导读:本文包含了离散微粒群算法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:离散微粒群算法,局部搜索,作业车间
离散微粒群算法优化论文文献综述
万婧[1]（2017）在《求解可重入作业车间调度问题的改进离散微粒群优化算法》一文中研究指出本文针对可重入作业车间调度问题,对离散微粒群算法的搜索方式进行改进,混合一种变异机制,并结合Interchange邻域局部搜索机制,设计与开发有效的混合离散微粒群算法。通过实验仿真结果的比较,有力地证明了所提算法的有效性。(本文来源于《山东科学》期刊2017年06期）
丁达理,宋磊,贺建良,张洪波[2]（2012）在《基于Voronoi图和离散微粒群优化算法的UCAV攻击轨迹决策》一文中研究指出根据UCAV可发射区简化模型,提出了UCAV攻击轨迹决策问题。提出了UCAV攻击轨迹决策的分层设计方法,并将其转化为优化问题。首先根据已知的飞行环境,采用Voronoi图生成初始轨迹;然后通过建立攻击轨迹约束条件模型、飞行距离模型和威胁模型,以飞行距离和威胁代价为优化目标函数,构建了UCAV攻击轨迹决策模型,并在此基础上提出了一种离散微粒群优化(Discrete Particle Swarm Optimization,DPSO)算法对攻击轨迹决策模型进行求解。仿真结果表明,通过Voronoi图和DPSO算法能够较好地解决UCAV攻击轨迹决策问题,并能够在多约束条件下对目标函数进行组合优化。(本文来源于《空军工程大学学报(自然科学版)》期刊2012年02期）
王斌[3]（2010）在《一种基于离散微粒群优化的数字曲线的多边形近似算法》一文中研究指出数字曲线的多边形近似是图像分析研究领域的一个热点问题.获取数字曲线的优化多边形近似是一个复杂的问题,其计算复杂度非常高.微粒群算法是近些年来提出的一种新的优化方法,已经被广泛应用于各种优化问题的求解.提出了一种求解数字曲线的多边形近似问题的基于整数编码的离散微粒群算法(IPSO).IPSO通过重新定义标准微粒群算法的速度和位置更新公式中的加法、乘法和减法运算,使得算法能运行在离散的解空间.IPSO的位置向量修复机制保证了解的可行性,而局部优化器提高了算法的搜索精度.实验结果表明,IPSO求解的质量和求解的效率均优于遗传算法和0-1编码的微粒群算法.(本文来源于《计算机研究与发展》期刊2010年11期）
董巧英,阚树林,桂元坤,蔡纯之[4]（2009）在《基于改进离散微粒群优化算法的混流装配线多目标排序》一文中研究指出产品投产排序是混流装配线有效运作的关键,它是标准微粒群算法无法直接应用的离散空间问题。提出改进离散微粒群优化算法来解决混流装配线多目标排序问题。提出了适应离散编码的粒子位置编码方式,有效避免了不可行解的产生,提高算法效率。引入了动态参数及自适应逃逸机制增强了粒子的多样性和搜索性能。分析了装配线参数变化对目标函数和相应投产序列的影响,并确定出了能够获得最优解的合理参数范围。提出评价指标对改进离散微粒群优化算法与基本离散微粒群优化算法进行了对比,对实际混流装配线的仿真实验表明提出的改进微粒群优化算法可以直接应用于离散排序问题,是一种高效的混流装配线排序算法。改进微粒群优化算法与遗传算法的仿真实验对比显示了提出方法在混流装配线排序问题中的优越性。(本文来源于《系统仿真学报》期刊2009年22期）
潘全科,王凌,高亮[5]（2009）在《离散微粒群优化算法的研究进展》一文中研究指出首先,介绍了近年来出现的5种较为典型的离散PSO,并分析了它们与基本PSO之间的联系和区别;然后,归纳了提高离散PSO优化性能的若干途径,并总结了离散PSO的应用现状;最后,探讨了离散PSO有待进一步研究的若干方向和内容.(本文来源于《控制与决策》期刊2009年10期）
