导读:本文包含了离散微粒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:离散微粒群算法,局部搜索,作业车间
离散微粒群算法论文文献综述
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）
邹艳艳,姜弢,徐学纯[2]（2015）在《基于离散微粒群算法的定向地震记录合成方法》一文中研究指出1.引言本文涉及一种基于离散微粒群算法1的定向地震记录合成方法,是根据勘探测线上已有炮点的地震记录,确定需要定向的目标炮点位置,在其临近位置选取奇数炮地震记录,根据炮点到目标炮点的距离,目标层位速度以及地震主波束方向范围确定延时参数取值范围,再利用离散微粒群算法从中查(本文来源于《2015中国地球科学联合学术年会论文集（十九）——专题49深部探测技术方法与装备、专题50地壳应力与地震》期刊2015-10-10）
万婧[3]（2015）在《基于离散微粒群算法和混合差分进化算法的复杂生产调度问题求解》一文中研究指出车间生产调度问题一直是学术界和工业界广泛关注的热点问题,随着近期的发展,由于其NP-hard性、种群规模巨大、约束性强等特性,求解过程的限制问题也越来越突出。而针对此问题的相关智能调度算法研究也逐渐引起两界重视。离散微粒群算法(Discrete Particle Swarm Optimization, DPSO)和差分进化算法(Differential Evolution, DE)都是应用颇多且效果很好的智能算法,目前已备受学者们的青睐,并成功运用于多个生产研究系统。本论文针对两类重要的流水线车间调度问题,采用基于不同改进方案的两种算法进行了研究,其中包括基于混合差分进化算法的求解研究和基于混合离散微粒群算法的求解研究。论文的主要工作归纳如下：(1)针对可重入流水线调度问题,通过分析问题的求解过程,开发了一种基于交换邻域搜索的局部搜索机制,将其与离散微粒群算法的全局搜索策略有机结合,并通过仿真实验加以证明,得到结果比较验证了所提算法的优越性。(2)针对重入次数可变的流水线调度问题,根据问题模型特点,将重入次数设为可变,增加问题难度,利用差分进化算法的全局搜索机制,结合前端省略搜索机制,提出了一种高效混合差分进化算法,仿真实验和结果比较验证了所提算法的有效性和稳定性。针对广泛存在于流程工业的可重入流水线调度问题,目前尚无基于差分进化算法和离散微粒群算法的相关研究,因此,本论文将已有差分进化算法和自已独立设计的局部搜索融合在一起,同时也将已有离散微粒群算法进行改进,其研究具有重要学术价值和工程实用价值,具有一定创新性。(本文来源于《昆明理工大学》期刊2015-04-01）
历莉[4]（2015）在《基于混合离散微粒群算法求解复杂并行机生产调度问题》一文中研究指出近年来,作为研究热点的非传统生产调度的相关问题,如复杂并行机生产调度问题等,受到了研究学者的广泛关注。离散微粒群(Discrete Partial Swarm Optimization Algorithm, DPSO)作为一种简单有效的人工智能算法,已受到机械加工和钢铁冶炼等多个工业领域得到了成功应用,对于并行机生产调度问题的DPSO已经成为国际上前沿研究课题。因此,本论文对两类重要并行机生产调度问题进行基于DPSO的求解算法研究。论文的主要工作归纳如下：(1)针对最大完成时间(makespan)指标下的带多工序和加工约束并行机调度问题,通过分析问题的结构特性,重新设计了一种微粒的位置更新公式,进而与DPSO的全局搜索有机结合,得到IDPSO,通过随机生成测试数据进行仿真实验并与其他算法进行比较验证IDPSO的有效性。(2)针对makespan指标下的带到达时间、多工序、加工约束和序相关设置时间的复杂并行机生产调度问题,将(1)中的微粒位置更新方法应用到该问题中,并加入首次改进跳出策略和基于Interchange和Insert的局部搜索方法,进而结合IDPSO的全局搜索机制,提出HDPSO,通过比较仿真实验结果,验证了HDPSO相对于其他算法的高效性和有效性(3)针对makespan指标下的(2)中的复杂并行机生产调度问题,分析DPSO中惯性权重、学习因子对算法的影响,提出一种自适应微粒群算法,进而与(2)中提出的HDPSO有机的融合,从而得到一种AHDPSO,仿真实验验证了AHDPSO加入自适应的必要性和有效性。由文献调研可知,特别是基于DPSO算法求解复杂并行机生产调度问题的研究十分有限,有些较为复杂的问题甚至处于空白状态。本文针对上述调度问题的数学模型将已有的DPSO算法进行改进,因此针对上述的复杂并行机生产调度的研究具有实际的工程价值和学术价值。(本文来源于《昆明理工大学》期刊2015-04-01）
丁达理,宋磊,贺建良,张洪波[5]（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）
何静,刘跃华,周伟林[6]（2012）在《用自适应离散微粒群算法求解旅行商问题》一文中研究指出提出一种求解GTSP问题的自适应离散PSO算法,同时考虑到多种算法的混合,利用调节算子和交换序对PSO算法进行改进.通过对Buramal14,Oliver30和Eil51等测试数据进行实验,证明新算法不仅收敛速度快、鲁棒性更好,而且新的算法对于Burma14和Oliver30更易求得它们的最优解。(本文来源于《计算技术与自动化》期刊2012年01期）
