[J].东北电力大学学报.2019
[3].仇林杰,季薇,李汀,梁彦.基于量子菌群算法的叁维多输入输出下行链路传输优化方案[J].计算机应用.2017
[4].王峥,周强,李敏,王莹.基于菌群算法的纸病检测系统光源优化控制[J].中国造纸学报.2017
[5].刘英男.基于二进制细菌群算法的基因选择和优化方法[J].现代交际.2015
[6].吴九龙,李飞,郑宝玉.自适应相位旋转的量子菌群算法[J].信号处理.2015
[7].吴九龙.自适应量子菌群算法的研究及应用[D].南京邮电大学.2015
[8].田维维.基于细菌群算法的可用输电能力研究[J].现代交际.2014
[9].何丰,周鹏.改进的菌群算法研究[J].计算机技术与发展.2013
[10].张豫婷.量子菌群算法的研究及应用[D].南京邮电大学.2013