导读:本文包含了粒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:粒群优化,导航,定位,控制系统
粒群优化算法论文文献综述
毛晓琦[1]（2016）在《基于粒群优化算法的导航定位控制系统设计》一文中研究指出目前对于定位导航系统的精度越来越高,特别是在交通领域。本文提出的基于粒群优化算法的导航定位控制系统主要在数据处理方面完成对节点位置信息的准确控制,通过对节点位置信息与定位数据库参考数据进行比对,利用粒群优化算法的全局最优及局部最优算法,对节点位置进行导航定位控制。通过实验表明该控制方法具有较高的精度及稳定性。(本文来源于《黑龙江科技信息》期刊2016年26期）
王荣杰,詹宜巨,周海峰,陈美谦[2]（2013）在《基于粒群优化的图像有序盲分离算法》一文中研究指出针对图像的有序盲分离技术,提出一种基于粒子群优化的盲源抽取方法。该方法首先根据图像信号的高阶统计特性构造用于估计分离向量的目标函数,然后通过改进的粒子群算法优化该函数,获得最佳分离向量,并实现图像信号的逐次恢复。仿真实验结果表明,该方法不仅能依四阶累积量的绝对值降序地实现图像信号的盲分离,还能同时分离服从超高斯分布的语音信号和服从亚高斯分布的图像信号。(本文来源于《中国航海》期刊2013年04期）
常晓林,喻胜春,马刚,周伟[3]（2011）在《基于粒子迁徙的粒群优化算法及其在岩土工程中的应用》一文中研究指出受自然界物种迁徙的启发,提出了一种新的改进的粒群优化算法(MPSO)。算法初始化时,将粒子随机地划分为若干个子粒群,每个子粒群按照给定的策略独立演化,在演化中的指定时段进行粒子的随机迁徙和自适应变异,以保持整个种群的多样性,避免早熟收敛。基准测试函数的计算结果表明,MPSO算法的性能优于其他几种改进算法。堆石体幂函数流变模型,参数较多,具有很强的非线性,将MPSO算法应用到堆石体幂函数流变模型的参数反演中。计算结果表明,利用反演的流变模型参数计算的坝体流变变形与实测变形在发展规律和数值上均比较吻合,证明MPSO算法在多参数、强非线性的复杂模型参数反演中的优越性。(本文来源于《岩土力学》期刊2011年04期）
岳晓光,麦范金,赵子强,崔建明[4]（2011）在《多真体系统理论及粒群优化算法在煤矿救灾机器人中的应用探讨》一文中研究指出为了提高煤矿救灾机器人的工作效率,在分析了国内外煤矿救灾及其机器人的研究现状的基础上,结合多真体系统理论及粒群优化算法的相关概念,设计了一个基于多真体系统理论和粒群优化的煤矿救灾机器人工作的算法。(本文来源于《煤矿机械》期刊2011年02期）
应文豪,王士同[5]（2009）在《使用稳态系统和粒群优化算法进行基因调控网络推断》一文中研究指出基因调控网络模型试图从海量的时序基因表达数据中研究基因的功能,推断基因之间的调控关系,从而揭示复杂的病理现象和生命现象。通过利用时序基因表达数据来推断一个基于稳态系统(S-system)模型的基因网络,提出使用粒群优化算法(PSO)来优化模型参数,从而捕捉基因表达数据中的动力学特性。实验结果表明,该方法能够使模型参数快速得到收敛,配置参数后模型仿真能力好,可以较好地识别基因调控关系。(本文来源于《计算机应用与软件》期刊2009年03期）
宋凌,李枚毅,李孝源[6]（2008）在《基于粒群优化的K均值算法及其应用》一文中研究指出针对K均值聚类算法依赖于初始值的选择,且容易收敛于局部极值的缺点,提出一种基于粒群优化的K均值算法。利用粒群优化指导K均值算法的初始值选择,使其容易收敛到全局极值。将该算法应用到入侵检测中,实验结果表明该算法聚类效果好、收敛快、容易实现。(本文来源于《计算机工程》期刊2008年16期）
孙琪,张富宇[7]（2007）在《粒群优化算法》一文中研究指出本文首先简要描述了粒群算法一般形式,然后讨论了该算法的应用、发展和展望以及改进优化,然后介绍了一种基于压缩空间的CSV2PSO算法,给出了该算法的详细介绍以及和其它粒群算法的数值比较分析,它提高了粒群算法的收敛速度和收敛精度,降低了早熟收敛的比率,具有广阔的应用前景。(本文来源于《电脑知识与技术(学术交流)》期刊2007年16期）
