导读:本文包含了生物群体智能论文开题报告文献综述及选题提纲参考文献，主要关键词:生物群体智能,免疫蛙跳算法,投影寻踪模型,水资源综合效益
生物群体智能论文文献综述
许准,郭晓亮,徐昕,董壮,田浪[1]（2016）在《生物群体智能优化的投影寻踪模型在灌区水资源综合效益研究中的应用》一文中研究指出将高维降维技术的投影寻踪模型引入到灌区水资源综合效益的研究中,并采用生物群体智能算法对投影寻踪模型进行优化,以提高投影寻踪模型的准确度。以经济效益、生态环境效益以及社会效益3方面建立指标体系,并提出了5类等级标准。以漳河灌区为例,利用所建模型对该灌区水资源综合效益进行研究,并对不同指标的贡献度进行了分析。结果表明,漳河灌区2013年的综合效益等级为等级Ⅲ(一般);在灌区水资源综合效益研究方面,优化后的投影寻踪模型具有较好的实用性和可信性。(本文来源于《水资源保护》期刊2016年03期）
杨斌[2]（2016）在《基于生物智能算法的群体机器人协同控制》一文中研究指出随着机器人的使用模式从部件式单元应用向系统式应用的方向发展,机器人的应用已经逐渐地进入了大众的视野,同时群体机器人系统因其能够更好地满足人们的需求而得到了越来越多的关注与研究,相关的研究与应用也如雨后春笋般层出不穷。本论文介绍了群体机器人技术的起源、发展与应用,对领域内的主要研究方向和内容进行了分析和探讨,进而提出基于生物智能算法对群体机器人的控制方法进行优化。首先在菌群算法(Bacterial Chemotaxis)的基础上提出了改进菌群算法进行群体机器人自主目标搜索和围捕,利用自组织群体机器人解决该问题,提出了基于细菌趋化性的群体机器人智能控制算法实现目标搜索和围捕。根据目标区域内群体机器人的随机位置生成一个初始坐标系,再将目标区域划分为Voronoi单元,之后群体机器人在目标区域梯度信息的引导下实现目标搜索和围捕。仿真结果表明了算法的有效性及机器人发生故障时的鲁棒性。与群体机器人分布式控制等常用方法相比,模拟实验的结果表明,这种细菌趋局部最优,而且计算效率高。然后在上述算法的基础上,提出基于动态Voronoi图的群体机器人控制算法,在群体机器人进行任务操作时,根据机器人实时位置动态地划分目标区域,以确保机器人下一步的目标位置为距离自身最近的位置。仿真实验结果表明,算法的提出与实施有效地提高了群体机器人区域覆盖和目标围捕的效率,降低了重复探测率。接着,对于群体机器人控制中出现的带时滞随机连续噪声,给出基于随机基因调控网络(SGRN)和多目标优化的滤波器,仿真实验结果表明,滤波器的使用可以明显地提高在有噪声情况下基于SGRN群体机器人控制系统的收敛速度和运行精度。最后,对论文的全部工作进行了总结,并作出了群体机器人控制方法研究展望。(本文来源于《东华大学》期刊2016-05-01）
高政威[3]（2012）在《模拟生物群体智能的优化方法及其应用研究》一文中研究指出生态系统是人类科学创新的灵感源泉,自然界生物智能行为是人工智能学科研究的起源、进化历程和最终归宿。大自然中的生命个体完美而精妙,由个体组成的群体更是绚烂多姿：鸟群在没有集中控制的情况下能够同步飞行；一群看似简单的蜜蜂,却能造出精美的蜂巢；最低等的单细胞生物细菌,可以在一个迷宫里找到最短路径,或以高效的方式连接不同的食物阵列,而且不会出现故障容差。可见,在自然界漫长的发展进化过程中,各种生命形式经过残酷的优胜劣汰,最终能够生存下来的自然生物,均具有非凡的生存能力和智慧。因此,研究者受生物系统在应对复杂环境时表现出的鲁棒性和自适应性所启发,提出许多模拟生物行为的计算模型与算法以解决复杂工程优化问题。这些基于生物行为的智能优化方法具有应用范围广泛、优化性能高效、无需问题特殊信息、鲁棒性强等优点,已在诸多实际应用领域展现出巨大的发展潜力。本文从概念、性质、模型、方法等多角度对几种模拟自然界群体智能的生物启发式计算方法进行了深入研究,结合当前生物启发式计算研究中的热点、难点和关键问题,从理论和工程应用两方面进行了群体智能优化算法的深刻研究,取得了诸多具有创新性和应用价值的研究成果,具体如下：(1)基于蜂群行为的蜂群算法改进研究与应用在分析基本蜂群算法不足的基础上,提出离散版本的蜂群优化算法(BABC)和基于信息交流结构的蜂群优化算法(TABC.V).