导读:本文包含了改进的差分进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:差分,算法,自适应,湿法,神经网络,算子,梯度。
改进的差分进化算法论文文献综述
田书,赵哲林,杜少通[1]（2019）在《基于改进多目标差分进化算法的节能优化调度》一文中研究指出随着环境问题日益突出,新能源在全球范围内得到迅速发展,电网的调度模式和技术是提升新能源消纳的关键.采用以最少的煤炭资源消耗量及水电站发电为目标,以火电机组的出力和梯级水电站的发电流量作为控制变量,综合考虑火电厂、水电站等约束条件,构建风光水火互补的电力系统动态调度模型.提出一种改进多目标差分进化算法对模型进行求解,算法中引入外部环境影响和参数自适应调整,可以提高种群全局寻优能力.分析结果表明:该算法比多目标差分算法收敛性和精确度更高,起到清洁能源的利用和削峰填谷的效果.(本文来源于《武汉大学学报(工学版)》期刊2019年12期）
黄文文,宋璐,史敬灼[2]（2019）在《适用于电机辨识建模的改进差分进化算法》一文中研究指出针对采用标准差分进化算法进行超声波电动机辨识建模存在的算法不够稳健、建模效率低等问题,对差分进化算法的变异操作进行改进,并设计自适应系数来调节优化进程。电机模型辨识应用表明,该改进差分进化算法表现更稳健,建模精度和建模效率更高,更适合电机辨识建模应用。(本文来源于《微特电机》期刊2019年11期）
徐钊[3]（2019）在《基于改进差分进化算法的多重交通网络运输调度问题研究》一文中研究指出文章认为多重交通网络运输调度问题就是在特定的约束条件下允许采用不同交通运输工具的组合,差分进化算法以其自身的智能算法优势在解决这个问题时具有独特优势。然而这种算法在解决多重交通网络运输调度问题时容易陷入局部搜索困局,采用构造梯度算子可解决这一不足,并通过实例证明了这种改进算法是可行的。(本文来源于《西部交通科技》期刊2019年10期）
康英伟,孙智滨,常俊[4]（2019）在《基于改进差分进化算法的湿法烟气脱硫系统模型辨识》一文中研究指出采用改进差分进化算法(IDEA)进行模型参数估计,利用3σ准则和Butterworth滤波器进行脱硫数据的处理,通过决策树分析进行模型输入变量的选择,将选取的最优变量集作为湿法烟气脱硫系统(WFGD)的输入变量,将浆液pH和出口SO_2质量浓度作为WFGD的输出变量,以此建立多输入双输出的传递函数矩阵模型,并利用湿法烟气脱硫系统的历史数据进行辨识。结果表明:与差分进化算法(DEA)相比,IDEA的辨识结果更精确,具有很好的适用性和可拓展性。(本文来源于《动力工程学报》期刊2019年10期）
付长凤,杨秀菊[5]（2019）在《基于分级二分图和改进差分进化的网络故障定位算法（英文）》一文中研究指出为了减少网络故障传播模型的计算量和提高网络故障定位的准确性,提出了一种基于分级二分图和改进差分进化的网络故障定位算法,适用于计算机网络信息安全管理或者隐私保护。首先,通过引入分级故障诊断概念设计了完整二分图故障模型,并利用其将系统的网络故障定位在3个不同层级的子模型中。然后利用不同的二分图故障传播模型进行网络故障诊断。最后通过启发式思想,结合改进差分进化算法进行求解,有效解决了故障定位准确性低的问题。通过仿真实验证明了提出算法的有效性,结果显示提出算法具有较高的准确性和更少的诊断定位时间。(本文来源于《机床与液压》期刊2019年18期）
王珂,周瑶,赵媛媛[6]（2019）在《一种改进的差分进化算法及其在SVM中的应用》一文中研究指出针对常用分类算法中支持向量机的分类效率低和分类模型的预测性能受到核参数和惩罚因子的影响这一问题,研究一种改进的差分进化算法,优化支持向量机的核参数和惩罚因子,提高支持向量机的分类性能。实验表明,该算法不仅可以有效避免差分进化算法易早熟收敛的问题,更重要的是它可以充分提高支持向量机的分类准确率。(本文来源于《现代计算机》期刊2019年26期）
林涛,王昊,李鹏[7]（2019）在《基于改进差分进化算法的云计算任务调度策略》一文中研究指出针对传统云计算资源调度策略存在资源利用率低等缺陷,提出了一种基于改进差分进化算法的云计算任务调度算法(LADE)。首先建立云计算任务调度问题的数学模型,然后采用差分进化算法对目标函数进行求解,并引入自适应的放缩因子和交叉算子进行改进,使算法更符合最优解的求解规律,有效地避免陷入局部最优解和"早熟"的缺陷。仿真实验表明:LADE算法具有更强的全局搜索能力,不仅解决了传统资源调度算法存在的缺陷,而且大幅减少了云计算任务的完成时间和执行能耗。(本文来源于《传感器与微系统》期刊2019年09期）
