导读:本文包含了改进协作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:算法,频谱,无线电,认知,能量,步长,粒子。
改进协作优化算法论文文献综述
刘耀峰,邓瑜,舒婷,雷可君[1]（2018）在《基于改进粒子群优化的快速协作式频谱感知算法（英文）》一文中研究指出为了改进算法的计算效率和感知性能,提出了一种新的线性协作式频谱感知算法.在新算法中,通过动态地改变粒子群优化(PSO)方法在每次迭代过程中的迭代系数,以获取最优的权重向量,从而最大化算法的检测概率.采用时变迭代系数后,基于PSO的协作式频谱感知算法在粒子飞行的初期具有很好的全局探索能力,而随着迭代次数的增加,算法具有很好的局部搜索能力.仿真结果表明,新算法相比基于传统PSO的频谱感知算法具有更快的收敛速度,相比传统的基于修正系数和基于传统PSO的协作式感知算法具有更好的性能.不同场景下的仿真结果验证了新算法的有效性.(本文来源于《吉首大学学报(自然科学版)》期刊2018年04期）
杨蕊嘉[2]（2018）在《基于改进的细菌觅食优化算法的群机器人协作搜索方法研究》一文中研究指出近年来,随着“911”事件、汶川地震等灾难的发生,全球范围内对在危险环境中可以长时间工作的机器人的需求越来越多。这些机器人可以在高温、低温、有毒污染、高压、强辐射等极端环境下取代人类实现繁琐的搜救任务,减少灾害对人类第二次的伤害。同时,近几年随着互联网、电子计算机的应用大范围的普及,机器人技术正在快速的成长,应用范围从制造业扩展至非制造业,智能机器人进入大家的视野来完成日常生活学习中简易的工作已然成为一种抵挡不住的趋势。虽然单机器人能够完成一些简易的工作,但是多机器人系统具有很多个体机器人不具有的优势,例如结构简单、灵活操作、形状娇小、操作性强等。并且系统中单个机器人可以独立完成某个任务,获得的环境信息更加全面,所以相比较而言多机器人系统完成任务效率更高、稳定性强,完成任务复杂程度高、信息传递速度快、定位信息准确。基于以上的优势,研究人员对多机器人系统的关注越来越多,研究越来越深入,它在各领域的应用自然更加广泛。随着研究人员对生物学研究的不断深入,通过模拟自然界中生物群体行为现象而提出的仿生智能算法得到的广泛的应用。本文主要是针对在复杂危险环境下,将群机器搜索应用在有毒/有害气体源搜索、灾后搜索和营救、反恐排爆等场合中,研究将新型生物启发式群智能算法——细菌觅食优化算法应用在群机器人系统搜索问题上,设置基于Levy分布的趋化步长,针对搜索过程中收敛速度较低这一缺点进行改善设计细菌觅食优化算法,使得群机器人能够精准并且快速地完成搜索任务。最后,设计多机器人任务搜索仿真系统,在该仿真系统上进行实验,验证了模型和算法的有效性,实现多机器人任务搜索的整个过程,并将基于改进的细菌觅食优化算法的目标搜索结果与基于粒子群算法的目标搜索结果、基于混合算法的目标搜索结果进行对比,验证本文所提方法具有可行性并且搜索效果更加良好。(本文来源于《吉林大学》期刊2018-06-01）
丁国绅[3]（2018）在《基于群体协作的改进果蝇优化算法及应用》一文中研究指出受果蝇觅食特性的启示,着名学者潘文超于2011年提出了一种全新的群体智能元启发式演化算法——果蝇优化算法(Fruit fly optimization algorithm)。跟目前存在的一些仿生算法比较,果蝇优化算法具有独特的优势,主要体现在以下几点:算法中出现的参数较少、流程结构简单、算法实现的难度较低。但尽管如此,果蝇优化算法同样有着类似其他元启发式方法的缺陷,易陷入局部最优、多维复杂问题的优化中会出现早熟收敛现象等。为了提升基本果蝇优化算法的寻优性能,我们引入了两种全新的改进方法,并将其分别应用于Web服务组合和多阈值图像分割中,主要工作如下:(1)随着现实世界各种服务的快速增加,不同的web服务也可以具有相同的功能属性。