其中,BABC算法填补了蜂群算法求解离散优化问题的研究空白；TABC.V通过将信息交流拓扑结构嵌入到基本蜂群算法中,显着提高了蜂群算法的优化性能。通过离散和连续函数测试,验证了两种改进算法具有能够高效求解优化问题的能力,克服基本蜂群算法的早熟收敛现象。将BABC算法与TABC.V算法分别应用在了背包问题的求解和神经网络训练问题上,仿真实验表明两种蜂群算法具有优秀的工程优化问题求解能力。(2)基于协同进化理论的多群体共生进化优化模型研究与应用将协同进化理论与自然界生物共生现象相结合,提出了一种基于共生模式的多群体协同进化优化模型。将标准粒子群算法嵌入到多群体协同进化模型中,提出了一种多群体共生协同进化粒子群优化算法(MSPSO).根据叁种典型的共生模式,提出了叁个版本的MSPSO算法：MSPSO.C、 MSPSO.P和MSPSO.M。仿真实验表明,MSPSO算法能够在保持种群多样性的同时,迅速收敛到问题的全局最优解,具有求解复杂工程优化问题的潜力。将MSPSO算法应用于求解大规模RFID网络的读写器调度问题。基于4个不同规模RFID网络的仿真研究表明,MSPSO算法在求解较大规模RFID网络调度问题时相比粒子群和遗传算法表现出了明显的优势,能够高效求解复杂工程优化问题。(3)基于最优觅食与社会学习理论的菌群优化算法研究与应用在现有细菌优化算法模型的基础上,引入了细菌自适应觅食机制和群体感应机制,提出了菌群觅食优化算法(BCF)。将BCF算法应用于求解新型合成函数优化问题,并与其它传统的群体智能优化算法进行了性能研究,结果表明BCF具有复杂函数优化问题求解能力。将BCF算法应用于数据挖掘的聚类分析问题,研究了基于BCF的聚类分析算法在典型数据集聚类方面的表现,试验结果表明基于BCF的聚类分析算法与现有成功的生物启发式算法相比具有更快的收敛速度,而且聚类品质较高。综上所述,本文利用生物学蜜蜂种群、细菌群体以及协同进化理论的最新研究成果,从生物建模、算法设计、理论分析和工程应用四个层面对基于生物行为智能算法的理论与应用展开研究。在生物建模方面,对生物个体行为、群体交流模式和多种群协同进化进行抽象、建模与仿真；在算法设计方面,通过模拟多种生物智能行为,产生一系列新型智能优化算法；在理论分析方面,深入研究算法的多样性保持策略、兼顾全局与局部搜索的均衡策略以及算法参数自适应优化策略,克服早熟收敛、收敛精度差等问题；在工程应用方面,本课题对神经网络训练、RFID网络调度以及聚类分析等实际生产过程中广泛应用的复杂工程优化问题进行深入研究并建立相应的优化模型,通过模型求解分析所提出方法的有效性和可行性。论文的研究成果将深化和丰富已有的计算智能理论,扩大其应用范围,为构建生物启发计算方法的一般理论体系提供了重要参考。论文提出的优化和学习方法,在具体的仿真和应用中体现了其有效性,具有一定的理论价值和实际应用价值。(本文来源于《东北大学》期刊2012-07-01）
潘秋惠,王震,王恩鹏,贺明峰[4]（2012）在《具有智能生物种群的演化:学习方式对群体演化的影响(英文)》一文中研究指出在Penna model基础上引入智能因素,建立了具有学习能力的生物演化模型.考虑智能、经验和环境因素定义了个体的学习方式,讨论了学习方式及学习的知识类型对种群演化的影响.从所得结果看出个体只有充分利用环境,才能使种群规模和群体平均知识有明显的增加.然而随着对外界环境利用程度的加强,种群的平均智能却是在下降,这一点对于联系越来越紧密的人类来说真是值得深思的一个问题.(本文来源于《生物数学学报》期刊2012年02期）
