导读:本文包含了全局搜索能力论文开题报告文献综述及选题提纲参考文献，主要关键词:差分进化,多种群,动态递增,加权变异
全局搜索能力论文文献综述
范宇凌[1]（2018）在《一种增强全局搜索能力的差分进化算法》一文中研究指出针对差分进化算法种群的多样性和收敛速度的矛盾问题,提出一种增强全局搜索能力的差分进化算法(简称MP-WDE)。首先,在种群初始化阶段将种群划分为多个子种群,分别采用不同的变异策略来提高种群的多样性。同时,利用动态递增的交叉概率因子来提高进化过程种群多样性。最后,通过引入策略加权机制,将变异策略"DE/current-to-best/2"改进为加权变异策略"DE/current-to-best/2 or DE/current-to-rbest/2",以提高算法的收敛速度。通过与其他经典的改进差分进化算法在CEC2005的对比实验,该算法具有良好的寻优效果。无论在解的精度还是收敛速度方面都有所提高,因此MPWDE算法可以执行。(本文来源于《现代计算机(专业版)》期刊2018年15期）
徐从东,张继春,马鹏飞[2]（2016）在《一种平衡全局与局部搜索能力的粒子群优化算法》一文中研究指出针对标准粒子群优化算法存在易陷入局部最优解、收敛速度慢等缺点,从两个方面对算法进行改进.一方面,改变学习因子和惯性权重,使学习因子和惯性权重随着粒子的适应度动态自适应变化,以平衡局部和全局搜索能力;另一方面,增加粒子的学习对象,从社会心理学出发,提出向群体中所有比自身优秀的较优个体学习,以增强社会学习能力.与标准粒子群算法进行比较,实验证明新算法具有更高的收敛效率、更快的收敛速度.(本文来源于《微电子学与计算机》期刊2016年06期）
肖媛,崔国民,彭富裕,周静[3]（2016）在《PSO用于优化换热网络时对全局搜索能力的研究》一文中研究指出将PSO(粒子群算法)应用于优化换热网络时,能够快速找到一个全局搜索的最优区域,但同时也会出现局部极值问题。这些问题是由于全局搜索能力的退化和算法的早熟收敛所致。本研究针对该退化现象的机理进行了深入分析,找到了粒子群算法早熟收敛的本质,提出了一种强制跳出的改进策略,通过激活陷入局部极值的粒子,恢复种群多样性并继续搜索全局最优解。算例证明,改进后的粒子群算法的搜索策略适用于换热网络连续变量优化,应用于文献[16]10SP2算例,得到的年综合费用较文献[14]下降了205$/a;应用于文献[18]8SP1算例,得到了目前最小的费用30 793$/a。改进的PSO较标准PSO和文化基因PSO优化后的费用均有所下降。(本文来源于《热能动力工程》期刊2016年01期）
孙德轩,赵息,杨黎明[4]（2007）在《基于提高全局搜索能力的微粒群优化研究》一文中研究指出全面分析了标准PSO算法的算法流程、主要参数和优缺点,针对算法在搜索精度方面存在的缺陷,提出了PSO算法的改进思路:在算法中引入非均匀变异机制,以增强算法的全局搜索能力。通过约束优化问题的测试,表明所提出的改进PSO算法在搜索精度方面较标准PSO算法有很大的改善。(本文来源于《中国制造业信息化》期刊2007年09期）
全局搜索能力论文开题报告
（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：
针对标准粒子群优化算法存在易陷入局部最优解、收敛速度慢等缺点,从两个方面对算法进行改进.一方面,改变学习因子和惯性权重,使学习因子和惯性权重随着粒子的适应度动态自适应变化,以平衡局部和全局搜索能力;另一方面,增加粒子的学习对象,从社会心理学出发,提出向群体中所有比自身优秀的较优个体学习,以增强社会学习能力.与标准粒子群算法进行比较,实验证明新算法具有更高的收敛效率、更快的收敛速度.
（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。
全局搜索能力论文参考文献
[1].范宇凌.一种增强全局搜索能力的差分进化算法[J].现代计算机(专业版).2018
[2].徐从东,张继春,马鹏飞.一种平衡全局与局部搜索能力的粒子群优化算法[J].微电子学与计算机.2016
[3].肖媛,崔国民,彭富裕,周静.PSO用于优化换热网络时对全局搜索能力的研究[J].热能动力工程.2016
[4].孙德轩,赵息,杨黎明.基于提高全局搜索能力的微粒群优化研究[J].中国制造业信息化.2007