导读:本文包含了算法混合策略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,自适应,神经网络,灰狼,策略,紧凑。
算法混合策略论文文献综述
张倩倩,余道洋,李民强[1]（2019）在《基于混合策略的移动机器人避障算法探究》一文中研究指出针对已有传统避障算法的各种缺陷,提出一种矢量场直方图法(VectorField Histogram,VFH)结合神经网络(NeuralNetwork)算法的新型混合实时避障策略。该策略利用矢量场直方图法实现基础避障,得到大量数据集。利用样本集训练神经网络可以得到一个神经网络预测器。从而实现同时具有预测和控制运动矢量的效果。为了验证该策略的有效性,针对不同障碍环境下进行仿真,并与单一避障效果进行了对比。仿真实验验证了这种实时避障策略的可行性和优越性。(本文来源于《控制工程》期刊2019年07期）
段国荣[2]（2019）在《混合策略粒子群算法在确定含水层参数中的应用》一文中研究指出含水层参数是进行地下水研究的最基本的参数,含水层参数的可靠性,决定地下水模拟计算的准确性。目前,主要是利用抽水试验数据来确定含水层参数。近年来,智能优化算法被广泛用于解决此类问题。粒子群算法(Particle Swarm Optimization Algorithm,PSO)是常用的智能优化算法。针对PSO算法自身的一些问题,本文对其进行了改进,并将其用于确定直线边界完整井流模型参数。本文的主要研究工作如下:1、为了克服PSO算法自身的缺陷,提出混合策略粒子群算法(Hybrid Strategy Particle Swarm Optimization Algorithm,HS-PSO),即将紧凑度的思想融入到PSO算法中,加强算法的局部搜索,结合调度系数的控制,提高算法的精度及寻优速度,再通过替换阈值的约束,加强全局搜索。2、将HS-PSO算法用于确定直线供水边界完整井流模型,通过与相关文献中其他方法计算结果的比较,与降深观测值的拟合及HS-PSO算法对水位降深的反演,验证了HS-PSO算法的可靠性;通过对降深观测值进行扰动分析,验证了HS-PSO算法的稳定性;讨论了HS-PSO算法的收敛性对种群规模的依赖性,给出了种群规模的建议值;通过分析待估参数取值范围对HS-PSO算法收敛性的影响可知,HS-PSO算法对待估参数取值范围的敏感性较低。3、将HS-PSO算法应用于确定直线隔水边界完整井流模型,通过HS-PSO算法所得的降深计算值与降深观测值的拟合及对水位降深的反演,验证了HS-PSO算法的可靠性;讨论了种群规模对HS-PSO算法收敛性的影响,给出了种群规模的建议值;分析了待估参数取值范围对HS-PSO算法收敛性的影响,得出HS-PSO算法在确定含水层参数时较其他算法更有效;通过对确定的导水系数和储水系数的灵敏度进行分析,可看出导水系数和储水系数随着水位降深值的增大而减小,且导水系数的灵敏度高于储水系数的。(本文来源于《长安大学》期刊2019-05-05）
苗晓锋,刘志伟[3]（2019）在《一种基于混合策略的差分进化算法研究》一文中研究指出差分进化算法DE(Differental Evolution)是一种着名的处理非线性复杂问题的优化技术。为改进其计算开销大、参数设置与问题本身特性过于相关等缺陷,提出一种混合策略的差分进化算法HDE(Hybrid DE)。它混合反向学习OBL(Opposition-based Learning)和自适应机制来进行参数调整,从而能加速算法收敛,同时提高求解成功率。在MATLAB环境中进行的测试实验结果表明,HDE在收敛速度,鲁棒性和计算开销等方面的性能在大部分测试用例上优于已有的多种算法。这表明混合策略是一种行之有效的差分进化算法的研究路径。(本文来源于《计算机应用与软件》期刊2019年03期）
段国荣,刘元会[4]（2018）在《基于混合策略粒子群算法的含水层参数确定》一文中研究指出将混合策略粒子群优化算法用于分析无限延伸含水层和直线隔水边界含水层条件下的抽水试验数据,求解含水层参数,为预估含水层参数提供一种新的方法。这种混合算法是将紧凑度的思想融入到粒子群优化算法中,加强算法的局部搜索能力,结合调度系数的控制,提高算法寻优精度及收敛速度,再通过一定小概率的约束,提高全局搜索能力,构造混合策略粒子群优化算法。这种混合算法能够有效解决原算法收敛速度慢,精度差和易陷入局部极值的问题。实验结果表明,混合策略粒子群优化算法是可行的含水层参数估计方法,并且具有精度高,收敛性好,稳定性好等优点。(本文来源于《中国农村水利水电》期刊2018年10期）
