导读:本文包含了和声搜索论文开题报告文献综述及选题提纲参考文献，主要关键词:物流中心,选址,备选集合,服务水平
和声搜索论文文献综述
汤杼彬[1]（2019）在《基于和声搜索算法的多层级物流中心选址问题》一文中研究指出考虑交通、用地等因素构建了物流中心备选集合,在此基础上考虑服务水平的影响,以运输成本最小化为优化目标构建了多层次物流中心选址模型,并采用和声搜索算法进行求解,最后采用算例对模型及算法进行验证,结果表明模型及算法具有较好的适用性。(本文来源于《物流技术》期刊2019年11期）
李明,胡江平[2]（2019）在《基于和声搜索算法的无线传感器网络容错部署方法》一文中研究指出针对在给定的具有不同部署代价的位置集合中、在保证监测目标被传感器节点多重覆盖以及部署传感器节点多重连通的条件下,对节点部署优化问题进行研究,提出了一种改进的和声搜索算法。利用学习自动机与环境的交互特性增强算法参数的自适应性,增强算法的优化性能。仿真结果表明:相比于原始的和声搜索算法和提出的贪婪算法,在保证节点多重连通和目标被多重覆盖的条件下,改进算法部署代价最小,证明了改进算法的有效性。(本文来源于《传感器与微系统》期刊2019年11期）
李帅,蔡延光,林枫[3]（2019）在《基本和声搜索算法求解VRP》一文中研究指出针对一种简单的车辆路径规划问题,利用基本和声搜索算法,使用顺序编码方式求解,并进行仿真试验。实验结果表明:基本和声搜索算法在求解车辆路径规划问题具有一定的性能。(本文来源于《工业控制计算机》期刊2019年06期）
雍龙泉,熊文涛[4]（2019）在《一种改进的和声搜索算法求解非线性互补问题》一文中研究指出提出了一种计算非线性互补问题的新思路,利用NCP函数把非线性互补问题转化为一个非线性方程组,然后采用改进的和声搜索算法求解与之等价的无约束优化问题,从而得到原问题的解。对于唯一解的非线性互补问题,该方法能够收敛到其唯一解;对于具有多个解的非线性互补问题,该方法能够找到尽可能多的解。并且,该方法既适用于单调互补问题,也适用于非单调互补问题。(本文来源于《陕西理工大学学报(自然科学版)》期刊2019年03期）
于红斌,周康垒,李俊霖[5]（2019）在《改进和声搜索的智能RGV动态调度策略研究》一文中研究指出针对智能RGV物料调度问题,为保证系统工作效率最高,提出解决一般问题的改进的和声搜索优化算法IHS。通过构建CNC等待时间的标准差与RGV移动时间加权求和的目标函数,使用递归算法计算CNC等待时间,使用蒙特卡洛算法计算RGV移动时间,建立多目标优化模型以及和声搜索算法RGV动态调度模型,解决智能RGV调度问题。实验结果表明,该算法在确保实现研究目标的同时尚具有较高的鲁棒性。(本文来源于《微处理机》期刊2019年03期）
汪顺和[6]（2019）在《基于改进和声搜索算法的软件可靠性模型研究》一文中研究指出和声搜素算法软件的应用使传统软件算法精确性大幅提升,为适应新时代软件算法技术应用发展,改进和声搜索软件算法及提升模型运用可靠性尤为必要,是未来阶段和声搜索算法算计应用的所需阶段的首要问题。本文将根据和声所搜软法软件应用内容及相关特点,对其使用可靠性及模型建立逐一分析,以此为和声搜索软件算法的改进及使用可靠性问题的解决提供部分参考性内容。(本文来源于《山东农业工程学院学报》期刊2019年06期）