如何从这些组合服务中选取最符合用户需求的一个候选服务集合已成为当下备受追捧的议题,吸引了众多研究者的目光。因而衍生出来许多基于服务质量(QoS)来评价服务组合优劣程度的方法。然而,绝大多数的现行方法或多或少都有其不足之处,比如可扩展性差,系统开销大,很难找到全局最优解等。因此,我们采用了一种新的搜索策略,改进算法为NSSFOA,该算法将果蝇种群分成了具有不同寻优步长的两个子种群,且各个子种群的步长随着迭代的进行动态变化。仿真实验结果表明我们提出的改进算法无论是在可行性,稳定性还是在解的质量方面都明显优于粒子群算法和差分算法。实验结果亦表明,随着候选服务集个数的增加,NSSFOA算法的性能依然明显优于其他几种比较算法。(2)多阈值分割技术目前被广泛引用到图像处理的各个领域,然而大多数多阈值分割技术都是非常耗时的。在本文中,我们提出了一种新的方法——将果蝇优化算法应用于多阈值分割。到目前为止,果蝇优化算法都尚未被用于解决复杂图像的处理问题,因此在本文中我们将果蝇算法引入到多阈值图像处理领域中。在文中,我们提出了一种基于混合自适应-群体协作学习策略的果蝇优化算法(HACLFOA)。果蝇种群被分成了具有不同进化补偿的两个子种群。此外,在每一次迭代寻优时,当前种群最优解向量的每一维解信息都会被优化,我们也会充分利用每次迭代过程中产生的临时全局最优解信息来指导果蝇种群的寻优。24个基准函数上的数值实验结果表明我们提出的算法在全局寻优能力上优于其他几种对比的改进果蝇算法。最为明显的是,在多阈值图像分割部分,广泛的实验结果表明我们提出的改进算法较经典的阈值分割算法在时间花销上有了极大的提高,而且应用前景非常可观。(本文来源于《安徽大学》期刊2018-03-01）
孟海军[4]（2017）在《基于改进遗传算法的协作通信网优化研究》一文中研究指出随着用户对移动通信需求爆发式的增长,移动通信行业获得了飞跃式的发展,通信网架构不断的演进,通信系统不断的升级与重建,新技术不断的应用在现网中。其中,协作通信就是一个非常优越的技术方案。虽然协作通信技术为移动通信系统带来了优越的通信质量,但其网络的复杂度相对于传统网络偏高,网络的优化工作难度较大,因此行业内对此类其网络的优化研究颇为关注。现在的研究往往专注于资源优化分配方面,但影响资优化结果的往往不知资源的分配方案,基站以及中继的地理位置同样大大影响着资源分配的结果。因此,为了达到最优的优化效果,本文则从站址选择以及资源优化分配两个方面对中继协作网的优化问题做了相应的研究,通过站址方面的研究确定系统最佳站点数量以及位置,以此系统进行相应的资源优化分配研究。对于移动通信站点的建设而言,基站选址尤为重要。好的选址方案无疑可以最大范围的覆盖用户同时兼顾信号质量与建设投入、扩大系统容量、改善小区边缘用户服务质量等。本文则兼顾考虑用户的最低信息速率,以最小化系统功耗为目标,利用改进的遗传算法对规划区域进行全面搜索以寻找最优选址方案,相对于传统算法而言,提升了计算效率,为下一步资源分配研究做好基础。移动通信系统中,无线资源总是有限的,而通信需求则是无限增长的,这就促使无线资源管理问题成为至关重要优化方向。而作为无线资源管理的核心,合理、高效的资源分配策略成为:合理使用有限频谱资源、提高系统性能、改善用户QoS的关键,受到学界内的广泛关注。限于此,本文对中继协作通信系统中的资源分配问题进行了研究。文中介绍了课题的相关理论,改进了传统资源分配方案,并利用改进的遗传算法对RA模型系统的资源分配策略进行了优化,最后仿真验证了其算法的有效性以及性能。(本文来源于《贵州大学》期刊2017-06-01）
