导读:本文包含了免疫粒子群优化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:微电网,免疫粒子群优化算法,谐波抑制
免疫粒子群优化算法论文文献综述
朱丹,张进[1]（2019）在《基于免疫粒子群优化算法的微电网谐波抑制策略》一文中研究指出为解决微电网中变频器和电力设备运行引起的非线性负载谐波问题,提出了基于免疫粒子群优化(IPSO)算法的微电网无源滤波器谐波抑制策略,将免疫系统的免疫机制原理引入粒子群算法中,有助于提高粒子群算法全局收敛能力,主要目的是实现免疫粒子群算法优化滤波器参数,最终通过优化滤波器的方式达到微电网谐波抑制。从仿真结果可以得出,并网模式与孤岛模式相互转化过程中,IPSO算法可以有效地降低负载侧输出电压谐波比。(本文来源于《工业仪表与自动化装置》期刊2019年01期）
张红,薛东亮,李战明[2]（2018）在《基于免疫粒子群优化的移动Sink路径规划算法》一文中研究指出为了减少能量空洞和延长网络生命周期,在无线传感网中采用移动Sink的方式收集节点采集的数据是解决能量效率问题的有效措施.采集路径的规划问题类似于旅行商问题,无法得到多项式时间的解.提出了将人工免疫算法和粒子群算法相结合,针对移动sink数据收集的路径规划问题寻求近似最优解,仿真结果表明:与其他算法进行性能比较,所提出的优化算法能够有效减少能耗和缩短遍历路径.(本文来源于《中南民族大学学报(自然科学版)》期刊2018年04期）
张红[3]（2018）在《基于深度学习与粒子群优化算法的免疫层析试条定量检测研究》一文中研究指出免疫层析法是基于抗原抗体特异性反应与色谱薄层层析技术的新型免疫测定方法。其中,纳米金免疫层析检测作为一种常用的侧流免疫层析快速测定方法,具有检测时间短,使用方便,可单人份检测,特异性强和稳定性高等特点,目前已经得到广泛应用。由于技术的限制以及干扰误差的存在,纳米金免疫层析检测在目前应用中大多数仅局限于定性或半定量检测。一方面,采用肉眼判读的方式比较耗费人力,且带有一些主观偏差;另一方面,该检测结果所能提供的信息太少,远不能满足临床需求。因此,本文旨在解决免疫层析试条定量检测中存在的问题,分别从优化试条动态反应模型和基于图像识别技术的定量检测两大方面展开研究,主要工作内容概括如下:(1)考虑到免疫层析测定的动态反应过程中各个生化反应是随着样本液流动到相应区域而发生的,即反应之间往往存在时间间隔,因此本文在非线性状态空间模型中引入延时参数的概念,建立了含延时参数的试条动态生化反应模型。同时,为了实现辨识改进模型中的未知延时参数,本文提出一种新型跳变时滞粒子群算法,根据进化因子和马尔科夫链自适应地调整算法中速度更新公式的模式。该算法丰富了粒子之间的交互信息,能够有效防止粒子早熟,并成功实现了优化模型中未知延时参数的辨识,从而为设计与优化定量试条提供理论依据。(2)针对免疫层析检测系统自动化、便捷化和智能化的应用需求,本文创新性地提出一种基于深度学习的免疫层析试条图像识别及定量检测方法。根据免疫层析试条的图像特点与应用需求,本文首先提取出包含检测线和质控线的感兴趣(ROI)区域,选取灰度特征、距离特征和差异特征组成样本输入特征向量,建立了基于深信度网络(DBN)的图像识别模型。为了对图像识别的结果进行定量分析,本文选取相对积分光密度值(ROID)作为特征参量,曲线拟合结果显示RIOD与待测物浓度呈高度相关的线性关系。(3)鉴于免疫层析试条图像自身的复杂性以及定量检测系统的精密性,本文提出一种新型粒子滤波算法(DBN-PF)以进一步提升深度学习图像识别性能。本文将目标区域的轮廓点定义为状态变量,从状态估计的角度考虑图像识别问题,从而建立了试条图像识别的非线性状态空间模型。针对传统粒子滤波(PF)中粒子退化问题,DBN-PF算法中采用一种新的建议性分布,即由DBN网络提供初始识别结果,PSO算法将粒子转移到高似然区域。仿真结果表明DBN-PF方法有效提升了 DBN算法的性能,并且在试条定量检测上取得了更高的精度。(本文来源于《厦门大学》期刊2018-05-01）
