导读:本文包含了团队进步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:智能优化,团队进步算法,维度划分,微带贴片天线
团队进步算法论文文献综述
姜慧[1]（2017）在《维度划分的团队进步算法及其在微带贴片天线优化设计中的应用研究》一文中研究指出优化问题涉及到工业工程等多个领域,是研究者关注的重要问题。智能优化算法凭借其实现简单、稳定性强、计算效率高等优点,得到广泛的研究和采用。本文在阐述团队进步算法原理与步骤的基础上,针对问题维度高低设计出改进算法——基于维度区分的团队进步算法(DTPA),并将其应用于微带贴片天线的研究与优化中,主要工作如下:(1)阐述几种经典演化算法的原理及优缺点。基于其单群体易早熟、收敛慢、计算复杂等缺点,TPA(团队进步算法)采用了新颖的双群体机制,根据合适的样板进行学习或者探索行为,并进行合理更新,使得种群能够快速逼近最优解。为验证现有先进TPA算法的高效性,采用十个具有不同特性的函数对其进行验证,并与DE(差分演化算法)比较,凸显出先进TPA的优势:参数设置简单、计算效率高、兼顾全局寻优以及局部寻优等。(2)在充分了解原始TPA、大量研究及借鉴现有已改进TPA的前提下,设计出基于维度的团队进步算法(DTPA)。DTPA将工程问题按照难易程度分为高维度和低维度,对于低维度,学习步长与探索步长均采用高斯分布;对于高维度,学习步长采用Beta分布,探索步长采用高斯分布。此外,对高斯分布函数的系数设置进行讨论并得出较优结果。采用十个测试函数对DTPA进行测试,并与现阶段先进TPA以及DPDE进行对比,结果显示DTPA在全局寻优成功率和计算效率等方面都有所改善。(3)采用DTPA调用HFSS的外挂优化器,对现有文献中两种结构的微带天线进行优化设计。对于缝隙耦合微带天线,将贴片进行碎片化,实现了工作带宽增大400%;对于微带贴片天线,分别对接地板进行全金属地、碎片化地以及小型化的研究,实现了工作带宽分别增大200%、107.6%和46.2%。通过这两个优化算例,充分说明DTPA调用HFSS进行天线优化的合理性以及DTPA的优越性。(本文来源于《南京邮电大学》期刊2017-10-26）
徐亮[2]（2016）在《团队进步算法的改进及其在天线优化设计中的应用研究》一文中研究指出演化算法具有鲁棒性强、全局寻优成功率高以及原理简单等特点,广泛应用于最优化问题的求解。借助演化算法对天线进行优化设计,可以有效提高天线的设计效率和性能指标。本文对双群体演化算法——团队进步算法(TPA)的改进及其在平面天线优化设计中的应用进行研究,具体工作分为以下几部分。首先简要阐述团队进步算法(TPA)的原理及算法流程,该算法基于双群体团队成员的分工合作,按照各自的样板实施学习和探索行为,根据更新规则使成员快速进步,即快速接近最优解,从而有效克服单群体算法容易发生的早熟收敛或收敛慢的缺陷,解决全局搜索和快速收敛之间的矛盾。使用十个测试函数对TPA算法及差分进化算法(DE)进行性能测试,结果显示TPA算法具备全局寻优成功率高,计算量小,稳定性好,参数设置简单等优点。其次,在遵循原TPA算法机理特性的基础上,对算法中学习样板以及学习步长和探索步长的产生方式进行改进研究。采用几何学习样板替代算术学习样板,并采用高斯分布随机数的方式产生学习步长和探索步长,十个基准测试函数对改进算法的测试结果表明,与原TPA算法和双群体差分进化算法(DPDE)相比,改进算法在全局寻优成功率和收敛速度等方面都有所提升。最后,建立基于改进TPA算法的商用软件HFSS的优化器,并将其应用于叁个平面天线的优化设计,最优化目标函数为天线阻抗带宽。实现双频微带矩形贴片天线低频与高频的相对带宽分别增大5.8%和8.2%；短路探针加载的平面倒F天线的谐振中心向右偏移同时相对带宽增大3.2%；多频段4G手机天线低频与高频的相对带宽分别增大3.3%和3.2%。叁个算例的优化结果验证了外挂优化器用于天线优化的可行性,以及改进后算法的高效性。(本文来源于《南京邮电大学》期刊2016-11-18）
王蔚,宋荣方[3]（2012）在《团队进步算法在Ad-hoc网络优化问题中的应用》一文中研究指出针对Ad-hoc网络优化问题,提出了一种分布式团队进步算法。算法将成员信息在节点间作分布式存储,从成熟成员中确定发起人以负责产生新成员和发布被淘汰成员信息,而新成员的评价则在其对应节点上完成。在一个ad-hoc协同计算系统中搜索具有最低处理负载的节点的模拟试验表明,该算法具有通信开销小、收敛速度快等优点,对同类优化问题具有参考价值。(本文来源于《南京邮电大学学报(自然科学版)》期刊2012年05期）
