导读:本文包含了免疫粒子群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,粒子,免疫,子群,子粒,人工免疫,距离。
免疫粒子群算法论文文献综述
曹申,粟世玮,曹文康,杨玄[1]（2019）在《基于人工免疫粒子群算法的分布式电源优化配置》一文中研究指出传统粒子群算法在求解分布式电源的优化配置问题时,存在早熟收敛、易陷入局部最优的现象。为解决这些问题,提出一种基于传统粒子群算法的人工免疫粒子群算法。该算法把人工免疫系统的多样性、免疫记忆特性与传统粒子群算法有机结合,提高了算法的全局搜索能力,保留了高适应度的个体,解决了传统算法早熟收敛、局部搜索能力差的不足。通过对IEEE33节点配电测试系统进行仿真计算,验证了所提算法具有更好的搜索性能和寻优能力。(本文来源于《电力科学与工程》期刊2019年10期）
刘露萍,贾文生,蔡江华[2]（2019）在《协同免疫量子粒子群算法求非合作博弈Nash均衡解》一文中研究指出考虑n人非合作博弈Nash均衡求解问题。将混合策略意义下的Nash均衡转化为最优化问题;把免疫记忆、自我进化、信息共享机制加入量子粒子群算法,通过概率浓度选择公式来保持种群的多样性,提出协同免疫量子粒子群算法。4个经典的数值算例说明,该算法优于免疫粒子群算法,具有较强的寻优能力和收敛性能。(本文来源于《计算机应用与软件》期刊2019年08期）
孙虎,周晶燕[3]（2019）在《装配作业车间调度的免疫粒子群算法实现》一文中研究指出装配作业车间调度问题(AJSSP)是一类重要的调度问题,由于其复杂性高和求解时间长,因此寻找高效的求解算法具有重要的意义。针对多层装配工序的作业车间调度问题给出3种求解方案:粒子群算法(PSO)、基于浓度抑制的免疫粒子群算法(IPSO)和采用"精英替代"策略的粒子群算法(EIPSO),并通过大量计算验证3种算法的优劣性。结果表明,IPSO优于PSO和EIPSO。IPSO由于免疫算法的加入,避免了PSO算法中高浓度粒子的过度复制和过早收敛,提高了全局搜索能力,能更好地求解装配作业车间调度问题。(本文来源于《武汉理工大学学报(信息与管理工程版)》期刊2019年03期）
丛培强,李梁,陈亚茹[4]（2019）在《基于汉明距离与免疫思想的粒子群算法》一文中研究指出针对传统粒子群算法收敛速度慢、无法描述离散问题以及后期容易陷入局部最优解的缺陷等问题,提出一种基于汉明距离与免疫思想的改进粒子群算法(IHPSO)。首先,引入汉明距离表示位置与速度更新,使传统粒子群算法能够求解离散问题;然后,融入免疫接种、免疫选择等免疫思想,定义新的种群更新方式,解决了传统粒子群算法收敛速度慢、易陷入局部最优解的弊端;最后,通过TSP问题的模拟实验证明了改进的粒子群算法在求解速度与精度等方面均有明显提高。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年04期）
李强,康琳,高文华,董增寿[5]（2019）在《寻优能力增强型越界免疫粒子群算法》一文中研究指出PSO算法是提高WSN覆盖的一种全局优化算法。针对布尔感知模型与实际情况有所差别,且存在粒子搜索速度变慢的问题。提出了一种寻优能力增强型越界免疫粒子群算法(optimized ability enhancement and out of bounds immune PSO,OAEBI-PSO),采用概率感知模型,在粒子越界和粒子更新两方面做出了改进,得到了更高的覆盖率,并且避免陷入局部最优。仿真表明,该算法能够平均提高11%的覆盖率,并且通过50次的蒙特卡罗实验,表明该算法具有较强的稳定性。(本文来源于《太原科技大学学报》期刊2019年02期）
邹琳,蔡欣,郝矿荣[6]（2018）在《基于双目标免疫粒子群算法的水资源优化配置》一文中研究指出为解决非充分灌溉过程中怎样合理分配生育期水量使作物产量达到最大的问题。将农作物产量和生育期灌溉总水量作为两个优化目标,提出一种双目标免疫粒子群算法,实现作物生长过程中水量的合理分配,达到在非充分灌溉情况下农作物产量最大和生育期灌溉总水量最小的目的。上述算法在标准的粒子群算法中加入拥挤距离来评价粒子,进而选择合适的粒子作为抗体,对全体粒子进行交叉变异操作,从而避免了粒子群算法容易陷入局部最优的问题,有效地加快了收敛速度。实验结果表明,与NSGAII和PSO等算法相比,上述算法能够得到更好的非劣解集。(本文来源于《计算机仿真》期刊2018年12期）
