导读:本文包含了分布式问题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:分布式,算法,车间,蜂群,梯度,作业,车辆。
分布式问题求解论文文献综述
王超,袁杰红[1]（2019）在《分布式并行遗传算法求解多车型车辆路径问题》一文中研究指出传统遗传算法在求解HVRP问题时寻优效率不高,在搜索过程中易陷入局部最优,发生早熟。为解决上述问题,文章在传统遗传算法的基础上,采用多个子算法并行分布、同时迭代的方式调整算法结构,并引入迁移算子实现迭代过程中各子算法间的信息共享,以提升寻优效率。(本文来源于《物流科技》期刊2019年10期）
余红蕾[2]（2019）在《求解大规模优化问题的分布式并行方法》一文中研究指出针对大规模的优化问题,提出一种复杂度低且能快速收敛的分布式并行方法。由于计算Hessian矩阵及其逆矩阵会带来巨大的计算和存储开销,利用内点法或牛顿法求解大规模问题并不可行;大规模优化问题通常采用基于梯度或基于分解的方法进行求解。传统的方法具有较高的复杂度的算法,因此笔者提出了一种新的具有更快收敛速度的原对偶方法,每次迭代仅需要进行简单的梯度更新,从而降低复杂度。(本文来源于《信阳农林学院学报》期刊2019年01期）
肖丽,包骏杰,石熙,周琳琳[3]（2018）在《非平衡有向网络上求解分布式经济分配问题的原始-对偶算法》一文中研究指出受电力系统经济分配问题的启发,研究了分布式经济分配问题,其主要目标是在m个智能体组成的非平衡有向网络上最小化m个局部凸代价函数之和.网络中的每个智能体都仅仅知道自己私有的局部凸代价函数,并且同时受到耦合线性约束和局部不等式约束的影响.此外,特别关注每个智能体仅允许通过不平衡有向网络与其内部邻居进行交互的情况.为了分布式地解决上述问题,提出一种新的只需要智能体进行本地计算和本地通信的完全分布式原始-对偶次梯度算法.当网络拓扑是强连通的且权重矩阵是行随机时,理论分析证明本文的算法可以渐进收敛到全局优化问题的最优解.最后,给出了电力系统中分布式经济分配问题的数值仿真,验证了所提出算法的有效性和分析过程的正确性.(本文来源于《西南大学学报(自然科学版)》期刊2018年11期）
吴秀丽,刘夏晶[4]（2019）在《差分进化算法求解分布式柔性作业车间调度问题》一文中研究指出经济全球化使制造业从单工厂模式转变为多工厂协同生产模式,制造资源异地化、客户需求多样化使得多工厂的分布式调度难度急剧增加,为此研究了分布式柔性作业车间调度问题。首先建立了该问题的双目标优化模型,同时优化总成本和提前/延期惩罚。然后提出改进的差分进化算法,设计了两种变异机制以及两种交叉方式,结合模拟退火的鲁棒性进行局部搜索,并结合贪婪和带精英策略的快速非支配排序遗传算法的选择思想设计选择操作,产生下一代继续进行迭代进化。最后,通过综合实验证明了所提模型和算法能够很好地求解此类问题。(本文来源于《计算机集成制造系统》期刊2019年10期）
吴锐,郭顺生,李益兵,王磊,许文祥[5]（2019）在《改进人工蜂群算法求解分布式柔性作业车间调度问题》一文中研究指出针对分布式柔性作业车间调度问题的特点,提出一种改进人工蜂群算法.首先,建立以最小化最大完工时间为优化目标的分布式柔性作业车间调度优化模型;然后,改进基本人工蜂群算法以使其适用于求解分布式柔性作业车间调度问题,具体的改进包括设计一种包含叁维向量的编码方案,结合问题特点针对性地设计多种策略用于种群初始化,在雇佣蜂改良搜索操作中设计多种有效的进化操作算子,并在跟随蜂搜索操作中引入基于关键路径的局部搜索算子以提升算法的局部搜索能力;最后,利用扩展柔性作业车间通用测试集得到的测试数据设计实验验证算法性能,使用正交试验法优化算法参数设置.仿真实验结果表明,改进后的人工蜂群算法能有效求解分布式柔性作业车间调度问题.(本文来源于《控制与决策》期刊2019年12期）
李俊青[6]（2018）在《求解分布式装配式建筑逆向物流问题的离散人工蜂群算法》一文中研究指出给出了一种混合离散的人工蜂群算法(HDABC)用于求解分布式装配式建筑逆向物流问题.为实现ABC算法的离散化,提出了一种基于两级向量链表的十进制编码机制.结合逆向物流特征和ABC算法特点,设计了8种邻域结构.算法通过对两个现实生产实例求解,并与当前文献中的典型算法对比分析,验证了提出的算法无论在算法运行时间还是在求解质量上,都具备良好的性能.(本文来源于《聊城大学学报(自然科学版)》期刊2018年02期）
