导读:本文包含了微粒群优化算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:微粒,算法,多核,粒子,运动学,时域,计划。
微粒群优化算法论文文献综述
高世博[1]（2019）在《基于微粒群优化算法的图像阈值分割》一文中研究指出本文简要介绍了微粒群优化算法、图像阈值分割原理和方法,将微粒群优化算法应用到图像阈值分割问题中,对最优分割阈值进行全局寻优,并与基于迭代法、Otsu法的阈值图像分割结果进行对比,结果表明微粒群算法优化的分割阈值分割效果更好。将本方法应用到犯罪现场灰尘加层足迹图像的处理中,取得了较好的图像分割效果,为公安技术人员对犯罪现场物证信息后期处理提供了一种新的方法。(本文来源于《电子技术与软件工程》期刊2019年23期）
李喜林,申英霞[2]（2019）在《基于梯度法的微粒群优化算法在船舶电力系统的应用》一文中研究指出随着电力技术的不断发展,舰船电力设备的数量和质量不断提高,不仅提高了舰船航行的安全性,还促进了舰船作业的效率,提高了船舶工业的生产水平。船舶综合电力系统包括发电机、变电站、输电线路、终端负载等,具有拓扑结构复杂、工作条件恶劣等特点。因此,提高舰船电力系统的安全性、可靠性,改善电力系统的使用质量具有重要的意义。本文充分结合基于梯度法的微粒群优化算法,对舰船电力系统的稳定性理论、故障恢复等问题进行优化和改善。(本文来源于《舰船科学技术》期刊2019年08期）
赵妍,乐燕芬,施伟斌[3]（2019）在《基于微粒群优化LSSVM的室内指纹定位算法》一文中研究指出为了降低利用最小二乘支持向量机(LSSVM)定位过程中参数选取对定位精度的影响,提出一种基于微粒群进行参数优化的室内指纹定位算法。该算法通过离线采集的RSSI数据训练最小二乘支持向量机,利用微粒群算法寻找并确定LSSVM全局最优参数,获得基于位置指纹的LSSVM定位模型。仿真结果表明,相对于传统LSSVM定位,PSO-LSSVM有效提高了定位准确度,并能在小样本情况下保持良好的定位精度。(本文来源于《软件导刊》期刊2019年04期）
刘海波,杨战旗,艾永乐[4]（2018）在《基于微粒群优化算法的直流电机控制系统研究》一文中研究指出针对现有直流电动机控制系统的特点和存在的问题,介绍以STM32单片机为控制核心的直流电机数字调速控制系统。该系统利用PWM信号驱动控制直流电机,将模糊控制与微粒群算法相结合,优化模糊控制器的参数,实现直流电机的驱动和闭环调速控制。实验结果表明,该控制系统结构简单、调速性能好,并具有较强的抗干扰能力,在工程应用中有较高的推广价值。(本文来源于《现代电子技术》期刊2018年08期）
邓怀勇,李心语,吴开贵[5]（2018）在《PSO优化算法的微粒寻优过程移动规律研究》一文中研究指出为了更好地扩展和应用粒子群优化(PSO)算法,明确其寻优过程中微粒的移动规律十分必要.基于PSO算法简化模型,建立了围绕平衡点振动的微粒寻优过程的运动学方程,然后给出参数选择与微粒运动的振动角频率和振幅之间的关系,进而给出了基本粒子群优化算法的微粒寻优运动规律.仿真实验表明,(1)简化PSO模型中粒子的寻优运动规律为:粒子以当前最佳适应值为平衡点进行围绕振动;(2)基本PSO模型中粒子的寻优运动规律为:粒子以随机的角频率和振幅围绕平衡点进行振动.这两条规律填补对微粒寻优过程移动规律认识的空白,有利于推广和改进PSO算法,以便使得其适合解决实际优化问题.(本文来源于《西南师范大学学报(自然科学版)》期刊2018年03期）