何庆,魏康园,徐钦帅[5]（2019）在《基于混合策略改进的鲸鱼优化算法》一文中研究指出针对传统鲸鱼优化算法收敛速度慢、易陷入局部最优等问题,提出一种基于混合策略改进的鲸鱼优化算法。首先,引入非线性调整策略改进收敛因子,平衡算法的全局探索与局部开发能力并加快算法收敛速度;然后,将自适应权重系数引入鲸鱼位置更新式中,从而提高算法的寻优精度;最后,结合人工蜂群算法的limit阈值思想,使算法能够有效跳出局部最优,改善算法早熟收敛现象。通过对14个基准测试函数在不同维度上的仿真实验表明,改进算法具有较高的寻优精度和较快的收敛速度。(本文来源于《计算机应用研究》期刊2019年12期）
许艳茹[6]（2018）在《基于混合策略的电影推荐算法研究》一文中研究指出随着互联网的快速发展,网上看电影作为休闲放松的方式之一,越来越得到人们的关注,电影、视频网站的竞争也越来越激烈。但是,由于视频网站中的电影太多,用户需要花费大量的时间与精力去寻找自己喜欢的电影。而推荐算法的应用使得用户寻找自己喜欢的电影变得很简单。因此,本文以电影推荐算法为研究内容,提出了基于动态阈值的Slope One算法,并将其与基于RBF神经网络的协同过滤算法及基于随机森林的协同过滤算法相融合,使推荐结果更加准确。概括起来,本文的主要工作如下:(1)改进了传统的Slope One算法,并应用于电影推荐领域。首先,运用动态阈值的方法查找目标项目的近邻集,然后再用Slope One算法预测用户未评分项目的评分,最后得到推荐列表,并在MovieLens数据集上验证了算法的准确性。(2)将RBF神经网络与协同过滤相结合的算法运用在电影推荐领域。首先,初始化用户项目矩阵;然后,对处理过的数据进行相似度计算,得出相似性矩阵,根据相似性矩阵找到目标项目的邻居集;之后,运用RBF神经网络根据邻居集的数据预测目标用户未评分项目的评分;最后,根据预测评分的高低,选出评分较高的前M部电影推荐给用户,并在MovieLens数据集上验证了算法的准确性。(3)将随机森林算法与协同过滤算法相结合,并应用于电影推荐领域。首先,根据用户的评分计算相似度矩阵;然后,查找用户的近邻集,根据近邻集的数据,运用随机森林算法预测用户未评分项目的评分;最后,根据预测评分的高低,选出评分较高的前M部电影推荐给用户,并在Movie Lens数据集上验证了算法的准确性。(4)将叁种推荐算法进行融合,最后的推荐结果由基于动态阈值的Slope One算法、基于RBF神经网络的协同过滤算法与基于随机森林的协同过滤算法按比例融合得出。为了测试算法的准确性,采用了MovieLens真实数据集对算法进行检测。推荐结果显示,融合算法比单个算法的推荐效果更好。(5)设计了一个电影推荐系统,阐述了系统个性化信息的获取、系统需求、系统构架以及系统的功能模块和处理流程。(本文来源于《兰州财经大学》期刊2018-05-30）
李珂,王艳,纪志成[7]（2018）在《基于混合策略的入侵杂草算法的FJSP问题研究》一文中研究指出为了更加有效地求解柔性作业车间调度问题,提出一种混合策略的入侵杂草算法。在种子繁殖阶段,通过引入自适应高斯变异算子增加种群多样性。在扩散阶段,采用基于正切函数的正态分布标准差作为种子新的步长搜索方式。在竞争生存阶段,利用蜂群算法中的引导搜索策略对杂草个体进行引导搜索,以提高其跳出局部最优的能力。提出一种基于转化序列的随机键编码方式,并将所提算法通过实例与其他算法进行仿真实验对比,统计结果表明所提算法具有更好的收敛性,适合解决该类调度问题。(本文来源于《系统仿真学报》期刊2018年05期）
牛家彬,王辉[8]（2018）在《一种基于混合策略的灰狼优化算法》一文中研究指出灰狼优化算法作为一种群体智能算法,不可避免地会产生陷入局部寻优和收敛速度慢的问题。本文提出一种混合的改进策略,把动态权重和动态种群的结合起来,在提高收敛速度的同时,产生较好的解。通过多组基准测试函数进行验证,实验结果表明在收敛速度和搜索能力方面都表现的更好。(本文来源于《齐齐哈尔大学学报(自然科学版)》期刊2018年01期）
李世光,李莹,张梦莎,高正中,薛寒[9]（2017）在《基于混合策略的光伏MPPT算法优化控制》一文中研究指出针对实际应用中光伏阵列收到不匀光照时,整个光伏系统的功率与电压(P-U)曲线将变为多峰值,采用传统的最大功率点跟踪方法(MPPT)不能很好地解决跟踪时发生的问题,所以为了更好的跟踪最大功率,根据其理论数学公式,利用Matlab/Simulink仿真软件,构建了由蛙跳粒子群算法与扰动观察法相结合的混合算法的仿真实验模型。仿真结果表明该算法可以快速精确的跟踪最大功率,克服了扰动中判断错误的问题,验证了该方法的正确性和优越性。新算法体现出对环境变化的良好适应能力,具备工程应用的条件。(本文来源于《2017中国自动化大会（CAC2017）暨国际智能制造创新大会（CIMIC2017）论文集》期刊2017-10-20）
