导读:本文包含了粒子群游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:算法,粒子,细菌,子群,阻抗,发电机,电流。
粒子群游论文文献综述
应林志,刘天琪,王建全[1]（2018）在《基于改造粒子群游的超高压故障限流器全局优化配置算法》一文中研究指出考虑超高压故障限流器在大电网中的应用特点,以获取预设全局限流效果和确保配置最优经济性为目标,基于邻接转移阻抗灵敏度加权值,提出一种能够区分短路电流关键路径、反映限流经济代价、指示全局限流效果及均衡水平的适应函数,作为故障限流器优化配置问题的数学模型。将装设数量、单台阻抗及布点配置视为大规模混合整形优化问题,根据故障限流器应用特点对粒子群游的解编码、位移操作等方面进行改造,引入灵敏度排序降维、追加支路法简化中间计算量,形成了一种故障限流器配置问题的全局优化算法,并以不同规模算例测试验证了该算法的有效性。(本文来源于《电力自动化设备》期刊2018年02期）
储颖,糜华,纪震,吴青华[2]（2010）在《基于粒子群优化的快速细菌群游算法》一文中研究指出针对细菌觅食算法(Bacterial foraging algorithm,BFA)收敛速度慢的特点,提出一种快速细菌群游算法(Fast bacterial swarming algorithm,FBSA)。本算法通过借鉴粒子群优化(Particle swarm optimization,PSO)算法的信息共享机制,对细菌觅食算法的群体感应(Quorum sensing)机制进行改进,使每个细菌在优化过程中具备感应周围细菌位置、并向细菌群体历史最优位置游动的能力。同时,通过动态调整细菌的搜索步长,加强了算法在优化初期的全局搜索能力以及优化后期的局部搜索能力。对基准测试函数进行仿真实验的结果表明,FBSA对于大部分高维函数的优化能力优于BFA和PSO,并且具有更快的收敛速度。(本文来源于《数据采集与处理》期刊2010年04期）
龙云,王建全[3]（2003）在《基于粒子群游算法的同步发电机参数辨识》一文中研究指出将一种新的进化算法———粒子群游应用于发电机参数辨识。根据粒子群游算法的特点 ,提出了一种同步发电机参数辨识的计算框架。算例表明 ,这种参数辨识算法无需提取电机数学模型 ,直接利用稳定计算程序 ,简单实用、具有可行性。(本文来源于《大电机技术》期刊2003年01期）
徐海,刘石,马勇,蓝鸿翔[4]（2000）在《基于改进粒子群游优化的模糊逻辑系统自学习算法》一文中研究指出Eberhart在［1］中提出了粒子群游优化算法（ParticleSwarmOptimizationAlgorithm）。该文将改进后的粒子群游算法应用于模糊逻辑系统自学习。模糊辨识器的计算机模拟证明了改进算法的有效性。(本文来源于《计算机工程与应用》期刊2000年07期）
粒子群游论文开题报告
（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：
针对细菌觅食算法(Bacterial foraging algorithm,BFA)收敛速度慢的特点,提出一种快速细菌群游算法(Fast bacterial swarming algorithm,FBSA)。本算法通过借鉴粒子群优化(Particle swarm optimization,PSO)算法的信息共享机制,对细菌觅食算法的群体感应(Quorum sensing)机制进行改进,使每个细菌在优化过程中具备感应周围细菌位置、并向细菌群体历史最优位置游动的能力。同时,通过动态调整细菌的搜索步长,加强了算法在优化初期的全局搜索能力以及优化后期的局部搜索能力。对基准测试函数进行仿真实验的结果表明,FBSA对于大部分高维函数的优化能力优于BFA和PSO,并且具有更快的收敛速度。
（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。
粒子群游论文参考文献
[1].应林志,刘天琪,王建全.基于改造粒子群游的超高压故障限流器全局优化配置算法[J].电力自动化设备.2018
[2].储颖,糜华,纪震,吴青华.基于粒子群优化的快速细菌群游算法[J].数据采集与处理.2010
[3].龙云,王建全.基于粒子群游算法的同步发电机参数辨识[J].大电机技术.2003
[4].徐海,刘石,马勇,蓝鸿翔.基于改进粒子群游优化的模糊逻辑系统自学习算法[J].计算机工程与应用.2000
论文知识图