伊鹏[7]（2018）在《基于分布式变邻域搜索的长期车辆合乘问题求解研究》一文中研究指出随着我国经济的高速增长,私家车已经成为人们普遍的出行工具,但由此带来的交通压力和环境污染也日趋明显。通过车辆合乘方式共享出行则可有效缓解以上问题,因此车辆合乘问题(Carpooling Problem,CPP)逐渐成为研究的热点领域。长期车辆合乘问题(Long-Term Carpooling Problem,LTCPP)属于车辆合乘问题的子问题,它是一种用户目的地相近且用户之间的合乘关系固定的特殊车辆合乘问题。本文应用启发式算法中的变邻域搜索算法(Variable Neighborhood Search Algorithm,VNSA)对长期车辆合乘问题进行研究,通过构造不同变邻域结构对长期车辆合乘问题的解域进行局部搜索,可在较短时间内求解长期车辆合乘问题。首先对长期车辆问题进行分析,构建以出行成本为目标函数并带有时间窗约束和车容量约束的数学模型;然后根据用户地理位置分布,应用复合距离优先算法将用户划分到各个合乘小组,对各个合乘小组进行约束验证得到质量较高的初始解。为了避免陷入局部最优,本文通过构造不同的邻域搜索结构分别对初始解进行局部优化,经过邻域搜索迭代优化后得到满足时间窗口约束和车容量约束的较优解。最后构建基于分布式计算的变邻域搜索机制,提高算法的可靠性和精度,达到节约出行成本的目的。实验结果表明,该算法对于大规模算例能够求解出高质量的较优解,同时该算法在收敛速度和求解时间上均有较高的优势。(本文来源于《辽宁工程技术大学》期刊2018-06-01）
李晨[8]（2018）在《随机梯度法在求解分布式椭圆控制问题中的应用》一文中研究指出现实生活中的许多问题都可以用最优控制系统来描述。因其在实际应用中的重要性,最优控制问题吸引了许多数学工作者的研究兴趣,相关的数学建模、高效算法等方向也得到了飞速的发展。物理和工程上的许多模型中均含有不确定性的数据或者参数,因此实际的模型都可以用随机偏微分方程来表示,相关的数值算法也应运而生。本文主要研究一类随机最优控制问题:随机分布式最优控制问题。具体来说,控制系统由一个带随机输入的椭圆偏微分方程构成,本文希望在此限制下找到最优的右端项使得给定的分布式目标函数达到最小。本文的主要工作如下:首先,本文从泛函的角度出发,在理论上介绍了所研究问题解的存在唯一性。其次,本文利用拉格朗日乘子法将原问题转化为无约束的最优控制问题,并导出与原问题等价的欧拉-拉格朗日方程组。接着,本文采用蒙特卡洛-有限元方法对该方程组进行离散,从而得到对原问题的数值离散格式及相关误差分析。最后,本文提出了随机梯度法来高效求解该类随机最优控制问题,并通过与传统的梯度下降法比较验证了其有效性。特别的,在一些简单情况下,本文给出了随机梯度法的收敛性分析。(本文来源于《中国工程物理研究院》期刊2018-06-01）
廖志军[9]（2018）在《分布式K-Core算法加速求解最大团问题及在金融社交网络中应用》一文中研究指出随着互联网技术的不断提高和普及,越来越多的用户加入社交网络平台,从而形成了大规模的社交网络,分析和挖掘社交网络隐藏的信息是非常具有研究价值的。最大团是社交网络中联系最紧密的结构,因此通过最大团来分析社交网络是非常有效的方式。最大团问题(Maximal Clique Problem,MCP)是一类经典的NP-完全问题,在现实生活领域获得广泛的应用。本文通过研究K-Core算法,发现K-Core算法通过不断迭代剪枝能够获取到一个最大近似团,并且在最大近似团中可能包含有最大团。因此,本文提出先使用K-Core算法对图进行剪枝获得最大近似团,然后使用分支限界法获得最大团的研究方法。并且,为了处理具有海量数据的社交网络的场景,本文通过使用Spark分布式内存框架,实现了分布式K-Core算法。本论文的主要的工作内容如下:1,通过将K-Core算法和分支限界算法结合,通过实验证明了算法具有提升分支限界算法搜索最大团的效率。2,将K-Core算法和Spark分布式计算框架结合,设计和实现了分布式K-Core算法,并通过实验证明了算法的可行性。3,将算法应用到真实的大型金融社交网络——BoardEx中。在BoardEx中通过组合算法挖掘出最大团,分析其中的职位信息,发现在这个缩小图中的职位比例近似于原始社交网络的职位比例,说明在获取的最大团能够在一定程度上代表BoardEx社交网络进行某些特征的数据分析。(本文来源于《暨南大学》期刊2018-05-01）
