导读:本文包含了改进型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:粒子群优化,航路规划,遗传算法
改进型粒子群优化算法论文文献综述
李鹏,李兵舰,亓亮,陈凯翔,李迪[1]（2019）在《一种改进的粒子群优化算法及其在无人机航路规划中的应用》一文中研究指出粒子群优化(PSO)算法原理简单、通用性强、搜索能力全面,特别适合用于无人机航路规划。常规的PSO算法容易陷入局部最优,结合遗传算法,对PSO算法的种群进行交叉、变异等操作,根据适应值优劣,对粒子先判断后更新,提高了种群的多样性,避免种群陷入"早熟",提高了收敛速度。通过对基准测试函数进行测试,结果表明,改进的遗传-粒子群优化(GA-PSO)算法收敛速度更快,收敛精度更高。针对无人机航路规划问题,采用GA-PSO算法进行仿真,仿真结果验证了GA-PSO算法在航路规划中的有效性。(本文来源于《舰船电子对抗》期刊2019年05期）
张航,姚敏茹,曹凯,高嵩[2]（2019）在《改进粒子群优化算法的多机器人地图构建》一文中研究指出针对大规模的未知环境,对一种SA-PSO(Simulated Annealing-Particle Swarm Optimization)算法的多机器人构建地图方法进行研究。多机器人构建地图,即将多个机器人建立的局部地图融合成全局地图,可以更加高效地完成环境地图的绘制。利用粒子群优化(PSO)算法搜索局部地图之间的最优转换矩阵来进行地图配准;再根据局部地图重迭区域匹配的成功率设计自适应概率函数,即重新进行地图配准的概率;最后将配准后的局部地图融合成全局地图。该方法有效解决了PSO算法易陷入局部最优引起的地图融合失败问题,提高了地图融合的成功率。(本文来源于《计算机应用与软件》期刊2019年10期）
徐偲喆,查晓锐[3]（2019）在《基于改进粒子群优化模糊控制的MPPT算法研究》一文中研究指出在光照强度和温度变化时,常规的最大功率点跟踪(MPPT)算法难以快速准确地跟踪光伏系统最大功率点。针对此问题,设计了一种改进粒子群优化算法(PSO)的模糊控制器。首先,依据常规MPPT特性,设计了一种带调整因子的模糊控制算法以快速收敛到最大功率点;然后,采用参数自适应PSO对设计的模糊控制器调整因子进行动态优化。仿真结果表明:所设计的参数自适应PSO优化模糊控制器能快速准确地跟踪最大功率点,保证了MPPT的动态响应速度和稳态精度,提高了光伏系统的工作效率。(本文来源于《电机与控制应用》期刊2019年10期）
仝秋娟,李萌,赵岂[4]（2019）在《基于分类思想的改进粒子群优化算法》一文中研究指出针对粒子群算法存在收敛速度慢、收敛精度低且易收敛到局部极值的问题,提出一种基于分类思想的粒子群改进算法。该算法将粒子适度值和适度值均值做差与适度值标准差进行比较,从而将粒子所在区域划分为拒绝域、亲近域、合理域。根据不同区域中粒子的特点选取不同惯性权重和学习因子,使粒子高效地选择自身经验或种群经验,合理增强或减弱粒子全局搜索能力和局部搜索能力。数值实验结果表明,与其他粒子群改进算法相比,新的分类粒子群算法有效加快了粒子的收敛速度,提高了算法的收敛精度,有效改善了算法寻优性能。(本文来源于《现代电子技术》期刊2019年19期）
俞颖,黄风华,阮奇[5]（2019）在《基于改进粒子群优化算法和CRNN的多类SVM分类》一文中研究指出为了提高支持向量机(SVM)在多类分类中的分类效果,提出了一种基于改进粒子群优化(IMPSO)算法和协作式递归神经网络(CRNN)的多类SVM分类方法(IMPSO_CRNN_SVM算法).首先引入自适应惯性权重及自适应粒子变异,以此改进粒子群优化算法(PSO)在优化SVM参数过程中存在的容易陷入局部最优和早熟等问题;然后基于多类SVM设计一个CRNN,并利用随机分配的训练集对该网络进行训练并构建最终决策函数,从而实现多类数据的"一次性"分类.最后利用3种数据集和实际应用对IMPSO_CRNN_SVM算法进行验证,结果表明IMPSO_CRNN_SVM算法的分类精度优于未进行参数优化的传统SVM算法、基本PSO进行SVM参数优化的算法和未进行PSO参数优化的基于CRNN的多类支持向量机算法,因此IMPSO_CRNN_SVM算法具有一定的实用性.(本文来源于《延边大学学报(自然科学版)》期刊2019年03期）
王昆凌[6]（2019）在《改进粒子群优化算法的数据库查询优化方法》一文中研究指出查询优化是数据库管理系统中的关键技术,针对当前数据库查询优化过程存在的查询效率低、查询结果错误大等缺陷,设计了基于改进粒子群优化算法的数据库查询优化方法。首先对当前数据库查询优化研究现状进行分析,指出当前各种数据库查询优化方法存在局限性;然后采用粒子群优化算法对数据库查询最优方案进行搜索,并针对标准粒子群优化算法存在的收敛速度慢、易得到局部最优解缺陷进行相应改进;最后与其它数据库查询优化方法在相同实验条件下进行仿真对比实验。结果表明,改进粒子群优化算法找到最优数据库查询优化方案的时间短,加快了数据库查询优化速度,并且得到的数据库查询优化方案要明显优于对比方法,提高了数据库查询精度,具有更高的实际应用价值。(本文来源于《微型电脑应用》期刊2019年09期）