方赛银,李明,邱荣祖[6]（2018）在《基于微粒群优化算法的人造板生产批量时域滚动计划》一文中研究指出【目的】生产批量计划是企业制定主令生产计划和物料需求计划的依据,生产批量计划的优化也是企业节约成本和原料的关键所在。目前人造板企业都采用批量生产模式,并且依据事先设定的生产计划确定各个阶段的生产任务,但随着市场竞争的日益激励和个性化需求的提高,每个阶段的实际生产任务通常需要根据市场需求及时调整。为此,针对人造板生产批量计划问题,提出基于微粒群优化算法(PSO)的时域滚动计划。【方法】首先,根据人造板批量生产特点,制定决策变量和约束条件,建立生产批量计划的混合整数决策模型。然后依据决策模型的约束条件,采用降维搜索的方式,提出改进的微粒群求解算法。最后,采用时域滚动计划进行模拟仿真。【结果】仿真结果表明:对于年产10万m3的刨花板生产线而言,以3个月作为一个滚动计划单元,在12个月的生产批量计划中,采用改进PSO算法获得的生产批量计划可以节约1.8%的成本,有生产能力约束时可以节约近0.9%的成本。【结论】对于人造板批量生产模式,时域滚动计划能够使得生产计划动态满足市场需求,同时时域滚动计划模型是一类非确定性(NP)困难问题,智能群集优化算法为此类问题的求解提供了较好的解决途径。未来的研究可以关注生产批量计划问题数学模型的完善以及智能优化算法设计方面。(本文来源于《北京林业大学学报》期刊2018年02期）
万婧[7]（2017）在《求解可重入作业车间调度问题的改进离散微粒群优化算法》一文中研究指出本文针对可重入作业车间调度问题,对离散微粒群算法的搜索方式进行改进,混合一种变异机制,并结合Interchange邻域局部搜索机制,设计与开发有效的混合离散微粒群算法。通过实验仿真结果的比较,有力地证明了所提算法的有效性。(本文来源于《山东科学》期刊2017年06期）
翟文正,胡越黎,冉峰[8]（2016）在《异构多核DAG任务模型的微粒群优化调度算法》一文中研究指出为解决异构多核环境下相关任务高效调度的难题,提出一种面向DAG任务模型的调度算法。通过构造优先级调度队列,以首个任务具有最小累计最早完成时间的处理器核为任务分配对象,基于改进的粒子群优化调度算法进行迭代寻优,在满足任务间依赖的条件下取得最小最大执行时间,得到有效调度方法。实验结果表明,该算法具有解质量高、简单有效和收敛快速的特点,可应用到其它异构及分布环境下任务规模大、关联复杂的情形。(本文来源于《计算机工程与设计》期刊2016年07期）
张勇,夏长红,巩敦卫,荣淼[9]（2016）在《基于多种群协同微粒群优化的流数据聚类算法》一文中研究指出针对流数据的实时、有序和维数高等特点,提出一种基于多种群协同微粒群优化的流数据聚类算法.该算法利用变量分而治之的思想,多个种群协同优化多个类中心,进而求出问题完整的类中心集合.给出一种类中心变化趋势的预估策略,以快速追踪环境变化.为防止多个子微粒群同时优化一个类中心,提出一种相似子微粒群的合并策略.最后将所提出的算法用于多个数据集,实验结果验证了算法的有效性.(本文来源于《控制与决策》期刊2016年10期）
韦栩[10]（2016）在《基于膜系统的微粒群优化算法研究及应用》一文中研究指出膜计算是一种分布式、并行计算模型,是生物计算的新热点,又被称为P系统。膜指生物膜,膜计算是从生命细胞的结构和功能;细胞组织、细胞器官和高级生物组织中细胞群的协作等现象,抽象提取出来的一种全新的计算模型。膜计算具有分布式、极大并行性、非确定性等特点,因此其在智能计算中有优势。早期大量对P系统的研究都是与膜计算的计算性能相关,大量P系统研究已证明P系统有与图灵机相当的优良性能。虽膜计算应用研究起步较晚,然而截至目前膜计算应用研究已经相当活跃,涉及众多领域。微粒群算法是是一个生物模仿型算法,模拟鸟群觅食过程的迁徙和群体移动。传统微粒群优化算法主要用于解决一些连续空间优化问题,算法存在早熟收敛和对离散问题难以应用的弱点。