刘志伟[7]（2019）在《解决多目标VRPTW的和声搜索算法计算性能的研究》一文中研究指出车辆路径问题(Vehicle Routing Problem,VRP)是组合优化问题领域非常具有挑战性的问题之一,是解决物流配送等实际的路径优化应用中常见的问题。本文研究的是多目标带时间窗的车辆路径问题(Multi-objective Vehicle Routing Problem with Time Window,多目标VRPTW),以车辆数最少和车辆行驶路程最短为目标,求解出一个Pareto最优解以供决策者根据解集自行做出决策支持。求解VRP及其相关变体问题通常会选择不同的算法,而多目标VRPTW被证实为NP-Hard问题,当问题规模比较大时,智能优化算法将是解决这类问题的不二之选。大部分智能优化算法本身具有较强的全局搜索能力,很多相关算法现已被用于解决VRP及其变体问题。本文研究的是解决多目标VRPTW的和声搜索算法(Harmony Search Algorithm,HSA)的计算性能,主要做了以下工作:(1)对于求解该类型的组合优化问题,本文首先选择的是使用改进的多目标和声搜索算法(Multi-Objective Improved Harmony Search Algorithm,MOIHSA)。MOIHSA具有很强的多目标寻优的特性,很适用于求解多目标VRPTW。在算法中,首先设计好一个多目标和声记忆库(Multi-objective Harmony Memory,MOHM)的结构,用于保存一组寻优过程中不断进化的和声。其次,对原始HS算法中新的和声生成过程做了改进,通过引入和声模板概念以及多重邻域搜索的方式从HM内或者和声搜索范围内进行音调的选取,并且通过动态和声带宽对选自HM中的音调进行微调扰动。最后,对于和声记忆库保留概率(Harmony Memory Considering Rate,HMCR)以及微调扰动概率(Pitch Adjusting Rate,PAR)等关键参数,使用参数的动态调优方式,根据算法执行过程的寻优特点进行动态干扰算法寻优的深度和广度。通过实验仿真结果可以看出,使用MOIHSA求解多目标VRPTW是可行的、有效的。(2)根据上述实验结果,能够看出MOIHSA存在一些不足之处,比如很大程度地依赖初始解,表现为算法多次搜索结果差异比较大,另外算法的前期寻优能力不强、产生新解分量随机性太大。针对这些缺点,本文提出一种混合了遗传算法(GA)的改进多目标HS算法(GA-MOIHSA)来求解多目标VRPTW。在该混合智能算法中,首先利用GA的高度并发特性以及算法迭代初期强大的改善解的优点,生成HM中和声的候选集。也就是通过GA不断地进行选择、交叉和变异等操作,迭代一定的次数后,从种群中选择最好的一组解集作为HM中的和声候选集即MOIHSA的初始解。而GA也有自己的不足之处,比如对种群的多样性要求高,后期收敛速度比较慢,通过与IHSA进行混合,可以互相取长补短。根据实验仿真结果以及对比实验结果可以看出,GA-MOIHSA能够很好地弥补MOIHSA的缺点,提高了MOIHSA的性能。(本文来源于《武汉轻工大学》期刊2019-06-01）
史亚辉[8]（2019）在《基于改进蝙蝠算法的和声搜索算法》一文中研究指出和声搜索算法是一种模拟音乐创作过程的启发式搜索算法,该算法在变异产生新和声的过程中没有充分利用当前最优和声进行局部寻优,针对这一问题本文提出了一种基于改进蝙蝠算法的和声搜索算法。本文研究的主要内容如下:(1)引入蝙蝠局部搜索机制进行协同寻优。利用蝙蝠种群和和声种群进行协同搜索,在搜索的过程中和声种群和蝙蝠种群共享当前最优解,和声种群进行全局搜索,蝙蝠种群在当前最优解附近进行局部搜索,通过全局搜索和局部搜索相结合的搜索方式进行寻优。(2)在和声变异的过程中引入学习机制,通过向当前最优解学习的方式优化变异和声的质量。在产生新和声的时候,新和声的属性值以一定的概率向当前最优和声的属性值进行学习来优化新产生的和声的质量。(3)改进和声搜索算法的越界处理方式。