导读:本文包含了群搜索论文开题报告文献综述及选题提纲参考文献，主要关键词:需求侧响应,非侵入量测,粒子群算法,参数优化
群搜索论文文献综述
张云翔,赵少东,饶竹一,秦毅,吴恒[1]（2019）在《厨房电器设备非侵入式粒子群搜索辨识及参数优化方法研究》一文中研究指出为了挖掘居民负荷参与需求侧响应的潜力,避免侵入式量测在居民负荷采集难以推广的问题,提出基于非侵入量测通过粒子群算法对非侵入量测关口的电气量稳态特征进行搜索辨识的方法。为解决多特征量中以单一特征量辨识准确率低,而多特征量综合辨识的系数难以确定的问题,提出了综合特征量适应度函数和辨识系数优化方法。最后,基于一组算例验证了所提方法的有效性,能够有效提高通过稳态量进行厨房设备辨识的准确率。(本文来源于《电器与能效管理技术》期刊2019年02期）
赵玉强,钱谦[2]（2018）在《一类带学习与竞技策略的混沌天牛群搜索算法》一文中研究指出为解决单个体天牛须搜索算法在多维问题寻优时存在收敛慢的问题,提出了一种带有群体学习行为与竞技场竞争机制的天牛群搜索算法。首先,算法嵌入混沌序列生成天牛群体,使个体在移动中动态学习群体经验,以提高算法的收敛速度。其次,在一部分聚集度过高的个体中引入竞技场机制,规则性转移劣败个体,以增强算法后期的探索能力,有效避免了局部寻优的问题。最后,对多维优化函数进行测试,并与粒子群算法和实数遗传算法进行对比。仿真结果表明,所提算法具有较快的收敛速度和较好的寻优能力,是一类有价值的新型群智能优化算法。(本文来源于《通信技术》期刊2018年11期）
陈海华,邵亚丽,张莉敏,田小路[3]（2018）在《基于群搜索算法的虚拟企业伙伴选择问题》一文中研究指出为了适应市场需求,企业间通常需要相互联盟,共同组成一个虚拟企业来共同实现产品的开发、生产。伙伴选择问题是虚拟企业运营成败的关键。因受到的投标者数量大、评价指标多、判断标准多等多种因素的影响,伙伴选择是一个多目标决策问题,文章采用群搜索算法来解决。通过对群搜索算法的深入研究,提出了基于贪心策略和角色分配策略2种改进方案。通过实验,得到改进后的群搜索算法能提高收敛速度、减少搜索到最优解的代数或提高算法的个体多样性。(本文来源于《电子测试》期刊2018年21期）
马龙,卢才武,顾清华,阮顺领[4]（2018）在《引入改进鸽群搜索算子的粒子群优化算法》一文中研究指出随着迭代计算过程的推进,标准粒子群算法后期容易出现收敛速度较慢、精度较低、早熟及开发探索能力较弱等问题.针对上述不足,文中提出引入改进鸽群搜索算子的粒子群优化算法,采用Beta反向学习策略进行种群的初始化,实现种群粒子分布的多样性.首先采用线性和非线性变异策略改进鸽群算法中的地图罗盘算子,提高鸽群算法的开发和探索能力.然后采用改进后的组合优化鸽群算子更新粒子群中粒子位置和速度,提高收敛速度和计算精度,避免算法陷入局部最优.实验表明,文中算法提高收敛计算速度,精度达到函数设定的理想值.(本文来源于《模式识别与人工智能》期刊2018年10期）
谢宇,王庆龙,赵春霞[5]（2018）在《基于群搜索优化的特征子集选择》一文中研究指出在数据挖掘、机器学习、人工智能等领域中,常常需要从数据集的原始特征中选择出一些有效特征来降低数据集的维度。本文提出使用群搜索优化的方法来进行特征子集的选择。群搜索优化是一种受生物觅食行为启发的智能优化算法,该算法利用种群内部各成员之间进行的信息共享以及相互之间的分工协作来增加群体搜索到资源的概率。实验结果表明,相对于其它启发式算法,群搜索优化算法在特征子集选择中具有明显优势。(本文来源于《吉林工程技术师范学院学报》期刊2018年08期）