解武,李笑,李然[5]（2014）在《基于改进杂草优化算法的最优线性协作频谱感知》一文中研究指出线性加权协作频谱感知模型下,针对虚警概率最大化检测概率的问题,提出了一种基于改进入侵性杂草优化算法的协作频谱感知方案。算法中的可行解与频谱协作感知模型中的权重向量相对应,通过寻求最优权重向量,来达到最大化检测概率的目的。同时将改进后的杂草算法与传统的杂草算法及基于修正偏差因子方法性能进行对比。结果表明,改进后的杂草算法可根据当前噪声环境合理分配系统的权重系数,以较小的迭代次数找到更优的权重向量,在虚警概率一定的前提下,获得高的检测概率,其性能优于原始MDC算法。(本文来源于《应用科技》期刊2014年05期）
单攀攀,高晓智,孟献兵[6]（2014）在《一种改进的多群协作粒子群优化算法》一文中研究指出提出了一种改进的多群协作粒子群优化算法,该算法整个种群采用主从模式,分为一个主群和多个从群,多个从群粒子统一地进行初始化操作,从而避免了多个粒子群重复搜索现象。同时,算法采取了一种扰动策略,即当前全局最优解在扰动因子的迭代周期内保持不变时,就重置粒子的速度,迫使粒子群摆脱局部极小。该算法不仅增加了种群的多样性,扩大了搜索范围,而且还改善整个种群易陷入局部极小值的缺陷。通过9个基准函数进行测试,实验结果表明,IMCPSO与MCPSO算法相比具有明显的优越性。(本文来源于《微型机与应用》期刊2014年15期）
江辉,陈飞飞,杜文峰[7]（2013）在《基于改进群搜索优化算法的认知无线电协作频谱感知》一文中研究指出提出了一种基于改进群搜索优化的认知无线电协作频谱感知方法。用改进的群搜索优化算法求解线性协作感知模型中的权重向量,并将本文方法与基于单节点感知、选择合并、等增益合并和MDC的频谱感知方法进行了比较,仿真结果表明基于改进群搜索优化算法的协作频谱感知较传统的群搜索优化算法具有更好的收敛性,可获得更高的检测概率,且检测性能随感知用户数的增加而提高、随噪声环境的恶化而降低。仿真结果验证了本文方法的优越性。(本文来源于《电路与系统学报》期刊2013年01期）
周宁波[8]（2003）在《基于改进协作优化算法的塔式起重机金属结构一体化设计研究》一文中研究指出当今机械产品结构日益复杂，且产品竞争日趋激烈，对于机械产品的性能要求越来越高，因而产品的优化设计也不再局限于零件和部件的优化，而是从更高的层次上提出了整机/系统的整体性能优化设计，而传统的设计优化方法求解这类优化问题存在着诸多的缺陷。在这样的工程背景下，一种新的设计优化方法——多学科设计优化诞生了。多学科设计优化（Multidisciplinary Design Optimization，简称MDO）是一种通过充分探索和利用系统中相互作用的协同机制来设计复杂系统和子系统的方法论。其目的是利用系统中的协同机制获得系统整体最优解，通过并行设计来缩短设计周期。本文的目的就是研究多学科设计优化算法及其在塔式起重机金属结构设计中的应用。由于系统内部各个组成学科（子系统）之间存在耦合作用，多学科设计优化存在着系统分析的计算复杂性和各个学科（子系统）之间的通信复杂性。MDO算法就是解决这两个难题的策略和方法。本文对现有的各种MDO算法进行分析、比较，指出基于分解和协调的双层优化算法是MDO算法的发展方向。协作优化算法（Collaborative Optimizaiton，简称CO）是在一致性约束优化算法（Compatibility Constrained Optimization，简称CCO）的基础上发展起来的，基于分解和协调的一种双层优化算法。子系统优化时暂时不考虑其它子系统的影响，故各个子系统可以相对独立的进行并行优化，设计冲突由系统级优化问题协调。针对标准CO系统级优化问题中K－T条件不满足而引起的计算困难，本文提出了通过采用权因子，将系统级问题无约束化处理的改进方法。该方法在避免上述计算困难的同时，简化了系统级优化问题。本文的重点是改进协作优化算法在工程设计中的应用研究。