李伟光,卢锦玲[7]（2018）在《基于免疫离散粒子群算法的主动配电网PMU测量位置优化》一文中研究指出主动配电网的状态估计是配电管理系统必不可少的组成要素,其估计结果的准确性受量测位置的影响较大。为了提高系统状态估计的精度,优化实时数据库,结合一种基于并行置信传播算法的状态估计方法,建立了以主动配电网状态估计误差最小为目标的PMU量测位置优化模型,同时提出了利用优化粒子初始位置的改进免疫离散粒子群算法进行模型求解。最后通过算例仿真,得到了量测装置的优化配置方案,且在该方案下,状态估计的精度明显提高。(本文来源于《电测与仪表》期刊2018年21期）
何庆[8]（2018）在《一种基于自适应免疫粒子群算法的多峰函数优化》一文中研究指出粒子群算法是一种典型的智能优化算法,被广泛应用于各个领域,但算法本身也存在着在收敛后期容易陷入局部最优的缺陷,针对这一问题,借鉴免疫系统自我调节机制,引入浓度调节机制和免疫操作机制,提出一种基于免疫机理的粒子群算法,提高算法粒子群体的多样性,根据种群粒子亲和度和浓度群自适应调整搜索粒子的速度和方向,提高算法性能。将算法用于典型多峰函数极值求解,仿真结果表明,算法具有较好的全局收敛性和收敛精度,具有良好的优化性能。(本文来源于《工业控制计算机》期刊2018年10期）
张飞,何雅琴[9]（2018）在《免疫粒子群算法在系统辨识中的应用》一文中研究指出研究了复杂系统参数辨识问题。由于基本粒子群算法在非线性系统参数辨识中极易陷入局部最优解,提出了将免疫系统的免疫机制融入到粒子群算法中。通过免疫系统的免疫记忆、抗体浓度调节等保证了抗体(粒子)种群的多样性,能够很好的阻止算法出现早熟收敛的现象。通过将免疫粒子群算法应用于重油热解模型参数的辨识,得到了较为准确的重油热解模型,并将该算法的辨识结果和GA、PSO、APSO算法的辨识结果进行了对比。仿真实验表明,免疫粒子群算法有很好的全局寻优能力,提高了算法的辨识精度。(本文来源于《福建电脑》期刊2018年08期）
刘露萍,贾文生[10]（2018）在《基于细菌觅食和免疫粒子群算法的Nash均衡求解》一文中研究指出免疫粒子群算法在优化过程中通过免疫记忆性能和抗体浓度抑制机制来促进种群的多样性、但并不能实现每个粒子可以找到其所在邻域内的最优位置,易陷入局部极值。针对免疫粒子群算法的缺陷,本文引入细菌觅食算法中趋向性运动算子的思想来完成局部搜索功能,并据此提出了基于细菌觅食算法和免疫粒子群算法的BFA-IPSO混合算法。该算法既利用免疫粒子群算法的种群多样性,又借助细菌觅食算中的趋化算子增强快速局部寻优能力,很好将两者优势混合。通过对N人有限非合作博弈Nash均衡数值算例求解的实验结果表明,BFAIPSO混合算法很大程度上克服了粒子早熟现象,改进了全局搜索能力和收敛速度。(本文来源于《电子技术与软件工程》期刊2018年13期）
免疫粒子群算法论文开题报告
（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：
考虑n人非合作博弈Nash均衡求解问题。将混合策略意义下的Nash均衡转化为最优化问题;把免疫记忆、自我进化、信息共享机制加入量子粒子群算法,通过概率浓度选择公式来保持种群的多样性,提出协同免疫量子粒子群算法。4个经典的数值算例说明,该算法优于免疫粒子群算法,具有较强的寻优能力和收敛性能。
（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。
免疫粒子群算法论文参考文献
[1].曹申,粟世玮,曹文康,杨玄.基于人工免疫粒子群算法的分布式电源优化配置[J].电力科学与工程.2019
[2].刘露萍,贾文生,蔡江华.协同免疫量子粒子群算法求非合作博弈Nash均衡解[J].计算机应用与软件.2019
[3].孙虎,周晶燕.装配作业车间调度的免疫粒子群算法实现[J].武汉理工大学学报(信息与管理工程版).2019
[4].丛培强,李梁,陈亚茹.基于汉明距离与免疫思想的粒子群算法[J].重庆理工大学学报(自然科学).2019
[5].李强,康琳,高文华,董增寿.寻优能力增强型越界免疫粒子群算法[J].太原科技大学学报.2019
[6].邹琳,蔡欣,郝矿荣.基于双目标免疫粒子群算法的水资源优化配置[J].计算机仿真.2018
[7].李伟光,卢锦玲.基于免疫离散粒子群算法的主动配电网PMU测量位置优化[J].电测与仪表.2018
[8].何庆.一种基于自适应免疫粒子群算法的多峰函数优化[J].工业控制计算机.2018
[9].张飞,何雅琴.免疫粒子群算法在系统辨识中的应用[J].福建电脑.2018
[10].刘露萍,贾文生.基于细菌觅食和免疫粒子群算法的Nash均衡求解[J].电子技术与软件工程.2018
论文知识图
