导读:本文包含了协同求解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,组合,分配,目标,机组,技术,无人机。
协同求解论文文献综述
严丽娜,吴军[1]（2019）在《动态种群规模协同进化算法求解多目标投资组合优化问题》一文中研究指出为了解决仅含预算约束的投资组合优化模型,提出一种基于种群密度的多目标协同进化算法.算法采用种群竞争的策略自适应的产生不定规模的种群,避免了固定种群规模的缺点.在进化过程中每个种群都会参考自身的最优个体以及竞争种群对自身的影响,超级个体集合存储进化过程中产生的最优解,通过最优个体的引导使算法快速收敛至Pareto前沿.实验结果表明,与NSGA-2算法相比,提出的算法在稳定性和收敛性都有很好的表现,是一种有效的多目标进化算法.(本文来源于《数学的实践与认识》期刊2019年19期）
元一平,王建学,周锟,王秀丽,王学斌[2]（2019）在《协同短期调度的新能源电力系统月度机组组合模型与快速求解方法》一文中研究指出为实现多时间尺度下新能源电力系统经济、灵活运行与发电资源最优性配置,该文考虑月度机组组合与短期调度之间的层次衔接关系,提出协同短期调度的月度机组组合模型与高效求解算法。首先,结合风电短期随机不确定性与长期相关不确定性之间的概率统计规律,提出基于非参数核密度估计与自回归滑动平均分析的新能源出力模拟方法;在此基础上,通过协调月度机组群开停机计划与短期调度的互动关系,构建协同短期调度的多场景月度机组组合模型。其次,针对该混合整数线性规划模型的计算复杂性问题,利用约束转换技术与松弛诱导技术,提出一种基于分支—定界原理的改进求解策略。最后,结合某省区电网进行实际算例对比分析,论证协同短期调度的月度机组组合模型与求解算法的有效性。(本文来源于《中国电机工程学报》期刊2019年18期）
魏士伟[3]（2019）在《一种求解TSP问题的协同进化算法》一文中研究指出传统的遗传算法GA在求解TSP问题时容易出现早熟和陷入局部最优等现象。为此本文提出了一种基于协同进化的遗传算法(CEGA)用于解决GA算法的缺陷。该算法通过定义个体的适应度值和个体间的差异度值,将适应度值高和差异度大的个体分别放入2个不同的子群体。在进化过程中这2个子种群相互协同进化,既保证了种群向最优解的方向移动,又保持了种群的多样性。实验结果表明,本文所提出的算法在解决TSP问题时,具有收敛速度快、容易跳出局部最优等特点,相较其他GA算法具有更好的性能。(本文来源于《智能计算机与应用》期刊2019年05期）
周鹏程,刘亮亮,郭志杰[4]（2019）在《求解技术个性化定制——叁角轮胎的协同创新机制经验》一文中研究指出"技术定制"一直是困扰工程技术类产品和服务的关键问题。叁角轮胎股份有限公司(以下简称"叁角")通过协同创新机制,将企业内外部资源整合到了协同创新平台之上,形成了强大的技术定制"大脑",突破了企业开展定制化创新的能力边界。通过实施"协同创新定制管理",叁角与清华大学、卡特彼勒、美国BDE公司共同攻破多项细分领域的技术难题,产生发明专利超过20项以上。其中,公司与天津赛象协同创新的工作成果"巨型工程子午胎成套生产技术与设备开发"项目获得"国家科技进步一等奖",打破了国际对该项技术的垄断。(本文来源于《中国质量》期刊2019年08期）
陈志旺,夏顺,李建雄,王航,王昌蒙[5]（2019）在《考虑分配次序的无人机协同目标分配建模与遗传算法求解》一文中研究指出本文研究了动态战场环境中的多无人机协同目标分配(MUCTA)问题.首先通过分析无人机(UAV)分配次序对打击任务总收益的影响,设计了动态战场环境的更新规则.将航程代价和任务代价作为惩罚项修正目标函数,建立了考虑分配次序的UAVs协同目标分配优化模型.然后针对模型的物理意义改进了遗传算法基因编码方式,设计了MUCTA遗传算法.该算法利用状态转移思想,引进SDR算子获得多种分配次序种群,同时以单行变异算子修正UAV与目标对应关系,并采用最优个体法和轮盘赌法筛选子代个体.最后仿真结果验证了所设计算法的有效性.(本文来源于《控制理论与应用》期刊2019年07期）
杜永浩,邢立宁,陈盈果,向尚[6]（2019）在《卫星任务调度统一化建模与多策略协同求解方法》一文中研究指出针对卫星任务调度"一星一系统"、测运控分离的现状,以卫星执行任务产生的星上独立事件和星地协同事件作为调度对象,以事件可执行时机作为调度资源,建立卫星任务调度统一化约束满足模型,将传统运控任务调度与测控任务调度纳入统一的建模方法.为保障模型的通用性和适应性,设计包含构造启发式、智能优化和针对性算法改进的多策略协同求解方法,搭建卫星任务调度算法与调度模型松耦合、模块化的系统架构.实验测试表明,所提出方法能够弥补传统模型在敏捷遥感卫星任务调度和高轨卫星测控调度场景下的局限性,在Benchmark问题和实际应用场景中均表现出良好的适用性和优化效果.(本文来源于《控制与决策》期刊2019年09期）