董巧英,阚树林,楚云军[6]（2009）在《混流装配线排序的改进离散微粒群优化算法》一文中研究指出提出在离散空间用一种改进的微粒群优化算法来解决混流装配线的多目标排序问题,考虑两个目标:总生产变化率最小和总闲置-超载时间最小,并对两个目标函数进行了规范化处理以消除量纲的影响。在基本的微粒群算法基础上,提出了适应离散编码的粒子位置编码方式,引入了动态参数方法来提高算法的搜索性能和收敛能力。对实际混流装配线的仿真实验表明提出的改进微粒群优化算法可以直接应用于离散问题并保持了基本微粒群算法的优良性能,是一种性能较好的高效的混流装配线排序算法。(本文来源于《计算机工程与应用》期刊2009年12期）
卜艳萍,俞金寿[7]（2008）在《离散微粒群优化算法在网格任务调度中的应用》一文中研究指出网格任务调度算法是影响网格成功与否的关键技术之一。在研究现有任务调度策略的基础上,指出Min-Min算法的负载不均衡性。借鉴遗传算法中的交叉操作过程,提出了一种新的任务调度算法。该算法对传统的连续型微粒群优化算法进行改进,使其适用于网格任务调度问题的优化处理,实现网格资源的优化分配。仿真研究表明该算法更符合网格调度的复杂环境,能得到较短的任务执行时间和较好的负载均衡性。对比分析表明,离散微粒群优化算法所得结果优于常用的Min-Min调度方案,是一种高效的调度方法。(本文来源于《计算机仿真》期刊2008年04期）
马驰,阮秋琦[8]（2007）在《基于离散微粒群优化算法的SVM参数选择》一文中研究指出支持向量机(SVM)的学习性能和泛化能力主要取决于参数选择,然而传统的优化算法难以解决此问题。文中通过支持向量的个数建立优化目标函数,采用微粒群优化(PSO)算法对其优化,寻找最优参数。PSO是一种新兴的基于群体智慧的进化算法。实验表明,微粒群优化算法是支持向量机参数选择的有效方法。(本文来源于《计算机技术与发展》期刊2007年12期）
离散微粒群算法优化论文开题报告
（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：
根据UCAV可发射区简化模型,提出了UCAV攻击轨迹决策问题。提出了UCAV攻击轨迹决策的分层设计方法,并将其转化为优化问题。首先根据已知的飞行环境,采用Voronoi图生成初始轨迹;然后通过建立攻击轨迹约束条件模型、飞行距离模型和威胁模型,以飞行距离和威胁代价为优化目标函数,构建了UCAV攻击轨迹决策模型,并在此基础上提出了一种离散微粒群优化(Discrete Particle Swarm Optimization,DPSO)算法对攻击轨迹决策模型进行求解。仿真结果表明,通过Voronoi图和DPSO算法能够较好地解决UCAV攻击轨迹决策问题,并能够在多约束条件下对目标函数进行组合优化。
（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。
离散微粒群算法优化论文参考文献
[1].万婧.求解可重入作业车间调度问题的改进离散微粒群优化算法[J].山东科学.2017
[2].丁达理,宋磊,贺建良,张洪波.基于Voronoi图和离散微粒群优化算法的UCAV攻击轨迹决策[J].空军工程大学学报(自然科学版).2012
[3].王斌.一种基于离散微粒群优化的数字曲线的多边形近似算法[J].计算机研究与发展.2010
[4].董巧英,阚树林,桂元坤,蔡纯之.基于改进离散微粒群优化算法的混流装配线多目标排序[J].系统仿真学报.2009
[5].潘全科,王凌,高亮.离散微粒群优化算法的研究进展[J].控制与决策.2009
[6].董巧英,阚树林,楚云军.混流装配线排序的改进离散微粒群优化算法[J].计算机工程与应用.2009
[7].卜艳萍,俞金寿.离散微粒群优化算法在网格任务调度中的应用[J].计算机仿真.2008
[8].马驰,阮秋琦.基于离散微粒群优化算法的SVM参数选择[J].计算机技术与发展.2007