导读:本文包含了改进的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:混合作用力,微粒群算法,液压阀块,车间调度
改进的微粒群算法论文文献综述
陈东宁,彭晓静,姚成玉,张晓磊,杨晓荣[1]（2019）在《基于改进混合作用力微粒群算法的液压阀块加工车间调度优化》一文中研究指出针对微粒群算法作用力规则的不足,提出改进混合作用力微粒群(IHFPSO)算法。采用阶段性搜索策略,将算法的搜索过程分为前期和后期2个搜索阶段:在前期搜索阶段,微粒在其他微粒的引斥力作用下进行最优搜索,以保持种群多样性;在后期搜索阶段,微粒在双引力及引力提供的加速度的共同作用下向最优解收敛,以提高局部搜索能力。将所提出的IHFPSO算法应用于液压阀块加工车间调度问题,利用矩阵变量来处理约束条件,给出一种基于矩阵的微粒编码、解码方法。通过液压阀块加工车间调度优化实例,将IHFPSO算法与微粒群算法、中值导向微粒群算法、扩展微粒群算法、多作用力微粒群算法进行对比,验证提出的IHFPSO算法结果最优,实现液压阀块加工车间调度优化。(本文来源于《液压与气动》期刊2019年08期）
凌青华,孙伟,韩飞[2]（2017）在《一种改进的基于先验信息和微粒群算法的基因选择方法》一文中研究指出针对KMeans-GCSI-MBPSO-ELM方法中冗余基因去除时会出现的"误删除"现象,提出一种改进的基于先验信息和微粒群算法(particle swarm optimization,PSO)的基因选择方法(I-KGME).在充分考虑基因类别灵敏度(gene-to-class sensitivity,GCS)信息的基础上,利用二进制PSO耦合GCS信息和K-均值聚类算法进行基因选择,并通过二进制PSO算法实现优化.该类方法能够获取低冗余、高预测性的基因子集,并在多个基因表达谱数据上获得了优于经典基因选择方法和KMeansGCSI-MBPSO-ELM方法的性能.(本文来源于《江苏科技大学学报(自然科学版)》期刊2017年06期）
齐宏,陈琴,任亚涛,阮立明[3]（2016）在《改进微粒群算法反演参与性介质辐射物性》一文中研究指出为了准确、快速地反演参与性介质的辐射物性,本文利用有限体积法(FVM)求解频域辐射传递方程获得的反射及透射信号的振幅信息,结合扩散微粒群(RPSO)、吸引扩散微粒群(ARPSO)以及变异的吸引扩散微粒群(MARPSO)叁种智能优化算法,同时反演了激光辐照下各向同性散射的一维均匀平板介质的衰减系数、单次散射反照率。在其他条件均相同的情况下,吸引扩散微粒群(ARPSO)所需的计算时间相比于其他两种算法有明显的降低。使用ARPSO在存在误差情况下进行了反演,发现即使在测量误差为10%时,其反演参数的最大相对误差不超过5%,说明该算法鲁棒性较好。(本文来源于《哈尔滨工程大学学报》期刊2016年09期）
彭艳华[4]（2016）在《基于改进微粒群算法的耕地破碎化热点研究》一文中研究指出耕地破碎化的存在影响着农民的生产生活,以及农业生产的发展,其热点地区更是存在多种负面影响。为了深入研究耕地破碎化热点的空间分布情况,本文通过对各方面热点研究的相关文献的阅读,总结其理论方法,研究热点分析原理;掌握群体智能算法的运行机理,对微粒群算法的基本理论及各种改进方法仔细研读,挖掘该算法与热点研究的关联性,找到适用于热点研究的改进因子;确定了耕地破碎化的评价方法,选取了适于判断耕地破碎程度的因子进行分析。最终运用改进后的微粒群算法对耕地破碎化进行热点探测。本文研究的主要内容有:(1)本文在研究耕地破碎化热点理论的基础上,利用群体智能算法进行热点探测,研究算法原理和确定模型。(2)确定耕地破碎化评价方法,从景观生态学角度出发,建立耕地破碎化评价因子,选择斑块密度、边界密度、平均面积、面积加权形状指数、面积加权分维数五个因子对耕地破碎化现状进行综合分析。