张振磊[10]（2018）在《EDA算法求解叁类复杂分布式流水线调度问题》一文中研究指出生产制造系统作为一类人造的复杂系统,具有非线性、不确定性、多目标性、多约束性、强约束性、NP难、多局部最优性等特点。生产过程的调度问题是工业等制造系统一个重要的研究领域,也是理论研究中一个非常复杂、困难的问题之一。智能优化算法在求解复杂的生产车间调度问题方面,已经有了较长时间的研究历史,其在学术界和工业界已经成为一个热门的研究领域。分布估计算法是进化算法这一领域中新兴的算法种类。不同其他进化算法依据旧解生成新解的机制,分布估计算法依据分布概率模型对解信息的描述,能够有效地求解复杂的流水车间调度问题优化问题。本文将分布估计算法应用于求解叁类新兴的复杂流水车间调度问题。主要的研究工作如下:(1)针对带有设置时间和到达时间的分布式零等待流水线调度问题(the distributed No-wait flow shop with Sequence Dependent Setup Times and Arrival times,DNPFSP with SDSTs and RDs,DNFSSP),提出一种自适应的分布估计算法对该问题进行求解,优化的目标为最小化其最大化完成时间(makespan)。算法利用分布概率模型对优质解的信息描述,对新解的生成进行指导。使用变邻域局部搜索算法对优质解的邻域空间进行搜索。通过对不同规模的测试问题的求解并与其他算法进行比较,验证了所提分布估计算法的有效性和鲁棒性。(2)针对带装配的分布式置换流水线调度问题(Distributed Assembly Permutation Flow-Shop Scheduling Problem,DAFSSP),提出一种改进版的分布估计算法对该问题进行求解,优化的目标为最小化其最大化完成时间(makespan)。算法利用分布概率模型对从产品层面和工件层面对优质解的描述信息,对新解的生成进行指导。使用变邻域局部搜索算法对优质解从产品序列、工件序列和可执行解叁个层面对邻域空间进行搜索。通过对不同规模的测试问题的仿真,并与其他算法进行比较,验证了所提分布估计算法的有效性和鲁棒性。(3)针对带装配的分布式异构流水线调度问题(Distributed Heterogeneous Assembly Permutation Flow-Shop Scheduling Problem,DAFSSP),提出一种改良的分布估计算法(ameliorated estimation of distribution algorithm,AEDA)对该问题进行求解,优化的目标为最小化其最大化完成时间(makespan)。本章中将ECF规则改变后应用在本问题中,并提出适应本问题的局部搜索。通过对不同规模的测试问题的仿真,并与其他算法进行比较,验证了所提分布估计算法的有效性和鲁棒性。(本文来源于《昆明理工大学》期刊2018-04-01）
分布式问题求解论文开题报告
（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：
针对大规模的优化问题,提出一种复杂度低且能快速收敛的分布式并行方法。由于计算Hessian矩阵及其逆矩阵会带来巨大的计算和存储开销,利用内点法或牛顿法求解大规模问题并不可行;大规模优化问题通常采用基于梯度或基于分解的方法进行求解。传统的方法具有较高的复杂度的算法,因此笔者提出了一种新的具有更快收敛速度的原对偶方法,每次迭代仅需要进行简单的梯度更新,从而降低复杂度。
（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。
分布式问题求解论文参考文献
[1].王超,袁杰红.分布式并行遗传算法求解多车型车辆路径问题[J].物流科技.2019
[2].余红蕾.求解大规模优化问题的分布式并行方法[J].信阳农林学院学报.2019
[3].肖丽,包骏杰,石熙,周琳琳.非平衡有向网络上求解分布式经济分配问题的原始-对偶算法[J].西南大学学报(自然科学版).2018
[4].吴秀丽,刘夏晶.差分进化算法求解分布式柔性作业车间调度问题[J].计算机集成制造系统.2019
[5].吴锐,郭顺生,李益兵,王磊,许文祥.改进人工蜂群算法求解分布式柔性作业车间调度问题[J].控制与决策.2019
[6].李俊青.求解分布式装配式建筑逆向物流问题的离散人工蜂群算法[J].聊城大学学报(自然科学版).2018
[7].伊鹏.基于分布式变邻域搜索的长期车辆合乘问题求解研究[D].辽宁工程技术大学.2018
[8].李晨.随机梯度法在求解分布式椭圆控制问题中的应用[D].中国工程物理研究院.2018
[9].廖志军.分布式K-Core算法加速求解最大团问题及在金融社交网络中应用[D].暨南大学.2018
[10].张振磊.EDA算法求解叁类复杂分布式流水线调度问题[D].昆明理工大学.2018
论文知识图