王丽华,王锡淮,肖建梅[6]（2018）在《基于群搜索算法的风光储微电网优化调度》一文中研究指出面对传统的电力发电系统火力不足且造成严重的环境污染问题,大力建设清洁能源为主的微电网具有重要的意义。本文搭建了由光伏、风能、储能电池、海水淡化系统等分布式电源构成的微电网系统。在保持微电网能正常运行的前提下,以实现经济环保成本最低为目标,建立了微电网的优化调度模型。最后分别运用粒子群搜索算法(PSO)、群搜索算法(GSO)对该模型进行寻优,并且进一步改进GSO算法。通过算例验证该模型的有效性。算例结果表明改进后的群搜索算法收敛速度更快,优化结果最好。(本文来源于《船电技术》期刊2018年08期）
吴乐[7]（2018）在《基于切比雪夫分解法的多目标发电调度群搜索算法研究》一文中研究指出随着化石能源的逐渐枯竭,越来越多的新能源被开发和利用,这使电力系统的稳定与安全也受到越来越多的不确定因素的影响。发电调度优化技术不仅是解决电力系统中弃风、弃光的问题重要一环,也是降低发电成本和减少环境污染、促进国民经济健康发展的关键。在大规模负荷供需关系的场景下,合理有效地分配各发电厂的发电功率,综合不同发电指标的优化,使各个目标或使不同的多个竞争性目标达到帕累托最优是一种能够解决电网经济运行及保持稳定的有效方法。因此,深入研究电力系统中的多目标发电调度的优化方法对我国的经济发展和能源结构调整有着不可估量的意义。构建了一种新的多目标发电调度模型。这种模型在传统火力发电调度模型的基础上,考虑电动汽车通过V2G(Vehicle-to-grid)网络逆向放电和风能发电来有效缓解电力系统的用电压力。以发电所需要的成本、污染气体排放量和网损为优化目标,在满足功率平衡约束、机组上下限约束、线路安全约束、旋转备用约束、节点电压的幅值与相角约束等条件下,构建了考虑V2G网络和风力发电的一种新的多目标发电调度模型。提出了基于切比雪夫分解的多目标发电调度群搜索算法。该算法通过切比雪夫分解法将一个多目标问题分解为若干个子问题;再依次对这些子问题运用欧氏距离形成子群问题;对每个子群问题中的一个问题采用群搜索算法求解后,借助子问题的信息相似性快速给出其他子问题的解;上述过程反复进行,直至满足终止条件,即得多目标发电调度问题的解。运用两个新构建的含V2G和风力发电的电力系统对上述调度方法进行了仿真验证。构建了含V2G网络和风力发电的IEEE-30节点和IEEE-118节点两个测试系统,分别构建两目标和叁目标调度模型。基于Matlab2014a软件平台,编写本文所提方法的多目标发电调度仿真程序,并与NSGA-II、MGSO和MOEA/D叁种典型算法进行比较。仿真并分析了基于切比雪夫分解的多目标发电调度群搜索算法的鲁棒性,仿真并分析了风电尺度因子和V2G网络的不确定因素对优化调度的影响。构建的同时考虑V2G网络和风力发电的多目标发电调度模型弥补了已有调度模型没有同时考虑这两种电源参与调度的缺陷。提出的基于切比雪夫分解的多目标发电调度群搜索算法解决多目标发电调度求解难度大的问题。仿真结果表明,本文提出的基于切比雪夫分解法的多目标发电调度群搜索算法有效、可行。(本文来源于《深圳大学》期刊2018-06-30）
邹华福,谢承旺,周杨萍,王立平[8]（2018）在《应用反向学习和差分进化的群搜索优化算法》一文中研究指出针对标准群搜索优化算法在解决一些复杂优化问题时容易陷入局部最优且收敛速度较慢的问题,提出一种应用反向学习和差分进化的群搜索优化算法(Group Search Optimization with Opposition-based Learning and Differential Evolution,OBDGSO)。该算法利用一般动态反向学习机制产生反向种群,扩大算法的全局勘探范围;对种群中较优解个体实施差分进化的变异操作,实现在较优解附近的局部开采,以改善算法的求解精度和收敛速度。这两种策略在GSO算法中相互协同,以更好地平衡算法的全局搜索能力和局部开采能力。将OBDGSO算法和另外4种群智能算法在12个基准测试函数上进行实验,结果表明OBDGSO算法在求解精度和收敛速度上具有较显着的性能优势。(本文来源于《计算机科学》期刊2018年S1期）