吴珍珍,方旺盛[4]（2018）在《免疫粒子群优化的DV-Hop定位算法》一文中研究指出DV-Hop算法在定位过程中,由于信标节点与待定位节点之间的距离估算存在较大的定位误差,使得定位精度不佳。将免疫机制引入粒子群算法中,提出了免疫粒子群优化的DV-Hop算法。利用免疫粒子群算法优化待测节点的位置坐标,当PSO算法陷入局部最优解时,通过免疫抗体的选择、促进和抑制机制产生新的粒子空间,使该算法跳出局部最优值,收敛于全局最优解。MATLAB仿真实验表明,在相同实验环境下与经典的DV-Hop算法和常规的粒子群改进的DV-Hop算法比较,所提算法有效地降低了定位误差。(本文来源于《信息技术与网络安全》期刊2018年04期）
康晓光[5]（2016）在《基于寄生免疫粒子群优化算法的动态交通分配方法研究》一文中研究指出随着社会经济的飞速发展和汽车拥有量的快速增长,交通拥堵问题日益突出,如何进行交通控制与诱导从而减轻交通拥堵,有效提高交通网络的使用效率成为一个亟待解决的问题。动态交通分配为解决拥挤问题提供了思路与依据,在智能交通控制与交通诱导中发挥着重要作用,是智能交通系统理论体系的核心之一。在动态交通分配模型中,由于模型维数高、变量多、约束条件多等特点,模型求解较为困难。在该背景下,本文将不同优化算法应用于动态系统最优控制交通分配模型的求解中,具体工作如下:首先,在总结动态交通分配建模方法研究现状的基础上,本文介绍动态交通分配建模中需要考虑的主要问题及数学表达形式,并最终依据最优控制理论建立动态系统最优分配模型。其次,本文将粒子群算法、遗传算法和模拟退火算法分别用于求解动态系统最优控制交通分配模型,验证粒子群算法针对此问题的求解结果更具有优势。在此基础上,针对粒子群算法中的重要参数-惯性权重进行改进,采用非线性动态惯性权重改进策略,并对其进行系统的分析,算法的求解结果有所提高。最后,针对粒子群算法中计算性能不稳定等特点,将生物界中寄生与免疫的思想引入粒子群优化算法中,采用基于寄生免疫机制的粒子群优化算法求解动态交通分配模型。具体思路是将具有很强寄生能力的寄生群采用精英学习机制以提高算法跳出局部极值的能力,宿主则针对寄生群的寄生行为产生获得性免疫,以增强宿主种群粒子的多样性,当迭代次数进行到既定的代数时发生寄生行为。将寄生免疫粒子群算法与粒子群算法的寻优性能进行对比分析。实验分析表明寄生免疫粒子群算法具有较高的稳定性和寻优能力。(本文来源于《东北大学》期刊2016-12-01）
杨粤涛,曹峰,高伟林,张锋[6]（2016）在《免疫粒子群优化算法在多聚焦图像融合中的应用》一文中研究指出在多聚焦图像融合中,如何保持原始图像的边缘和细节信息是关键问题。针对多聚焦图像融合的特点提出了一种基于改进克隆选择的免疫粒子群优化算法(Immune Clone Selection Particle Swarm Optimization,ICSPSO)的多聚焦图像融合方法,将图像融合问题归结为最优化问题。首先将待融合图像按区域分块,选取清晰度作为图像子块融合参数的决策变量,然后采用ICSPSO求取图像子块的最优融合权值,以寻求最优组合分块形成的融合图像。与标准粒子群算法(SPSO)相比,ICSPSO将免疫系统的克隆选择算法、高斯变异算子和基于浓度机制的多样性保持策略引入,保持多样性的同时克服了标准粒子群算法易陷局部最优的缺点;并采用自适应凹指数惯性权重控制搜索能力。实验结果表明,ICSPSO算法拥有更快的收敛速度和更好的寻优能力,而且融合图像在主观视觉效果和客观评价指标上均优于基于SPSO算法的多聚焦图像融合效果。(本文来源于《电子技术与软件工程》期刊2016年13期）
胡殿刚,秦睿,黄亭,杨俊,马喜平[7]（2015）在《基于免疫记忆粒子群优化算法的风火联合系统的多目标优化调度》一文中研究指出随着清洁可再生的随机性和间歇性风电大规模接入,其对电力系统发电调度的影响不容忽视。考虑风电机组的环境效益和并网对系统安全造成的影响,建立基于多目标机会约束规划模型,将燃煤机组发电成本最小、污染气体排放量最小作为目标,并计及系统的正、负旋转备用容量约束。使用风电出力的分布函数将随机模型转化为确定模型,采用模糊化处理技术将多目标优化转化为单目标优化,利用免疫记忆粒子群优化算法求解模型。最后,以修改后IEEE-30节点系统模型测试算例MATLAB仿真为例,通过算例仿真结果比较分析,验证了所建立模型的正确性以及算法的快速性、有效性和收敛性。(本文来源于《高压电器》期刊2015年06期）