(3)引入微粒群算法进行耕地破碎化热点探寻,在微粒群算法中针对热点问题的特性并结合算法自身的特点,根据算法运行前后所侧重参考对象的不同加入了两个权重因子,动态的改变惯性权重,并引入扰动因子来平衡全局。建立热点研究的目标函数,通过适应度函数值大小的判断来更新算法中粒子的速度和位置,最终通过粒子的聚集程度判断耕地破碎化热点。(4)选取百色市为研究区域,利用GIS技术对所需研究数据进行获取和处理,并对耕地破碎化评价因子进行空间相关分析,构建空间矢量数据库,用改进的微粒群算法分析2001年和2013年百色市耕地破碎化热点,并对热点结果加以分析。(5)对改进的微粒群算法与标准微粒群算法进行精度的对比、性能的分析,发现改进后的算法运行效率更高,结果评定更好,同时也证明了改进后的微粒群算法可以很好的运用到热点研究中。综上,将两个动态惯性权重因子和扰动因子引入到微粒群算法中,建立改进机制,模拟热点探测过程,通过Arc GIS与Matlab技术搭建平台,构建模型,编写算法,最终利用这种智能的群体优化算法实现了耕地破碎化热点的研究。(本文来源于《广西师范学院》期刊2016-06-01）
刘玉丁[5]（2016）在《基于改进微粒群算法的建设项目多目标动态优化研究》一文中研究指出工程项目多目标优化问题是项目管理领域的研究热点之一。多目标优化问题贯穿于施工管理中的各个阶段,因此对其进行研究可以有效解决施工过程中的具体问题,具有重要的实践价值。采用经典的多目标优化算法虽然能在一定程度上解决工程优化问题,但求解过程较为复杂。而微粒群算法凭借其操作简单,便于实现的特点广泛应用于多目标优化问题。本文首先阐述了微粒群算法的基本原理和拓扑结构,在此基础上得出算法改进的关键点。通过将基于剪枝算法的外部归档集和阈值引入到微粒群算法中,大大提高了算法的种群多样性、全局搜索能力和收敛速度。并建立基于理想点法的适应度函数,避免了设置各目标函数权重的主观性。并采用测试函数证实改进微粒群算法的有效性。其次,在传统工期、成本、质量模型的基础上,结合工程项目的实际特点,建立了多目标综合优化模型。在成本—工期模型的研究基础上,考虑到资金的时间价值,提出了引入费用现值的成本—工期模型。此外,根据系统可靠度理论,分析工序质量可靠度与工序持续时间的关系,建立基于系统可靠度的质量—工期模型。最后,为了验证改进微粒群算法的有效性,本文结合工程实例,采用改进的微粒群算法和非劣分类遗传算法(NSGA-II算法)进行优化对比。结果表明:改进的微粒群算法比NSGA-II算法的优化结果更科学、收敛速度更快。(本文来源于《河北工程大学》期刊2016-05-28）
郝武伟[6]（2016）在《一种动态调整的改进微粒群算法》一文中研究指出微粒群算法,是一种新型的进化计算方法,在不同领域有着广泛应用。通过研究基本微粒群算法发现,计算过程应用测度为零的线性进行搜索过程中,基本群算法会较早的进入早收敛现象,因此提出了改进版的微粒群算法,该算法在运算过程中可将极限位置进行动态化的调整,使得各个微粒的极限位置在其线性运动后形成动态圆形分布。对改进版的微粒群算法进行实例仿真,证明了其方法的可靠性和有效性。(本文来源于《陕西职业技术学院学报》期刊2016年01期）
吴再新,高尚策,齐洁[7]（2016）在《求解动态车间调度问题的改进微粒群算法》一文中研究指出为了对生产车间调度过程中发生的动态事件进行快速、有效的处理,提出了一种将微粒群算法与遗传算法(GA)、模拟退火算法(SA)相结合的混合微粒群算法(GSPSO)。通过用标准车间调度问题对该算法的性能进行检验;然后把该算法用于解决基于事件驱动调度策略的动态车间调度问题;仿真结果表明GSPSO算法具有快速的收敛性和可行性,能对生产过程中发生的动态事件进行合理调度。(本文来源于《电子设计工程》期刊2016年01期）