粟朝阳,封全喜,韦彦婷,苑赛楠[8]（2019）在《改进的自适应约束差分进化算法》一文中研究指出为了更好地求解约束优化问题,提出了一种新的差分进化算法.首先该算法利用两个变异策略平衡局部搜索与全局搜索.其次用可行性规则选出新种群,并利用替换策略替换新种群中的较差个体.然后使用一种劣解变异机制,对最差个体进行变异以保持种群多样性.最后引入自适应参数控制机制,增强算法的鲁棒性和适应性.为了验证该算法的有效性,算法测试了10个标准约束优化问题和10个工程约束优化问题,实验结果表明,该算法求解精度较高、具有较快的收敛速度和较强的鲁棒性.(本文来源于《微电子学与计算机》期刊2019年09期）
周艳平,蔡素,李金鹏[9]（2019）在《一种粒子群和改进自适应差分进化混合算法及在生产调度中的应用》一文中研究指出差分进化算法是一类基于种群的启发式全局搜索技术,但传统的差分进化算法存在停滞现象,容易使算法收敛停止;虽然之后出现了各种版本的自适应差分进化算法,但没有考虑到当代个体的适应值是否向着最优个体的适应值逼近,因此提出了一种新型的自适应差分进化算法FMDE;考虑到粒子群算法和差分进化算法类似,为了充分发挥两种算法的特点,提出了自适应差分进化和粒子群的混合算法PSO_FMDE;最后采用测试数据集对性能进行分析;实验结果表明,该算法根据进化过程中的搜索进度自适应地确定变异率,使算法易于跳出局部最优解,以提高全局搜索能力。PSO_FMDE算法较单一算法而言,性能更优,更易于靠近全局最优解。(本文来源于《计算机测量与控制》期刊2019年08期）
于蒙,邹志云[10]（2019）在《基于改进差分进化算法-径向基神经网络的电热水浴串级控制系统研究》一文中研究指出针对电热水浴装置温度控制中被控对象存在的大惯性、非线性、大延迟等特点,设计了一种基于改进差分进化(improved differential evolution, IDE)算法的径向基(radial basis function, RBF)神经网络串级控制系统。采用IDE算法对RBF神经网络的初始参数进行优化,采用优化后的RBF神经网络辨识主控制回路被控对象的Jacobian信息,进而实现主控制回路PID(proportional integration differentiation)控制器参数的在线调整。针对主控制回路控制器包含输出噪声,导致控制性能下降的问题,引入Kalman滤波器对串级控制的主回路进行重新设计,控制对象的输出值经过Kalman滤波算法处理后再返回闭环控制系统。以微化工领域常用电热水浴装置为对象,对IDE-RBF-PID-PI串级控制系统进行仿真实验,结果表明,IDE-RBF-PID-PI串级控制系统相较于常规串级控制,大大提高了控制性能,主控制回路引入的Kalman滤波算法有效消减控制系统的输出噪声,控制效果接近于无噪声的理想状态。(本文来源于《化工学报》期刊2019年12期）
改进的差分进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：
针对采用标准差分进化算法进行超声波电动机辨识建模存在的算法不够稳健、建模效率低等问题,对差分进化算法的变异操作进行改进,并设计自适应系数来调节优化进程。电机模型辨识应用表明,该改进差分进化算法表现更稳健,建模精度和建模效率更高,更适合电机辨识建模应用。
（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。
改进的差分进化算法论文参考文献
[1].田书,赵哲林,杜少通.基于改进多目标差分进化算法的节能优化调度[J].武汉大学学报(工学版).2019
[2].黄文文,宋璐,史敬灼.适用于电机辨识建模的改进差分进化算法[J].微特电机.2019
[3].徐钊.基于改进差分进化算法的多重交通网络运输调度问题研究[J].西部交通科技.2019
[4].康英伟,孙智滨,常俊.基于改进差分进化算法的湿法烟气脱硫系统模型辨识[J].动力工程学报.2019
[5].付长凤,杨秀菊.基于分级二分图和改进差分进化的网络故障定位算法（英文）[J].机床与液压.2019
[6].王珂,周瑶,赵媛媛.一种改进的差分进化算法及其在SVM中的应用[J].现代计算机.2019
[7].林涛,王昊,李鹏.基于改进差分进化算法的云计算任务调度策略[J].传感器与微系统.2019
[8].粟朝阳,封全喜,韦彦婷,苑赛楠.改进的自适应约束差分进化算法[J].微电子学与计算机.2019
[9].周艳平,蔡素,李金鹏.一种粒子群和改进自适应差分进化混合算法及在生产调度中的应用[J].计算机测量与控制.2019
[10].于蒙,邹志云.基于改进差分进化算法-径向基神经网络的电热水浴串级控制系统研究[J].化工学报.2019
论文知识图