陶新民,徐晶,王妍,刘玉[7]（2011）在《基于克隆多尺度协同开采的离散微粒群算法》一文中研究指出提出一种克隆多尺度协同开采的离散微粒群算法.多尺度变异概率根据粒子适应值大小进行动态调节,在算法初期通过大尺度概率变异增加算法多样性,后期通过逐渐减小的小尺度变异提高算法在最优解附近的局部精确解搜索性能,对当前最优解进行克隆选择,可进一步增强算法逃出局部极小解的能力以及所求解的精度.将算法应用于5个benchmark函数优化问题并与其他算法比较,结果表明该算法不仅能增强全局解搜索性能,同时最优解的精度也有所提高.(本文来源于《控制与决策》期刊2011年05期）
王妍[8]（2011）在《离散微粒群改进算法及在属性约简中的应用》一文中研究指出微粒群优化(Particle Swarm Optimization,简称PSO)是Kennedy和Eberhart于1995年提出的一种群体智能优化方法。具有概念简单、运算方便、需要调节的参数少以及较强的全局收敛能力的优势,迅速得到了学术界的认可,目前在函数优化、模式识别训练、工业生产优化领域等得到了成功的应用。但其多用于解决连续优化问题,很少被用来解决离散问题,而现实生活中的许多工程实例只能抽象出离散模型,离散微粒群算法(Discrete Particle Swarm Optimization,简称DPSO)就是为解决离散问题而提出的。另一方面,随着信息时代的到来,数据库中存储的数据量以惊人的速度增加,庞大的数据量渗透到社会生活和生产的各个领域,传统的统计技术及数据管理工具不再适合分析这些巨量的数据集,人们非常需要一种高效的数据处理方法。粗糙集属性约简理论是数据预处理的一项重要内容,此方法能够减小数据规模从而减少存储空间和处理时间,而且能够尽量保留原数据的有用信息从而使数据挖掘的结果更可信,准确性更高。本论文主要做了以下两方面工作：(1)传统离散微粒群算法存在局部搜索能力差的缺点,本论文将对传统离散微粒群算法进行改进。为了算法能够逃出局部最优解,本论文引入多尺度概率变异算子,变异概率算子随着微粒适应值的提升而逐渐减少,进化初期大尺度变异算子有益于快速定位到最优解区域,进化后期小尺度变异算子局部搜索能力增强,这样就可以在保证算法局部开采能力的同时提高勘探能力,使算法能有效逃出局部最优解区域。将该算法应用到不同的优化函数中并与其他DPSO算法进行比较,证明算法的优越性。(2)近年来,微粒群算法在最小属性约简方面有了广泛的应用,受自然界病毒进化理论的启发,本论文提出一种基于病毒协同离散微粒群的粗糙集最小属性约简算法。在算法中,进化在宿主与病毒种群之间协同进行,通过满足约简分辨力不变条件的最优病毒种子复制操作产生病毒库,病毒通过感染操作在宿主种群完成横向局部搜索,以提高算法局部精确解搜索能力,同时通过删减操作完成自我更新,实现增加局部搜索范围的目的。最后对UCI数据集进行属性约简实验,结果证明本文算法在搜索最小属性约简解方面优于其他进化算法,同时收敛速度及寻优效率也有较大提高。(本文来源于《哈尔滨工程大学》期刊2011-03-02）
王珊珊[9]（2010）在《混沌离散微粒群算法在矩形排样中的应用》一文中研究指出混沌离散微粒群算法主要在离散微粒群算法框架的基础上引入混沌机制,并通过判断种群多样性处理速度的更新操作,从而解决离散微粒群算法易于陷入局部最优及搜索到解的时间较长且精度不高等缺点。将该算法应用到在定宽无限长矩形优化排样问题上,通过剩余矩形算法完成解码。实验结果表明,该算法在解决此类排样问题时可以较快地获得最优的配切方法。(本文来源于《计算机工程》期刊2010年23期）
王斌[10]（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）
离散微粒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：
1.引言本文涉及一种基于离散微粒群算法1的定向地震记录合成方法,是根据勘探测线上已有炮点的地震记录,确定需要定向的目标炮点位置,在其临近位置选取奇数炮地震记录,根据炮点到目标炮点的距离,目标层位速度以及地震主波束方向范围确定延时参数取值范围,再利用离散微粒群算法从中查
（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].邹艳艳,姜弢,徐学纯.基于离散微粒群算法的定向地震记录合成方法[C].2015中国地球科学联合学术年会论文集（十九）——专题49深部探测技术方法与装备、专题50地壳应力与地震.2015
[3].万婧.基于离散微粒群算法和混合差分进化算法的复杂生产调度问题求解[D].昆明理工大学.2015
[4].历莉.基于混合离散微粒群算法求解复杂并行机生产调度问题[D].昆明理工大学.2015
[5].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
[6].何静,刘跃华,周伟林.用自适应离散微粒群算法求解旅行商问题[J].计算技术与自动化.2012
[7].陶新民,徐晶,王妍,刘玉.基于克隆多尺度协同开采的离散微粒群算法[J].控制与决策.2011
[8].王妍.离散微粒群改进算法及在属性约简中的应用[D].哈尔滨工程大学.2011
[9].王珊珊.混沌离散微粒群算法在矩形排样中的应用[J].计算机工程.2010
[10].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