王翠茹,江将[8]（2007）在《采用粒群优化的自适应免疫遗传退火算法》一文中研究指出为了更好地解决函数优化的问题,弥补传统寻优方法的不足,将粒群优化算法以及模拟退火的思想引入免疫遗传算法中,并定义了基于距离测度的个体浓度,并以此来自适应地确定其交叉概率和变异概率,形成一类新的混合免疫遗传算法。有效地提高了算法的收敛速度,同时,保持了个体的多样性,并通过模拟退火操作避免了陷入局部最优,有效地提高了算法性能。将其应用到几个典型函数的寻优过程中,实验证明,该算法具有较好的收敛性及较快的收敛速度。(本文来源于《计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集》期刊2007-08-01）
宋乃华,邢清华[9]（2006）在《一种新的基于粒群优化的BP网络学习算法》一文中研究指出标准BP学习算法是多层感知器的一种训练学习算法,是基于无约束极值问题的梯度法而设计的。针对标准算法存在的收敛速度慢、目标函数易陷入局部极小等缺点,该文提出了一种基于粒群优化的全新学习算法——粒群学习算法。该算法采用并行全局寻优策略,使网络以更快的速度收敛至全局最优解,且更易于编程实现。仿真实例证明,该算法是一种简洁高效的BP神经网络学习算法,有着极为广泛的应用前景。(本文来源于《计算机工程》期刊2006年14期）
刘丽珏,蔡自兴,唐琎[10]（2006）在《采用粒群优化的免疫克隆算法》一文中研究指出利用免疫系统的克隆选择机制,结合粒群优化算法的进化方程,提出一种用于函数优化的算法。算法的主要特点是利用免疫处理操作,提高种群的多样性,利用进化方程提高收敛速度。仿真程序表明,该算法能以较快速度完成给定范围的搜索和全局优化任务。(本文来源于《计算机应用》期刊2006年04期）
粒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：
针对图像的有序盲分离技术,提出一种基于粒子群优化的盲源抽取方法。该方法首先根据图像信号的高阶统计特性构造用于估计分离向量的目标函数,然后通过改进的粒子群算法优化该函数,获得最佳分离向量,并实现图像信号的逐次恢复。仿真实验结果表明,该方法不仅能依四阶累积量的绝对值降序地实现图像信号的盲分离,还能同时分离服从超高斯分布的语音信号和服从亚高斯分布的图像信号。
（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。
粒群优化算法论文参考文献
[1].毛晓琦.基于粒群优化算法的导航定位控制系统设计[J].黑龙江科技信息.2016
[2].王荣杰,詹宜巨,周海峰,陈美谦.基于粒群优化的图像有序盲分离算法[J].中国航海.2013
[3].常晓林,喻胜春,马刚,周伟.基于粒子迁徙的粒群优化算法及其在岩土工程中的应用[J].岩土力学.2011
[4].岳晓光,麦范金,赵子强,崔建明.多真体系统理论及粒群优化算法在煤矿救灾机器人中的应用探讨[J].煤矿机械.2011
[5].应文豪,王士同.使用稳态系统和粒群优化算法进行基因调控网络推断[J].计算机应用与软件.2009
[6].宋凌,李枚毅,李孝源.基于粒群优化的K均值算法及其应用[J].计算机工程.2008
[7].孙琪,张富宇.粒群优化算法[J].电脑知识与技术(学术交流).2007
[8].王翠茹,江将.采用粒群优化的自适应免疫遗传退火算法[C].计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集.2007
[9].宋乃华,邢清华.一种新的基于粒群优化的BP网络学习算法[J].计算机工程.2006
[10].刘丽珏,蔡自兴,唐琎.采用粒群优化的免疫克隆算法[J].计算机应用.2006