传统的塔式起重机的优化设计是对部件（子系统）分别进行的，这样的作法割离了子系统之间的有机的联系，无法保证整机性能的最优性。通过采用改进的协作优化算法对塔式起重机金属结构的塔帽－吊臂－平衡臂进行一体化方案设计，充分考虑了这叁个子系统之间的协同机制，得到了具有整体最优性的设计结果。采用Matlab的图形用户界面（GUI）对塔式起重机的一体化设计进行了系统集成，开发了基于改进协作优化算法的塔式起重机金属结构一体化设计系统（COBTC）。采用该系统对某型号的塔机进行了优化设计，得到了理想的结果。在论文的最后对全文所作的工作进行总结，并进一步展望了多学科设计优化方法在复杂机械系统设计中的应用前景(本文来源于《重庆大学》期刊2003-05-04）
改进协作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：
近年来,随着“911”事件、汶川地震等灾难的发生,全球范围内对在危险环境中可以长时间工作的机器人的需求越来越多。这些机器人可以在高温、低温、有毒污染、高压、强辐射等极端环境下取代人类实现繁琐的搜救任务,减少灾害对人类第二次的伤害。同时,近几年随着互联网、电子计算机的应用大范围的普及,机器人技术正在快速的成长,应用范围从制造业扩展至非制造业,智能机器人进入大家的视野来完成日常生活学习中简易的工作已然成为一种抵挡不住的趋势。虽然单机器人能够完成一些简易的工作,但是多机器人系统具有很多个体机器人不具有的优势,例如结构简单、灵活操作、形状娇小、操作性强等。并且系统中单个机器人可以独立完成某个任务,获得的环境信息更加全面,所以相比较而言多机器人系统完成任务效率更高、稳定性强,完成任务复杂程度高、信息传递速度快、定位信息准确。基于以上的优势,研究人员对多机器人系统的关注越来越多,研究越来越深入,它在各领域的应用自然更加广泛。随着研究人员对生物学研究的不断深入,通过模拟自然界中生物群体行为现象而提出的仿生智能算法得到的广泛的应用。本文主要是针对在复杂危险环境下,将群机器搜索应用在有毒/有害气体源搜索、灾后搜索和营救、反恐排爆等场合中,研究将新型生物启发式群智能算法——细菌觅食优化算法应用在群机器人系统搜索问题上,设置基于Levy分布的趋化步长,针对搜索过程中收敛速度较低这一缺点进行改善设计细菌觅食优化算法,使得群机器人能够精准并且快速地完成搜索任务。最后,设计多机器人任务搜索仿真系统,在该仿真系统上进行实验,验证了模型和算法的有效性,实现多机器人任务搜索的整个过程,并将基于改进的细菌觅食优化算法的目标搜索结果与基于粒子群算法的目标搜索结果、基于混合算法的目标搜索结果进行对比,验证本文所提方法具有可行性并且搜索效果更加良好。
（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。
改进协作优化算法论文参考文献
[1].刘耀峰,邓瑜,舒婷,雷可君.基于改进粒子群优化的快速协作式频谱感知算法（英文）[J].吉首大学学报(自然科学版).2018
[2].杨蕊嘉.基于改进的细菌觅食优化算法的群机器人协作搜索方法研究[D].吉林大学.2018
[3].丁国绅.基于群体协作的改进果蝇优化算法及应用[D].安徽大学.2018
[4].孟海军.基于改进遗传算法的协作通信网优化研究[D].贵州大学.2017
[5].解武,李笑,李然.基于改进杂草优化算法的最优线性协作频谱感知[J].应用科技.2014
[6].单攀攀,高晓智,孟献兵.一种改进的多群协作粒子群优化算法[J].微型机与应用.2014
[7].江辉,陈飞飞,杜文峰.基于改进群搜索优化算法的认知无线电协作频谱感知[J].电路与系统学报.2013
[8].周宁波.基于改进协作优化算法的塔式起重机金属结构一体化设计研究[D].重庆大学.2003
论文知识图