经改进得到的二进制微粒群优化算法可成功用于求解离散空间的优化问题。基于膜计算的非确定性和极大并行性等特点,本文以膜计算模型为基础的计算框架,分别将改进微粒群算法和二进制微粒群算法引入P系统中,在膜计算框架下实现算法,借助膜系统的高度并行性可以提高运算速度,并行计算是未来趋势。本文的主要工作如下:第一章为绪论,介绍课题来源、背景、研究意义,阐述了膜计算和微粒群算法的国内外研究现状,并综述了到目前为止微粒群膜算法的发展,为以后的研究者提供参考。第二章为基本理论,介绍膜计算及微粒群算法理论的基本理论。对于膜计算主要介绍基本概念、膜计算模型、膜计算对象和规则。微粒群算法部分主要阐述算法基本原理,基本微粒群算法和算法的流程、特点。第叁章采用动态选择惯性权重曲线的方式改进微粒群算法,对微粒群算法的惯性权重进行分析改进,提出惯性权重曲线动态选择策略。根据实验结果,设置可行的惯性权重变化曲线数量和迭代间隔次数,运用膜计算你规则的执行来控制惯性权重曲线的动态选择,提出基于动态膜规则的微粒群膜算法。根据带有活性膜的P系统具有膜运算规则的特性,将微粒群算法与膜计算进行有机结合,并对系统的计算复杂度和精度进行分析论证。第四章介绍了二进制微粒群膜算法。首先对原始二进制微粒群算法进行介绍,提出算法不收敛的问题。针对二进制膜算法不收敛的问题,调整二进制微粒群位置更新的方式,提出线性概率映射函数,对二进制微粒群算法进行改进。使用新的线性概率映射函数,保证收敛的前提下,可以提高算法的全局寻优能力。最后对算法的计算性能和可行性进行分析讨论。第五章给出了动态惯性选择惯性权重曲线微粒群膜算法和二进制微粒群膜算法的应用。第六章是本文的总结展望,给出本文中存在的不足,提出可以进一步研究的问题。(本文来源于《山东师范大学》期刊2016-06-17）
微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：
随着电力技术的不断发展,舰船电力设备的数量和质量不断提高,不仅提高了舰船航行的安全性,还促进了舰船作业的效率,提高了船舶工业的生产水平。船舶综合电力系统包括发电机、变电站、输电线路、终端负载等,具有拓扑结构复杂、工作条件恶劣等特点。因此,提高舰船电力系统的安全性、可靠性,改善电力系统的使用质量具有重要的意义。本文充分结合基于梯度法的微粒群优化算法,对舰船电力系统的稳定性理论、故障恢复等问题进行优化和改善。
（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。
微粒群优化算法论文参考文献
[1].高世博.基于微粒群优化算法的图像阈值分割[J].电子技术与软件工程.2019
[2].李喜林,申英霞.基于梯度法的微粒群优化算法在船舶电力系统的应用[J].舰船科学技术.2019
[3].赵妍,乐燕芬,施伟斌.基于微粒群优化LSSVM的室内指纹定位算法[J].软件导刊.2019
[4].刘海波,杨战旗,艾永乐.基于微粒群优化算法的直流电机控制系统研究[J].现代电子技术.2018
[5].邓怀勇,李心语,吴开贵.PSO优化算法的微粒寻优过程移动规律研究[J].西南师范大学学报(自然科学版).2018
[6].方赛银,李明,邱荣祖.基于微粒群优化算法的人造板生产批量时域滚动计划[J].北京林业大学学报.2018
[7].万婧.求解可重入作业车间调度问题的改进离散微粒群优化算法[J].山东科学.2017
[8].翟文正,胡越黎,冉峰.异构多核DAG任务模型的微粒群优化调度算法[J].计算机工程与设计.2016
[9].张勇,夏长红,巩敦卫,荣淼.基于多种群协同微粒群优化的流数据聚类算法[J].控制与决策.2016
[10].韦栩.基于膜系统的微粒群优化算法研究及应用[D].山东师范大学.2016
论文知识图
