导读:本文包含了双种群改进蚁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:电力系统,无功优化,蚁群算法,改进方法
双种群改进蚁群算法论文文献综述
韩芳,周忠勋,孙毅[1]（2010）在《基于改进双种群蚁群算法的无功优化研究》一文中研究指出针对电力系统无功优化多变量、多约束、非线性的特点,提出一种新的改进双种群蚁群算法。基本蚁群算法在众多优点之外也存在着搜索时间长,容易出现停滞等缺点。因此在基本蚁群算法的基础之上,引入双种群独立搜索,进行信息交流,较大概率的打破了单一蚁群搜索的停滞状态,保证了算法中解的多样性,提高了全局收敛能力。并在蚁群算法的信息素更新策略和参数上做出进一步的改进应用于无功优化。通过对IEEE30节点算例进行仿真计算以及与现有算法进行比较,验证算法的有效性。(本文来源于《东北电力大学学报》期刊2010年04期）
刘芳,李义杰[2]（2010）在《改进的种群分类蚁群算法及其应用》一文中研究指出提出了一种改进的种群分类蚁群算法,该算法在种群分类的基础上,引入了蚂蚁的知觉感觉特性等。该算法能明显的防止蚁群算法可能出现早熟的问题,从而解决了传统蚁群算法加速收敛与早熟、停滞现象的矛盾。为了说明该算法的性能,将该算法应用到聚类分析算法中,设计了算法的模型以及算法步骤,并通过仿真实验证明了本算法的可行性和有效性。(本文来源于《计算机系统应用》期刊2010年01期）
郭丽蕊[3]（2009）在《基于双种群改进蚁群算法的配电网无功优化的研究》一文中研究指出配电网无功优化能够有效地改善电压水平、降低网损,对系统的安全、经济运行具有重要意义。无功优化问题是一个多变量、多约束的混合非线性规划问题,其操作变量既有连续变量又有离散变量,其优化过程十分复杂。蚁群算法是一种基于概率选择的启发式搜索算法,比较适合于求解配电网无功优化问题,但同时又存在容易陷入局部最优解的问题,因此将双种群改进蚁群算法用于配电网无功优化的求解。本文研究内容属横向课题“配电自动化主站系统”的一部分。研究的目标是实现基于双种群改进蚁群算法的配电网无功优化高级功能模块的开发。本文的主要研究成果如下:基于国产SuperMap Objects 5开发平台,结合GIS组件和高级可视化编程语言Visual C#开发了配电GIS系统,实现基于GIS环境下的配电网无功优化。网络拓扑是进行潮流计算的基础,本文重新规定了节点的形成规则,结合深度优先和广度优先搜索方法形成了基于配电网GIS系统的新的拓扑分析方法,通过对节点进行必要的合并形成了新的网络拓扑结构。在此基础上采用了适合配电网的高效、实用的前推回代算法进行潮流及网损计算,计算效率高,收敛性能好。在基本蚁群算法的基础上,介绍比较了双种群改进蚁群算法的改进策略。并通过测试函数进行比较验证,结果表明双种群改进蚁群算法的优化效果优于基本蚁群算法,具有更高的应用价值。建立了综合考虑网损、电压越限及电容器的投资费用为最小的符合实际配电网的无功综合优化数学模型;给出了将双种群改进蚁群算法应用于配电网无功优化的完整实现方案,并将方案应用到实际电网,以验证方案的可行性。本文采用SQL Server 2000作为数据库管理系统,采用可视化高级编程语言VC#.NET开发了基于双种群改进蚁群算法的配电网无功优化软件,并实现了与GIS系统的合成挂接。最后,通过实例计算分析,并对补偿前后的节点电压作比较,结果令人满意,验证了该算法的有效性和可行性,表明该算法具有较好的寻优效果。(本文来源于《河北农业大学》期刊2009-06-13）
庞永杰,唐旭东,李晔[4]（2008）在《基于改进精英机制的双种群蚁群算法》一文中研究指出针对蚁群优算法在进化中容易出现早熟和停滞的现象,对基本蚁群算法进行了改进。借鉴生物群体的相互协作机理,将蚁群算法中的蚂蚁分成两个群体分别独立进行进化,并定期进行信息交换。同时,将遗传算法中排序的概念扩展到精英机制当中,形成基于优化排序的精英蚁群系统。两方法相结合,有效缓解了因信息素浓度失衡而造成的局部收敛,改进算法的搜索性能,计算结果也表明该算法有效性和可行性。(本文来源于《自动化技术与应用》期刊2008年02期）
王正初,李军[5]（2006）在《基于种群熵的改进自适应蚁群算法》一文中研究指出针对标准蚁群算法(ACO)在求解旅行商问题(TSP)时出现的早熟收敛、易陷入局部极值点的缺点,提出了基于种群熵的改进自适应蚁群算法求解方法。通过种群熵来衡量算法是否陷入局部最优,直接交换部分边上的信息素以增加解的多样性。通过对解TSP的实验仿真表明,改进后的算法提高了搜索效率和全局收敛性能,该算法是可行和有效的。(本文来源于《计算机应用》期刊2006年S2期）
郏宣耀,滕少华[6]（2006）在《双种群改进蚁群算法》一文中研究指出基本蚁群优化(Basic Ant Colony Optimization,BACO)算法在进化中容易出现停滞,其根源是蚁群算法中信息的正反馈．在大量蚂蚁选择相同路径后,该路径上的信息素浓度远高于其他路径,算法很难再搜索到邻域空间中的其他优良解．对此,提出一种双种群改进蚁群(Dual Population Ant colony Optimization,DPACO)算法．借鉴遗传算法中个体多样性特点,将蚁群算法中的蚂蚁分成两个群体分别独立进行进化,并定期进行信息交换．这一方法缓解了因信息素浓度失衡而造成的局部收敛,有效改进算法的搜索性能,实验结果表明该算法有效可行．(本文来源于《计算机辅助工程》期刊2006年02期）
双种群改进蚁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：
提出了一种改进的种群分类蚁群算法,该算法在种群分类的基础上,引入了蚂蚁的知觉感觉特性等。该算法能明显的防止蚁群算法可能出现早熟的问题,从而解决了传统蚁群算法加速收敛与早熟、停滞现象的矛盾。为了说明该算法的性能,将该算法应用到聚类分析算法中,设计了算法的模型以及算法步骤,并通过仿真实验证明了本算法的可行性和有效性。
（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。
双种群改进蚁群算法论文参考文献
[1].韩芳,周忠勋,孙毅.基于改进双种群蚁群算法的无功优化研究[J].东北电力大学学报.2010
[2].刘芳,李义杰.改进的种群分类蚁群算法及其应用[J].计算机系统应用.2010
[3].郭丽蕊.基于双种群改进蚁群算法的配电网无功优化的研究[D].河北农业大学.2009
[4].庞永杰,唐旭东,李晔.基于改进精英机制的双种群蚁群算法[J].自动化技术与应用.2008
[5].王正初,李军.基于种群熵的改进自适应蚁群算法[J].计算机应用.2006
[6].郏宣耀,滕少华.双种群改进蚁群算法[J].计算机辅助工程.2006