杨林峰,胡桂莉,张晨,张振荣[7]（2019）在《基于CPU-GPU协同并行内点算法求解结构化非线性规划》一文中研究指出大量工程应用问题可建模为结构化非线性规划,且这类问题的系数矩阵可分为稀疏型和稠密型两种类型.利用原始-对偶内点法(primal dual interior point method,PD-IPM),并结合分布式并行技术可高效求解此类问题.经典工程问题-机组组合(unit commitment,UC)为稀疏系数矩阵的结构化非线性规划,本文根据PD-IPM原理,对UC模型进行连续松弛预处理,结合快速解耦技术解耦牛顿修正方程并设计CPU-GPU协同并行算法求解子问题,最后将结果与带稠密型子问题的结构化非线性规划的求解结果进行比较和分析.实验结果显示,本文所设计的算法对于两种不同类型的结构化非线性规划求解均能获得较好的加速比.(本文来源于《电子学报》期刊2019年02期）
刘振,刘文彪[8]（2019）在《岛舰一体化协同防空动态决策模型及求解算法》一文中研究指出在考虑岛礁与舰艇平台协同作战情形下,建立了协同防空一体化动态武器运用决策模型,处于不同作战单元的武器平台和制导平台可以形成拦截组合,构成一体化的动态武器作战分配模型。以目标突防威胁最小为目标函数,建立了考虑舰艇支援作战情况下的一体化动态武器目标分配模型。为提高该问题的求解效率,提出了一种新型的混合紧致遗传算法求解该模型。利用混合紧致遗传算法,求解所提出的岛舰协同动态武器决策模型,经过对比分析,所提出的方法有效提高了作战效能。(本文来源于《指挥控制与仿真》期刊2019年01期）
王静,潘开灵,刘翱,王鑫鑫[9]（2018）在《云制造平台下订单可分解的协同生产计划模型及求解》一文中研究指出针对云平台下多订单在多企业多时段的协同生产计划问题,引入订单拆分数和订单最小分解率这两个调节变量,在考虑生产时间窗和生产能力等约束下建立协同生产计划模型.同时,设计双层编码,并运用自适应模拟退火遗传算法在不同数据规模下对模型进行求解,求解结果与商用优化软件CPLEX进行比较.最后对模型中的关键参数进行了灵敏度分析,实验结果为云制造平台运营决策者提供决策依据.(本文来源于《上海交通大学学报》期刊2018年12期）
刘竞遥,赵欢欢[10]（2018）在《多精英协同进化遗传算法求解外卖送餐路线优化问题》一文中研究指出针对餐饮业就餐时间集中、订餐源分散的情况,采用多商家联合配送的方案能节约时间与金钱成本。基于此提出了一种基于多精英协同进化遗传算法的求解城市外卖送餐路线优化问题,对具有时间约束的路径采用整数编码,并利用AOE网验证其有效性。采用不同的交叉方法对不同适应度值的分组进行仿真,结果表明,采用此种送餐方式不仅节约了成本,而且能扩大餐厅送餐范围,创造更大利润。(本文来源于《宿州学院学报》期刊2018年12期）
协同求解论文开题报告
（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：
为实现多时间尺度下新能源电力系统经济、灵活运行与发电资源最优性配置,该文考虑月度机组组合与短期调度之间的层次衔接关系,提出协同短期调度的月度机组组合模型与高效求解算法。首先,结合风电短期随机不确定性与长期相关不确定性之间的概率统计规律,提出基于非参数核密度估计与自回归滑动平均分析的新能源出力模拟方法;在此基础上,通过协调月度机组群开停机计划与短期调度的互动关系,构建协同短期调度的多场景月度机组组合模型。其次,针对该混合整数线性规划模型的计算复杂性问题,利用约束转换技术与松弛诱导技术,提出一种基于分支—定界原理的改进求解策略。最后,结合某省区电网进行实际算例对比分析,论证协同短期调度的月度机组组合模型与求解算法的有效性。
（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。
协同求解论文参考文献
[1].严丽娜,吴军.动态种群规模协同进化算法求解多目标投资组合优化问题[J].数学的实践与认识.2019
[2].元一平,王建学,周锟,王秀丽,王学斌.协同短期调度的新能源电力系统月度机组组合模型与快速求解方法[J].中国电机工程学报.2019
[3].魏士伟.一种求解TSP问题的协同进化算法[J].智能计算机与应用.2019
[4].周鹏程,刘亮亮,郭志杰.求解技术个性化定制——叁角轮胎的协同创新机制经验[J].中国质量.2019
[5].陈志旺,夏顺,李建雄,王航,王昌蒙.考虑分配次序的无人机协同目标分配建模与遗传算法求解[J].控制理论与应用.2019
[6].杜永浩,邢立宁,陈盈果,向尚.卫星任务调度统一化建模与多策略协同求解方法[J].控制与决策.2019
[7].杨林峰,胡桂莉,张晨,张振荣.基于CPU-GPU协同并行内点算法求解结构化非线性规划[J].电子学报.2019
[8].刘振,刘文彪.岛舰一体化协同防空动态决策模型及求解算法[J].指挥控制与仿真.2019
[9].王静,潘开灵,刘翱,王鑫鑫.云制造平台下订单可分解的协同生产计划模型及求解[J].上海交通大学学报.2018
[10].刘竞遥,赵欢欢.多精英协同进化遗传算法求解外卖送餐路线优化问题[J].宿州学院学报.2018
论文知识图
