导读:本文包含了逐次优化算法论文开题报告文献综述及选题提纲参考文献，主要关键词:蚁群优化算法,学习路径,微学习,个性化推荐
逐次优化算法论文文献综述
赵琴,陈健,张月琴[1]（2018）在《基于逐次适应蚁群优化算法的个性化微学习推荐》一文中研究指出为帮助学习者提高学习效率,针对微学习的特点,提出一种信息素浓度逐次适应调整的蚁群优化算法,以此优化微学习路径的推荐。在微学习的整个过程中,通过学习者与系统的交互获取学习者的学习状态,并根据学习状态调整学习路径的推荐策略。在学习单元的粒度上调整学习路径,从而实现捕捉满足学习者的个性化需求,帮助学习者提高学习效率。(本文来源于《计算机工程》期刊2018年02期）
邓大上,房鑫炎[2]（2015）在《基于逐次优化改进遗传算法的特高压穿越无功规划》一文中研究指出与超高压线路相比,特高压线路无功大量富余,会与下级电网形成很大的穿越无功,从而影响无功的分层控制,甚至威胁电力系统的安全稳定运行。常规的优化算法存在维数灾问题,即使是智能算法,也由于解空间维度大而寻优效率低下。对此,提出了一种基于逐次优化改进遗传算法,该方法利用逐次优化的思想,对传统遗传算法的寻优方式进行了改进,并将该算法应用于某实际区域大电网中求解无功规划问题。结果表明,该方法不仅有效降低了解空间的维度,且在保证算法效率的同时使寻优的效果得到较大的改善。(本文来源于《水电能源科学》期刊2015年05期）
钱镜林,张松达,夏梦河[3]（2014）在《逐次优化算法在梯级水库防洪优化调度中的应用》一文中研究指出在分析梯级水库来水量、下泄能力与河道防洪控制点洪峰流量之间内在联系的基础上,提出了洪水调度模型与逐次优化算法的联合求解方法。实例结果表明,该方法成功地为洪水实时调度及防洪系统规划提供了一套简捷、高效而又符合实际的模型和解法。(本文来源于《中国农村水利水电》期刊2014年08期）
张建平,方斯顿,宋越,朱忠烈,程浩忠[4]（2014）在《基于逐次优化遗传算法的无功规划》一文中研究指出利用网损对节点补偿容量的灵敏度进行无功补偿位置选址,以灵敏度平均值为标准选取补偿节点,在该选址结果的基础上提出了一种用于电力系统无功规划问题的改进逐次优化遗传算法,该方法利用逐次优化的思想,对传统遗传算法的寻优方式进行了改进,有效降低了解空间的维度,在保证算法效率的同时使得寻优的效果得到较大的改善。将算法应用于IEEE30节点系统和IEEE118节点系统,计算结果表明算法可以较好地改善寻优特性。(本文来源于《华东电力》期刊2014年05期）
邹进[5]（2012）在《基于逐次逼近遗传算法的梯级水库优化调度》一文中研究指出利用传统遗传算法求解水库优化调度问题时,经过遗传操作产生的新个体可能是不可行解,因此需要对其进行修正.但在梯级水库调度中,由于各时段间、水库间存在的水力电力联系,使这种修正变得复杂困难.鉴于此,提出了逐次逼近遗传算法(GASA),它可在包含不可行解的空间中寻优,并通过搜索空间的不断改变,逐渐逼近最优解.最后通过一个算例,并与离散微分动态规划法(DDDP)和逐步优化法(POA)的优化结果进行比较,说明了该方法的可行性与有效性.(本文来源于《水利水运工程学报》期刊2012年01期）
王永强,周建中,覃晖,卢有麟,张勇传[6]（2011）在《基于改进二进制粒子群与动态微增率逐次逼近法混合优化算法的水电站机组组合优化》一文中研究指出针对水电站机组组合问题具有高维、非凸、离散、非线性等特点,提出了一种适用于求解大容量、多机组巨型水电站机组组合问题的改进二进制粒子群优化算法,改进了粒子概率变换和位置更新方程,使其具有更强的全局寻优能力和更快的收敛速度。通过将改进二进制粒子群算法与动态微增率逐次逼近法混合嵌套,分别对水电站外层机组组合和内层机组间负荷分配进行交替迭代优化来求解水电站机组组合问题。同时引入启发式机组最短开停机时间修补策略和基于机组启停优先顺序表的系统备用容量修补技术,有效处理了多重约束条件,提高了算法的收敛速度和寻优能力。以叁峡水电站为工程应用背景进行了实例研究,并与DP和BPSO算法以及实际耗水量进行了比较分析,结果表明所提算法简单快速,优化效果较好,具有较强的工程实用价值。(本文来源于《电力系统保护与控制》期刊2011年10期）
程春田,杨凤英,武新宇,苏华英[7]（2010）在《基于模拟逐次逼近算法的梯级水电站群优化调度图研究》一文中研究指出水库调度图是水电站发电调度运行的基础,然而现有研究和算法大都集中在单库调度图,库群发电调度图成果较少。本文结合我国开发得较为完善的乌江流域梯级水电站群,提出了一种实用的梯级水电站群发电优化调度图制定方法。该方法以单库调度图为基础,综合形成初始的库群调度图,并以此进行模拟调度,即根据两种调度图对长系列资料逐时段计算,获得两种负荷结果,最终运用库群负荷分配调整两种负荷的偏差,获得调度结果;然后以模拟调度统计的多年平均发电量最大为目标,采用逐次逼近算法不断修正两种调度图的基本调度线,最终获得满足精度要求的单库调度图和库群调度图。较常规方法,本方法方便一次性得出水电站(群)调度图。模拟调度结果表明所建立的方法有效、实用,在兼顾电网对电站要求的基础上,大大提高了梯级长期发电效益。(本文来源于《水力发电学报》期刊2010年06期）