朱海波,张勇[10]（2017）在《基于生物差分进化与优胜劣汰混合策略的改进灰狼算法》一文中研究指出针对灰狼算法在多维优化函数搜索中存在收敛速度慢,寻优精度低,易陷入局部极值的缺陷,提出一种基于生物淘汰策略与差分进化混合策略的灰狼算法。该算法在基本灰狼算法的基础上,引入差分进化机制生成一个变异种群,通过其动态缩放因子和交叉概率因子避免算法陷入局部最优;再引入达尔文《进化论》中适者生存优胜劣汰的生物竞争淘汰策略,即通过对进化变异后狼群个体适应度值的比较淘汰m只狼,同时随机生成与被淘汰数量相同的灰狼,以保证算法的多样性和搜索精度。采用多峰高维标准测试函数进行测试,并将测试结果与粒子群(PSO)算法、布谷鸟搜索算法(CS)和人工蜂群算法(ABC)进行对比,实验结果表明改进的狼群算法具有更高的寻优精度和较快的收敛速度。(本文来源于《第28届中国过程控制会议（CPCC 2017）暨纪念中国过程控制会议30周年摘要集》期刊2017-07-30）
算法混合策略论文开题报告
（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：
含水层参数是进行地下水研究的最基本的参数,含水层参数的可靠性,决定地下水模拟计算的准确性。目前,主要是利用抽水试验数据来确定含水层参数。近年来,智能优化算法被广泛用于解决此类问题。粒子群算法(Particle Swarm Optimization Algorithm,PSO)是常用的智能优化算法。针对PSO算法自身的一些问题,本文对其进行了改进,并将其用于确定直线边界完整井流模型参数。本文的主要研究工作如下:1、为了克服PSO算法自身的缺陷,提出混合策略粒子群算法(Hybrid Strategy Particle Swarm Optimization Algorithm,HS-PSO),即将紧凑度的思想融入到PSO算法中,加强算法的局部搜索,结合调度系数的控制,提高算法的精度及寻优速度,再通过替换阈值的约束,加强全局搜索。2、将HS-PSO算法用于确定直线供水边界完整井流模型,通过与相关文献中其他方法计算结果的比较,与降深观测值的拟合及HS-PSO算法对水位降深的反演,验证了HS-PSO算法的可靠性;通过对降深观测值进行扰动分析,验证了HS-PSO算法的稳定性;讨论了HS-PSO算法的收敛性对种群规模的依赖性,给出了种群规模的建议值;通过分析待估参数取值范围对HS-PSO算法收敛性的影响可知,HS-PSO算法对待估参数取值范围的敏感性较低。3、将HS-PSO算法应用于确定直线隔水边界完整井流模型,通过HS-PSO算法所得的降深计算值与降深观测值的拟合及对水位降深的反演,验证了HS-PSO算法的可靠性;讨论了种群规模对HS-PSO算法收敛性的影响,给出了种群规模的建议值;分析了待估参数取值范围对HS-PSO算法收敛性的影响,得出HS-PSO算法在确定含水层参数时较其他算法更有效;通过对确定的导水系数和储水系数的灵敏度进行分析,可看出导水系数和储水系数随着水位降深值的增大而减小,且导水系数的灵敏度高于储水系数的。
（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。
算法混合策略论文参考文献
[1].张倩倩,余道洋,李民强.基于混合策略的移动机器人避障算法探究[J].控制工程.2019
[2].段国荣.混合策略粒子群算法在确定含水层参数中的应用[D].长安大学.2019
[3].苗晓锋,刘志伟.一种基于混合策略的差分进化算法研究[J].计算机应用与软件.2019
[4].段国荣,刘元会.基于混合策略粒子群算法的含水层参数确定[J].中国农村水利水电.2018
[5].何庆,魏康园,徐钦帅.基于混合策略改进的鲸鱼优化算法[J].计算机应用研究.2019
[6].许艳茹.基于混合策略的电影推荐算法研究[D].兰州财经大学.2018
[7].李珂,王艳,纪志成.基于混合策略的入侵杂草算法的FJSP问题研究[J].系统仿真学报.2018
[8].牛家彬,王辉.一种基于混合策略的灰狼优化算法[J].齐齐哈尔大学学报(自然科学版).2018
[9].李世光,李莹,张梦莎,高正中,薛寒.基于混合策略的光伏MPPT算法优化控制[C].2017中国自动化大会（CAC2017）暨国际智能制造创新大会（CIMIC2017）论文集.2017
[10].朱海波,张勇.基于生物差分进化与优胜劣汰混合策略的改进灰狼算法[C].第28届中国过程控制会议（CPCC2017）暨纪念中国过程控制会议30周年摘要集.2017
论文知识图