苏电波[5]（2011）在《群体智能算法研究及其在生物序列比对中的应用》一文中研究指出本文首先对群体智能算法做了概述,深入研究了群体智能算法的原理和特点,在此基础上提出了改进智能优化算法,引入交叉算子到量子粒子群算法来保持算法在搜索后期的多样性,使算法具有更好的优化效果,通过对标准测试函数优化,实验结果显示新算法的优化效果较原算法大幅提高,表明了算法改进的有效性。然后本文对生物信息学中的多序列比对问题进行了研究,这是一个NP完全问题。文中对序列比对概念和关键知识做了介绍,分析了基于隐马尔科夫模型的多序列比对的原理,介绍了HMM的叁个基本问题和基于隐马尔科夫模型的多序列比对原理,针对HMM算法中Baum-Welch算法容易陷入局部最优解、全局搜索能力差的问题,本文结合了有较强全局搜索能力的群体智能算法QPSO和具有快速局部搜索能力的BW算法对HMM进行训练,并进一步用Viterbi算法根据训练出的模型进行多序列比对。新算法兼备了QPSO的全局搜索能力和Baum-Welch算法的快速逼近局部最优解能力。最后本文用标准多序列比对库BAliBASE中的测试序列对文中提出的比对算法进行测试,通过和原算法的结果对比,表明文中提出的新比对算法的有效性。根据No Free Lunch定理对于不同的优化问题,单一的优化算法往往在执行速度或者优化精度方面无法获得满意的效果,因此综合考虑多种优化算法的优势,取长补短能够获得较好的效果。(本文来源于《江南大学》期刊2011-03-01）
蓝艇,刘士荣[6]（2007）在《受生物群体智能启发的多机器人系统研究》一文中研究指出首先,介绍了生物社会中的群体智能.接着,讨论了群体机器人技术中的群体控制、群体通信和群体形态等主要研究内容及其发展趋势,并介绍了群体机器人系统的几个典型任务环境.最后,通过一个物体搜集任务的仿真实例来说明群体智能设计原则在多机器人系统中的应用.(本文来源于《机器人》期刊2007年03期）
生物群体智能论文开题报告
（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：
随着机器人的使用模式从部件式单元应用向系统式应用的方向发展,机器人的应用已经逐渐地进入了大众的视野,同时群体机器人系统因其能够更好地满足人们的需求而得到了越来越多的关注与研究,相关的研究与应用也如雨后春笋般层出不穷。本论文介绍了群体机器人技术的起源、发展与应用,对领域内的主要研究方向和内容进行了分析和探讨,进而提出基于生物智能算法对群体机器人的控制方法进行优化。首先在菌群算法(Bacterial Chemotaxis)的基础上提出了改进菌群算法进行群体机器人自主目标搜索和围捕,利用自组织群体机器人解决该问题,提出了基于细菌趋化性的群体机器人智能控制算法实现目标搜索和围捕。根据目标区域内群体机器人的随机位置生成一个初始坐标系,再将目标区域划分为Voronoi单元,之后群体机器人在目标区域梯度信息的引导下实现目标搜索和围捕。仿真结果表明了算法的有效性及机器人发生故障时的鲁棒性。与群体机器人分布式控制等常用方法相比,模拟实验的结果表明,这种细菌趋局部最优,而且计算效率高。然后在上述算法的基础上,提出基于动态Voronoi图的群体机器人控制算法,在群体机器人进行任务操作时,根据机器人实时位置动态地划分目标区域,以确保机器人下一步的目标位置为距离自身最近的位置。仿真实验结果表明,算法的提出与实施有效地提高了群体机器人区域覆盖和目标围捕的效率,降低了重复探测率。接着,对于群体机器人控制中出现的带时滞随机连续噪声,给出基于随机基因调控网络(SGRN)和多目标优化的滤波器,仿真实验结果表明,滤波器的使用可以明显地提高在有噪声情况下基于SGRN群体机器人控制系统的收敛速度和运行精度。最后,对论文的全部工作进行了总结,并作出了群体机器人控制方法研究展望。
（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。
生物群体智能论文参考文献
[1].许准,郭晓亮,徐昕,董壮,田浪.生物群体智能优化的投影寻踪模型在灌区水资源综合效益研究中的应用[J].水资源保护.2016
[2].杨斌.基于生物智能算法的群体机器人协同控制[D].东华大学.2016
[3].高政威.模拟生物群体智能的优化方法及其应用研究[D].东北大学.2012
[4].潘秋惠,王震,王恩鹏,贺明峰.具有智能生物种群的演化:学习方式对群体演化的影响(英文)[J].生物数学学报.2012
[5].苏电波.群体智能算法研究及其在生物序列比对中的应用[D].江南大学.2011
[6].蓝艇,刘士荣.受生物群体智能启发的多机器人系统研究[J].机器人.2007