包怡,高美凤[4]（2010）在《团队进步算法在快速响应码识别中的应用》一文中研究指出针对QR码在采集过程中易发生寻像图形受污染的情况,首先改进了QR码的识别模式模型,接着将团队进步算法用于QR码基元识别,该算法通过将优化变量分成普通组和精英组,经过学习、探索等运算,合理地更新成员,最终可搜寻得到最优解,将QR码从图像中提取出来。实验证明,该方法简单有效,可用于拓宽QR码的使用范围。(本文来源于《计算机工程与应用》期刊2010年25期）
刘彬[5]（2010）在《团队进步算法与遗传算法和粒子群算法进行天线阵综合的比较》一文中研究指出团队进步算法(TPA)是近期由研究者提出的一种新型优化算法,具有与传统优化算法不同的寻优机制。函数测试结果表明,该算法是一种能够兼顾避免早熟收敛和计算速度的有效的优化算法。文章将团队进步算法、遗传算法和粒子群算法应用于阵列天线方向图综合,给定阵列天线合适的设计要求,用Matlab编制程序对阵列天线进行了优化计算。通过对叁种优化算法的综合结果比较,表明新算法在应用于较复杂的阵列天线方面以及在优化性能方面的优越性,显示了新算法在天线设计中的广泛应用前景。(本文来源于《空间电子技术》期刊2010年02期）
薄亚明[6]（2008）在《多维函数全局寻优的团队进步算法》一文中研究指出通过模仿团队进步需要的学习、探索行为和成员更新规则,提出了一种新颖的双群体演化算法,称为团队进步算法(TPA)。算法将一个团队的成员分为精英和普通组,建立了两组的学习样板,定义了学习和探索运算,并合理设定了成员更新规则。两组成员在搜索过程中出现了明显分工,使算法兼备了全局搜索、局部搜索和定向搜索的能力。数值试验结果验证了新算法具有实现简单、全局寻优成功率高、收敛快、计算量少、坚韧性强和参数选择相对容易等特性,对解决优化应用问题具有较大的价值。(本文来源于《南京邮电大学学报(自然科学版)》期刊2008年05期）
团队进步算法论文开题报告
（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：
演化算法具有鲁棒性强、全局寻优成功率高以及原理简单等特点,广泛应用于最优化问题的求解。借助演化算法对天线进行优化设计,可以有效提高天线的设计效率和性能指标。本文对双群体演化算法——团队进步算法(TPA)的改进及其在平面天线优化设计中的应用进行研究,具体工作分为以下几部分。首先简要阐述团队进步算法(TPA)的原理及算法流程,该算法基于双群体团队成员的分工合作,按照各自的样板实施学习和探索行为,根据更新规则使成员快速进步,即快速接近最优解,从而有效克服单群体算法容易发生的早熟收敛或收敛慢的缺陷,解决全局搜索和快速收敛之间的矛盾。使用十个测试函数对TPA算法及差分进化算法(DE)进行性能测试,结果显示TPA算法具备全局寻优成功率高,计算量小,稳定性好,参数设置简单等优点。其次,在遵循原TPA算法机理特性的基础上,对算法中学习样板以及学习步长和探索步长的产生方式进行改进研究。采用几何学习样板替代算术学习样板,并采用高斯分布随机数的方式产生学习步长和探索步长,十个基准测试函数对改进算法的测试结果表明,与原TPA算法和双群体差分进化算法(DPDE)相比,改进算法在全局寻优成功率和收敛速度等方面都有所提升。最后,建立基于改进TPA算法的商用软件HFSS的优化器,并将其应用于叁个平面天线的优化设计,最优化目标函数为天线阻抗带宽。实现双频微带矩形贴片天线低频与高频的相对带宽分别增大5.8%和8.2%；短路探针加载的平面倒F天线的谐振中心向右偏移同时相对带宽增大3.2%；多频段4G手机天线低频与高频的相对带宽分别增大3.3%和3.2%。叁个算例的优化结果验证了外挂优化器用于天线优化的可行性,以及改进后算法的高效性。
（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。
团队进步算法论文参考文献
[1].姜慧.维度划分的团队进步算法及其在微带贴片天线优化设计中的应用研究[D].南京邮电大学.2017
[2].徐亮.团队进步算法的改进及其在天线优化设计中的应用研究[D].南京邮电大学.2016
[3].王蔚,宋荣方.团队进步算法在Ad-hoc网络优化问题中的应用[J].南京邮电大学学报(自然科学版).2012
[4].包怡,高美凤.团队进步算法在快速响应码识别中的应用[J].计算机工程与应用.2010
[5].刘彬.团队进步算法与遗传算法和粒子群算法进行天线阵综合的比较[J].空间电子技术.2010
[6].薄亚明.多维函数全局寻优的团队进步算法[J].南京邮电大学学报(自然科学版).2008