董晓飞[8]（2015）在《基于免疫粒子群优化算法的超声速飞行器自抗扰控制器设计》一文中研究指出超声速飞行器的飞行空域和速域的范围较大,在飞行过程中受到复杂大气环境等不确定因素的影响,因而在该过程中飞行要素变化剧烈,其动力学模型本身具有很强的非线性和时变特性。超声速飞行器模型所具有的以上特性对飞行器的控制系统设计带来了很大挑战,需要有针对性地寻找出合适的控制策略并加以研究。自抗扰控制是一种新型控制方法,该控制方法将控制对象的内部和外部的不确定性作为一种总的扰动,通过扩张状态观测器对这个扰动的总和进行实时观测和补偿,从而使控制器获得了良好的鲁棒性,实现了对具有非线性及时变特性目标的有效控制。本文首先针对自抗扰控制器的基本控制理论展开相关研究,在该研究的基础上,对自抗扰控制器的参数整定方法开展相关的研究。通过理论方法寻找控制器参数优化的初值,选定初值后采用免疫粒子群优化算法进一步寻优,由此提出一套完整的自抗扰控制器参数优化方法。应用该方法优化控制器参数并将该控制器应用到超声速飞行器控制中,通过弹道程序的仿真验证了所设计的控制器能够对超声速飞行器这一时变非线性对象具有良好的控制效果。(本文来源于《哈尔滨工业大学》期刊2015-06-01）
王晶,张颖,陈骏宇,龚余锋,王宗礼[9]（2015）在《基于免疫粒子群优化算法的微网谐波抑制方法》一文中研究指出微电网中逆变器等大量电力电子器件的应用,以及各种非线性负荷的投切,使微网中的谐波问题变得复杂。针对微网系统中滤波器参数难以整定导致微网谐波抑制效果受到影响的问题,提出了基于免疫粒子群算法的微网滤波器参数优化方法。建立了包含功率控制模块、下垂控制模块以及电压电流控制模块的基于下垂控制的微网系统模型,并根据微网性能以及滤波器参数设计特点建立了目标函数;对免疫粒子群算法能够避免粒子群算法陷入局部最优、解决早熟收敛等问题进行了介绍;提出了用免疫粒子群算法调用微网仿真系统优化参数的新方法;通过Matlab仿真验证了基于免疫粒子群算法的微网谐波抑制方法的可行性。(本文来源于《中国电力》期刊2015年03期）
程军,李荣钧[10]（2014）在《免疫逃避型粒子群优化算法》一文中研究指出针对基本粒子群优化算法容易陷入局部极值的缺陷,提出了一种免疫逃避型粒子群优化算法.其基本思想是将初始粒子群划分为寄生与宿主两个种群以模拟生物寄生行为,对寄生种群的粒子采用精英学习策略,对宿主群的粒子采用探索策略,再引入免疫系统的高频变异对寄生群采用相应的免疫逃避机制,以增强群体逃离局部极值、提高算法的全局寻优能力.采用标准测试函数的实验结果表明,该算法在收敛速度和求解精度方面均有显着改进.(本文来源于《数学的实践与认识》期刊2014年19期）
免疫粒子群优化算法论文开题报告
（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：
为了减少能量空洞和延长网络生命周期,在无线传感网中采用移动Sink的方式收集节点采集的数据是解决能量效率问题的有效措施.采集路径的规划问题类似于旅行商问题,无法得到多项式时间的解.提出了将人工免疫算法和粒子群算法相结合,针对移动sink数据收集的路径规划问题寻求近似最优解,仿真结果表明:与其他算法进行性能比较,所提出的优化算法能够有效减少能耗和缩短遍历路径.
（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。
免疫粒子群优化算法论文参考文献
[1].朱丹,张进.基于免疫粒子群优化算法的微电网谐波抑制策略[J].工业仪表与自动化装置.2019
[2].张红,薛东亮,李战明.基于免疫粒子群优化的移动Sink路径规划算法[J].中南民族大学学报(自然科学版).2018
[3].张红.基于深度学习与粒子群优化算法的免疫层析试条定量检测研究[D].厦门大学.2018
[4].吴珍珍,方旺盛.免疫粒子群优化的DV-Hop定位算法[J].信息技术与网络安全.2018
[5].康晓光.基于寄生免疫粒子群优化算法的动态交通分配方法研究[D].东北大学.2016
[6].杨粤涛,曹峰,高伟林,张锋.免疫粒子群优化算法在多聚焦图像融合中的应用[J].电子技术与软件工程.2016
[7].胡殿刚,秦睿,黄亭,杨俊,马喜平.基于免疫记忆粒子群优化算法的风火联合系统的多目标优化调度[J].高压电器.2015
[8].董晓飞.基于免疫粒子群优化算法的超声速飞行器自抗扰控制器设计[D].哈尔滨工业大学.2015
[9].王晶,张颖,陈骏宇,龚余锋,王宗礼.基于免疫粒子群优化算法的微网谐波抑制方法[J].中国电力.2015
[10].程军,李荣钧.免疫逃避型粒子群优化算法[J].数学的实践与认识.2014