新生成的和声的属性值在发生越界的时候,原始和声算法中用随机数替换越界的属性值的方式具有盲目性,优于当前最优和声的属性值优于随机值,本文提出的方法在变异和声的越界处理方法上用当前最优和声的属性值替换越界和声的属性值的方法来取代原始和声中用随机值取代越界属性值的方式。(4)引入动态搜索机制。由于在搜索的过程中当前最优值越来越接近全局最优值,所以在搜索前期加大和声搜索的频率以提高全局搜索的质量,在搜索的后期加大蝙蝠的搜索频率以提高局部搜索的质量。最后在UCI标准数据集上选用六个标准测试函数进行仿真实验并和其他和声搜索算法进行对比,仿真对比试验的结果表明本文提出的算法在收敛速度和寻优精度上均有提高。(本文来源于《广西大学》期刊2019-06-01）
雍龙泉[9]（2019）在《一种改进的和声搜索算法求解线性两点边值问题》一文中研究指出研究了线性两点边值问题的数值解.首先采用有限差分法将线性两点边值问题离散化,进而得到一个无约束优化问题,采用全局和声搜索算法求解.全局和声搜索算法嵌入了位置更新和小概率变异策略,通过反复调整乐队中各乐器的音调,最终达到一个美妙的和声状态的过程.通过求解3个线性两点边值问题,结果表明该方法是有效的.(本文来源于《数学的实践与认识》期刊2019年10期）
王志刚,郭钰卓,周启昕,张博涵[10]（2019）在《基于和声搜索算法的RGV动态调度优化模型》一文中研究指出以2018全国大学生数学建模竞赛B题为例,针对RGV车间调度的具体案例,采用和声搜索算法和遗传算法,建立了RGV动态调度模型,解决车间CNC最优排布问题和RGV最短路径问题,得到了一个班次的RGV动态调度策略,以优化工业生产的实际过程.并代入3组系统作业参数,验证了模型的实用性和算法的有效性.(本文来源于《海南大学学报(自然科学版)》期刊2019年02期）
和声搜索论文开题报告
（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：
针对在给定的具有不同部署代价的位置集合中、在保证监测目标被传感器节点多重覆盖以及部署传感器节点多重连通的条件下,对节点部署优化问题进行研究,提出了一种改进的和声搜索算法。利用学习自动机与环境的交互特性增强算法参数的自适应性,增强算法的优化性能。仿真结果表明:相比于原始的和声搜索算法和提出的贪婪算法,在保证节点多重连通和目标被多重覆盖的条件下,改进算法部署代价最小,证明了改进算法的有效性。
（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。
和声搜索论文参考文献
[1].汤杼彬.基于和声搜索算法的多层级物流中心选址问题[J].物流技术.2019
[2].李明,胡江平.基于和声搜索算法的无线传感器网络容错部署方法[J].传感器与微系统.2019
[3].李帅,蔡延光,林枫.基本和声搜索算法求解VRP[J].工业控制计算机.2019
[4].雍龙泉,熊文涛.一种改进的和声搜索算法求解非线性互补问题[J].陕西理工大学学报(自然科学版).2019
[5].于红斌,周康垒,李俊霖.改进和声搜索的智能RGV动态调度策略研究[J].微处理机.2019
[6].汪顺和.基于改进和声搜索算法的软件可靠性模型研究[J].山东农业工程学院学报.2019
[7].刘志伟.解决多目标VRPTW的和声搜索算法计算性能的研究[D].武汉轻工大学.2019
[8].史亚辉.基于改进蝙蝠算法的和声搜索算法[D].广西大学.2019
[9].雍龙泉.一种改进的和声搜索算法求解线性两点边值问题[J].数学的实践与认识.2019
[10].王志刚,郭钰卓,周启昕,张博涵.基于和声搜索算法的RGV动态调度优化模型[J].海南大学学报(自然科学版).2019