李万庆,刘玉丁,孟文清,岳丽飞[8]（2016）在《基于改进微粒群算法的建设项目多目标动态优化》一文中研究指出针对建设项目的复杂性和动态性,建立基于改进微粒群算法的多目标动态优化模型.首先,为提高算法性能,引入外部归档集和阈值并构建基于理想点法的适应度函数;其次,分别建立工期模型、加入系统可靠度的质量模型以及加入费用现值的成本模型,由其得到综合优化模型;最后结合工程实例对算法进行验证并与非劣分类遗传算法(NSGA-Ⅱ算法)对比.结果表明:方法比NSGA-Ⅱ算法的优化结果更科学、收敛速度更快.(本文来源于《数学的实践与认识》期刊2016年01期）
徐海波,仲梁维,龚文露[9]（2015）在《车间生产调度优化中改进微粒群算法的应用》一文中研究指出为有效解决车间生产作业调度这一非确定性问题,给出了一种基于工序的编码方法。在微粒群算法的基础上,进一步结合遗传算法和模拟退火算法,提出了一种新型混合微粒群算法。将算法用于求解FT06问题和LA01问题,显示了其很好的收敛性。(本文来源于《机械工程与自动化》期刊2015年03期）
连丽婷,杨明明,孙开江[10]（2015）在《基于改进微粒群算法的磁靶电流参数优化调整》一文中研究指出为克服基本微粒群算法易早熟的缺点,建立一种基于改进微粒群算法的磁靶电流参数优化调整模型。该方法采用一种非线性递减函数对惯性权重参数进行调整,并通过绘制的磁场模拟精度随电流参数个数的变化趋势图,确定一定精度要求下的最佳电流参数个数。仿真结果表明,通过该方法优化电流参数后,不仅保证了磁靶的模拟精度,而且所需的电流个数最少,符合工程实际。(本文来源于《舰船科学技术》期刊2015年03期）
改进的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：
针对KMeans-GCSI-MBPSO-ELM方法中冗余基因去除时会出现的"误删除"现象,提出一种改进的基于先验信息和微粒群算法(particle swarm optimization,PSO)的基因选择方法(I-KGME).在充分考虑基因类别灵敏度(gene-to-class sensitivity,GCS)信息的基础上,利用二进制PSO耦合GCS信息和K-均值聚类算法进行基因选择,并通过二进制PSO算法实现优化.该类方法能够获取低冗余、高预测性的基因子集,并在多个基因表达谱数据上获得了优于经典基因选择方法和KMeansGCSI-MBPSO-ELM方法的性能.
（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。
改进的微粒群算法论文参考文献
[1].陈东宁,彭晓静,姚成玉,张晓磊,杨晓荣.基于改进混合作用力微粒群算法的液压阀块加工车间调度优化[J].液压与气动.2019
[2].凌青华,孙伟,韩飞.一种改进的基于先验信息和微粒群算法的基因选择方法[J].江苏科技大学学报(自然科学版).2017
[3].齐宏,陈琴,任亚涛,阮立明.改进微粒群算法反演参与性介质辐射物性[J].哈尔滨工程大学学报.2016
[4].彭艳华.基于改进微粒群算法的耕地破碎化热点研究[D].广西师范学院.2016
[5].刘玉丁.基于改进微粒群算法的建设项目多目标动态优化研究[D].河北工程大学.2016
[6].郝武伟.一种动态调整的改进微粒群算法[J].陕西职业技术学院学报.2016
[7].吴再新,高尚策,齐洁.求解动态车间调度问题的改进微粒群算法[J].电子设计工程.2016
[8].李万庆,刘玉丁,孟文清,岳丽飞.基于改进微粒群算法的建设项目多目标动态优化[J].数学的实践与认识.2016
[9].徐海波,仲梁维,龚文露.车间生产调度优化中改进微粒群算法的应用[J].机械工程与自动化.2015
[10].连丽婷,杨明明,孙开江.基于改进微粒群算法的磁靶电流参数优化调整[J].舰船科学技术.2015