孙洁,王姗姗[9]（2018）在《基于狼群搜索算法的函数优化问题求解》一文中研究指出针对当前函数优化问题求解方法存在求解精度低、收敛速度慢等不足,提出了基于狼群搜索算法的函数优化问题求解方法 .首先构建函数优化问题的数学模型,然后采用狼群搜索算法在潜在解的空间进行寻优,找到函数优化问题的全局最优解,最后进行了具体函数优化问题求解的仿真实验.测试结果表明:狼群搜索算法加快了函数优化问题的求解速度,而且函数优化问题解的精度高,优于其他函数优化问题求解方法.将狼群搜索算法应用于无线电信异常信号识别的特征选择中,获得了较好的无线电信异常信号识别效果.(本文来源于《湘潭大学自然科学学报》期刊2018年02期）
李敬伟,张皓,赵丽[10]（2017）在《基于改进群搜索优化算法的云计算任务调度方案》一文中研究指出针对云计算中的任务调度问题,提出一种基于改进群搜索优化(IGSO)算法的任务调度方案.首先,为了解决传统GSO算法的收敛速度较慢,不能很好地应用在云任务实时调度的问题,在搜索者和游荡者的位置更新中融入了粒子群算法中的粒子位置更新策略,提出一种快速收敛的改进GSO算法.然后,将任务调度问题进行编码,以任务执行时间为适应度函数,通过提出的IGSO算法寻找最优调度方案.仿真结果表明,该方案能够快速且合理地调度任务,具有可行性和有效性.(本文来源于《湘潭大学自然科学学报》期刊2017年04期）
群搜索论文开题报告
（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：
为解决单个体天牛须搜索算法在多维问题寻优时存在收敛慢的问题,提出了一种带有群体学习行为与竞技场竞争机制的天牛群搜索算法。首先,算法嵌入混沌序列生成天牛群体,使个体在移动中动态学习群体经验,以提高算法的收敛速度。其次,在一部分聚集度过高的个体中引入竞技场机制,规则性转移劣败个体,以增强算法后期的探索能力,有效避免了局部寻优的问题。最后,对多维优化函数进行测试,并与粒子群算法和实数遗传算法进行对比。仿真结果表明,所提算法具有较快的收敛速度和较好的寻优能力,是一类有价值的新型群智能优化算法。
（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。
群搜索论文参考文献
[1].张云翔,赵少东,饶竹一,秦毅,吴恒.厨房电器设备非侵入式粒子群搜索辨识及参数优化方法研究[J].电器与能效管理技术.2019
[2].赵玉强,钱谦.一类带学习与竞技策略的混沌天牛群搜索算法[J].通信技术.2018
[3].陈海华,邵亚丽,张莉敏,田小路.基于群搜索算法的虚拟企业伙伴选择问题[J].电子测试.2018
[4].马龙,卢才武,顾清华,阮顺领.引入改进鸽群搜索算子的粒子群优化算法[J].模式识别与人工智能.2018
[5].谢宇,王庆龙,赵春霞.基于群搜索优化的特征子集选择[J].吉林工程技术师范学院学报.2018
[6].王丽华,王锡淮,肖建梅.基于群搜索算法的风光储微电网优化调度[J].船电技术.2018
[7].吴乐.基于切比雪夫分解法的多目标发电调度群搜索算法研究[D].深圳大学.2018
[8].邹华福,谢承旺,周杨萍,王立平.应用反向学习和差分进化的群搜索优化算法[J].计算机科学.2018
[9].孙洁,王姗姗.基于狼群搜索算法的函数优化问题求解[J].湘潭大学自然科学学报.2018
[10].李敬伟,张皓,赵丽.基于改进群搜索优化算法的云计算任务调度方案[J].湘潭大学自然科学学报.2017