王刚,张雪敏,梅生伟,谭伟[8]（2009）在《基于逐次优化的电力系统紧急切负荷算法》一文中研究指出为确保校正控制的安全性同时兼顾经济性,提出一种新的紧急切负荷算法。该算法由恢复潮流方程可解性算法和满足电压稳定裕度算法两部分组合而成。前者利用电压稳定域边界的切平面方程辨识电压弱节点集,进而将该集的节点负荷量作为优化变量,并综合考虑切负荷量最小、有利于系统暂态稳定性提高和计算速度快等叁项目标,提出了逐次优化算法以恢复潮流方程的可解性;后者利用故障后电压稳定域边界的切平面方程,调整可控参数变量以达到最小电压稳定裕度的要求。IEEE-39节点和上海电力系统的算例证明了该算法的有效性。(本文来源于《清华大学学报(自然科学版)网络.预览》期刊2009年07期）
王刚,张雪敏,梅生伟,谭伟[9]（2009）在《基于逐次优化的电力系统紧急切负荷算法》一文中研究指出为确保校正控制的安全性同时兼顾经济性,提出一种新的紧急切负荷算法。该算法由恢复潮流方程可解性算法和满足电压稳定裕度算法两部分组合而成。前者利用电压稳定域边界的切平面方程辨识电压弱节点集,进而将该集的节点负荷量作为优化变量,并综合考虑切负荷量最小、有利于系统暂态稳定性提高和计算速度快等叁项目标,提出了逐次优化算法以恢复潮流方程的可解性;后者利用故障后电压稳定域边界的切平面方程,调整可控参数变量以达到最小电压稳定裕度的要求。IEEE-39节点和上海电力系统的算例证明了该算法的有效性。(本文来源于《清华大学学报(自然科学版)》期刊2009年07期）
许银山,梅亚东,魏婧,涂启玉[10]（2008）在《梯级水库群长期优化调度的逐次优化-遗传算法》一文中研究指出梯级水库群长期优化调度问题是一个典型的高度非线性、多维、多时段的优化问题。针对问题特点,提出了一种逐次优化和遗传算法相结合的方法。首先将多阶段优化问题转化为多个两阶段优化问题,然后采用遗传算法求解每个两阶段优化问题。将该方法应用于大渡河4个梯级水库水电站长期优化调度,结果表明,该方法占用计算机内存少,效率高,收敛速度快,是一种有效的求解水库群优化调度模型的方法。(本文来源于《中国农村水利水电》期刊2008年09期）
逐次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：
与超高压线路相比,特高压线路无功大量富余,会与下级电网形成很大的穿越无功,从而影响无功的分层控制,甚至威胁电力系统的安全稳定运行。常规的优化算法存在维数灾问题,即使是智能算法,也由于解空间维度大而寻优效率低下。对此,提出了一种基于逐次优化改进遗传算法,该方法利用逐次优化的思想,对传统遗传算法的寻优方式进行了改进,并将该算法应用于某实际区域大电网中求解无功规划问题。结果表明,该方法不仅有效降低了解空间的维度,且在保证算法效率的同时使寻优的效果得到较大的改善。
（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。
逐次优化算法论文参考文献
[1].赵琴,陈健,张月琴.基于逐次适应蚁群优化算法的个性化微学习推荐[J].计算机工程.2018
[2].邓大上,房鑫炎.基于逐次优化改进遗传算法的特高压穿越无功规划[J].水电能源科学.2015
[3].钱镜林,张松达,夏梦河.逐次优化算法在梯级水库防洪优化调度中的应用[J].中国农村水利水电.2014
[4].张建平,方斯顿,宋越,朱忠烈,程浩忠.基于逐次优化遗传算法的无功规划[J].华东电力.2014
[5].邹进.基于逐次逼近遗传算法的梯级水库优化调度[J].水利水运工程学报.2012
[6].王永强,周建中,覃晖,卢有麟,张勇传.基于改进二进制粒子群与动态微增率逐次逼近法混合优化算法的水电站机组组合优化[J].电力系统保护与控制.2011
[7].程春田,杨凤英,武新宇,苏华英.基于模拟逐次逼近算法的梯级水电站群优化调度图研究[J].水力发电学报.2010
[8].王刚,张雪敏,梅生伟,谭伟.基于逐次优化的电力系统紧急切负荷算法[J].清华大学学报(自然科学版)网络.预览.2009
[9].王刚,张雪敏,梅生伟,谭伟.基于逐次优化的电力系统紧急切负荷算法[J].清华大学学报(自然科学版).2009
[10].许银山,梅亚东,魏婧,涂启玉.梯级水库群长期优化调度的逐次优化-遗传算法[J].中国农村水利水电.2008