杨博雯,钱伟懿[7]（2019）在《粒子群优化算法中惯性权重改进策略综述》一文中研究指出在粒子群优化算法的3个参数中,惯性权重是最重要的参数,它对粒子群优化算法性能的提高起到至关重要作用.因此许多学者对粒子群优化算法中的惯性权重设计进行了广泛研究,目前取得许多成果.本文介绍了基本粒子群优化和标准粒子群优化算法,综述了惯性权重在粒子群优化算法中的各种改进策略.为粒子群优化算法的进一步改进研究提供参考.(本文来源于《渤海大学学报(自然科学版)》期刊2019年03期）
雷志伟,张兴,武海澄,周海雁,阚俊超[8]（2019）在《基于改进型量子粒子群优化算法的汽轮机流量特性优化研究》一文中研究指出汽轮机流量特性是火电机组主要调节系统的重要特性之一,关系着机组安全、节能、稳定运行。本文建立汽轮机流量特性仿真优化模型,提出基于改进型量子粒子群优化算法(QPSO)的双目标仿真优化算法,以解决汽轮机流量特性线性度和重迭度耦合优化难题,实现汽轮机流量特性优化;将仿真优化结果应用至实际生产当中,解决了汽轮机流量特性突变、线性度不佳、重迭度大等问题;通过主蒸汽压损和汽轮机热耗率分析,对比了优化前后汽轮机组的节能情况。结果表明,该方法能够有效地提高蒸汽调节品质,降低机组蒸汽节流损失,促进汽轮机组的节能运行水平。(本文来源于《热力发电》期刊2019年11期）
杨晓,王国柱[9]（2019）在《基于PID控制理论的改进粒子群优化算法》一文中研究指出针对粒子群算法搜索速度不足和易于陷入局部最优的问题,基于PID控制理论的方法从其本质出发分析了该算法的迭代公式,揭示了该算法的速度更新机制实质上采用的是一种比例积分(PI)的方式,基于该理论采用PID的控制机理对粒子群算法的本质特性进行改进。为了验证所提策略的有效性,借助MATLAB编程实现了算法的功能并利用benchmark测试函数与标准粒子群算法进行了详细的实验对比。结果表明,改进后的粒子群算法收敛速度得到了明显的提高并且可以有效避免陷入局部最优。(本文来源于《控制工程》期刊2019年08期）
易文周[10]（2019）在《基于差分演化和粒子群优化的改进WSN覆盖算法》一文中研究指出动态部署传感器节点随机性大,无法保证特定目标区域的覆盖质量,引入智能优化算法后有效提高了节点动态部署的质量,但一般的智能优化算法在动态部署时存在"早熟"等缺陷。为了进一步提高节点动态部署的质量,针对节点的覆盖问题进行研究,结合粒子群优化和差分演化的优点,前期用粒子群优化算法,发挥粒子群擅长前期搜索收敛较快的特点,后期用差分演化算法,发挥差分演化擅长局部搜索的特点,这样取双方所长,克服双方所短,从而使算法有更好的搜索能力。仿真结果表明,本文提出的算法相对于改良惯性权重的粒子群算法、结合虚拟力的粒子群算法以及基本差分演化算法,具有更好的搜索能力,优化后的网络覆盖率更高。(本文来源于《计算机与现代化》期刊2019年08期）
改进型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：
针对大规模的未知环境,对一种SA-PSO(Simulated Annealing-Particle Swarm Optimization)算法的多机器人构建地图方法进行研究。多机器人构建地图,即将多个机器人建立的局部地图融合成全局地图,可以更加高效地完成环境地图的绘制。利用粒子群优化(PSO)算法搜索局部地图之间的最优转换矩阵来进行地图配准;再根据局部地图重迭区域匹配的成功率设计自适应概率函数,即重新进行地图配准的概率;最后将配准后的局部地图融合成全局地图。该方法有效解决了PSO算法易陷入局部最优引起的地图融合失败问题,提高了地图融合的成功率。
（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。
改进型粒子群优化算法论文参考文献
[1].李鹏,李兵舰,亓亮,陈凯翔,李迪.一种改进的粒子群优化算法及其在无人机航路规划中的应用[J].舰船电子对抗.2019
[2].张航,姚敏茹,曹凯,高嵩.改进粒子群优化算法的多机器人地图构建[J].计算机应用与软件.2019
[3].徐偲喆,查晓锐.基于改进粒子群优化模糊控制的MPPT算法研究[J].电机与控制应用.2019
[4].仝秋娟,李萌,赵岂.基于分类思想的改进粒子群优化算法[J].现代电子技术.2019
[5].俞颖,黄风华,阮奇.基于改进粒子群优化算法和CRNN的多类SVM分类[J].延边大学学报(自然科学版).2019
[6].王昆凌.改进粒子群优化算法的数据库查询优化方法[J].微型电脑应用.2019
[7].杨博雯,钱伟懿.粒子群优化算法中惯性权重改进策略综述[J].渤海大学学报(自然科学版).2019
[8].雷志伟,张兴,武海澄,周海雁,阚俊超.基于改进型量子粒子群优化算法的汽轮机流量特性优化研究[J].热力发电.2019
[9].杨晓,王国柱.基于PID控制理论的改进粒子群优化算法[J].控制工程.2019
[10].易文周.基于差分演化和粒子群优化的改进WSN覆盖算法[J].计算机与现代化.2019