导读:本文包含了复合形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,小生境,新安江,引力,优化设计,水文站,核动力。
复合形算法论文文献综述
张诗波,刘澜,李平飞,王琰,肖凌云[1]（2019）在《事故再现复合形优化算法及其应用》一文中研究指出为了适应交通事故鉴定与分析工程实践中对基于计算机事故仿真的事故再现人工调整优化方法论的需求,提出了一种新的事故再现优化算法。首先,在对交通事故再现优化问题进行数学描述的基础上,提出了基于隐式仿真的事故再现优化问题的特征,包括:很难对事故仿真模型进行求导、事故仿真"正向迭代"流程与事故再现"反向推导"的要求之间存在矛盾、事故再现对优化效率有较高的要求;其次,阐述了复合形法的基本原理,提出了复合形优化算法的迭代步骤和流程,其基本方式是通过构建简单几何图形(n维空间中具有n+1个以上的顶点组合而成的多面体)并比较各顶点的目标函数值,以目标函数值较小的顶点取代目标函数值最大的顶点,以此反复迭代直至满足收敛指标后得出最优解;最后,基于一起发生在四川成都某快速路上的车辆碰撞行人事故案例,结合多刚体碰撞建模系统PC-Crash软件进行事故仿真建模,利用复合形算法经6步迭代实现车辆碰撞速度和附着系数修正值两个参数的优化求解,并用事故现场监控视频解析数据进行了验证。研究表明:复合形优化算法构思较为直观、收敛较快,不需要对事故仿真模型进行求导,对事故类型也没有限制,适用于优化变量较少的、基于计算机事故仿真的事故再现人工调整优化。(本文来源于《公路交通科技》期刊2019年01期）
周瑜佳,陈一帆,淡娇娇,刘立军[2]（2018）在《基于复合形遗传算法的新安江模型参数优化率定研究》一文中研究指出为了弥补传统手工调试参数的主观性和对调试者专业经验的高要求性,将具有全局寻优特征的遗传算法与局部寻优特征的复合形法相结合,构建了一种复合形遗传算法用于新安江模型参数优化率定。采用浙江省朱溪下回头站以上流域为应用案例,结合分层率定法检验了复合形遗传算法的性能,结果表明:模型检验期多年平均径流深相对误差为1%,各年模拟的流量过程精度均达到乙级标准,表明构建的复合形遗传算法可有效应用于新安江模型的参数优化率定。(本文来源于《中国农村水利水电》期刊2018年05期）
毕馨文,解成俊,张泽梁[3]（2016）在《1种基于复合形法的改进遗传算法》一文中研究指出提出了1种基于复合形法的改进遗传算法,分析该算法与遗传算法相结合的思想和流程;通过算法测试函数Rosenbrock测试改进的算法;通过与常规算法的对比,验证该传算法的优越性,并将该算法应用到一种间歇反应器的温度优化问题中.该算法可为常规的单目标或多目标优化问题提供借鉴.(本文来源于《北华大学学报(自然科学版)》期刊2016年05期）
钱武文,柴军瑞[4]（2017）在《基于复合形法的聚类遗传算法》一文中研究指出针对标准遗传算法的未成熟收敛问题和局部收敛能力不佳等情况,提出一种基于复合形法的聚类遗传算法。通过使用复合形法结合聚类小生境技术对传统的遗传算法进行改进,得到基于复合形法的自适应聚类遗传算法(NCGA)。该算法使用FORTRAN语言进行编程,通过使用叁种复杂的测试函数对其性能进行测试,并与自适应遗传算法(AGA)进行了性能比较,还分析了初始种群的优劣对算法性能的影响。测试结果表明:对于遗传算法的改进效果明显,在遗传算法中融入复合形操作能明显增强遗传算法的局部搜索能力,且聚类技术使得遗传算法的全局搜索能力得到显着增强,反向学习操作的添加能增强算法的稳定性。改进后的遗传算法的性能明显好于传统的遗传算法。(本文来源于《计算机工程与应用》期刊2017年03期）
肖辉辉,万常选,段艳明[5]（2015）在《一种基于复合形法的花朵授粉算法》一文中研究指出花朵授粉算法是最近出现的一种新型元启发式群智能算法,已在无线传感网等应用领域取得了较好的成效,但也存在易陷入局部极值且演化后期收敛速度慢等缺陷,使其应用范围受到限制.针对该算法存在的不足,提出一种把复合形法的思想融入到花朵授粉算法中的混合算法.该算法首先计算当前种群的形心,然后依据形心将进化中最差的个体进行反射,把差的个体变成较好的个体,从而引导当前个体不断靠近最优解.通过10个标准测试函数的仿真实验,仿真结果表明,改进算法解的质量及收敛速度比基本的花朵授粉算法、蝙蝠算法及粒子群算法有较大幅度的提高.同时采用改进算法对非线性方程组问题进行求解,通过2个算例仿真实验,验证了改进算法的有效性,扩展了花朵授粉算法的应用领域.(本文来源于《小型微型计算机系统》期刊2015年06期）
戴娟,潘丰[6]（2014）在《一种引入复合形法的改进引力搜索算法》一文中研究指出针对引力搜索算法求解复杂问题时搜索精度不高、易出现早熟收敛问题,提出一种引入复合形法的改进引力搜索算法。该算法在寻优初期利用引力搜索算法进行全局搜索,同时对引力系数进行改进,以提高全局收敛速度;在寻优后期,当算法出现早熟收敛现象时,引入复合形法,利用复合法较强的局部搜索能力,帮助种群快速跳出局部最优解。通过5个标准测试函数验证了改进算法的可行性和有效性。与标准引力搜索算法、基于权值的引力搜索算法、记忆性引力搜索算法相比,该算法具有更高的收敛精度和更快的收敛速度。(本文来源于《江南大学学报(自然科学版)》期刊2014年04期）
何兵,车林仙,刘初升,黄勇刚[7]（2014）在《空间6R机械臂位置逆解的复合形差分进化算法》一文中研究指出以6自由度TX60型Staubli工业机械臂为研究对象,通过运动学分析,建立求解该机械臂位置逆解的非线性方程组。以末端执行器位姿误差最小为目标函数,将非线性方程组转化为无约束优化模型,并应用差分进化算法(Differential evolution algorithm,DE)求解该问题。为克服基本DE难以平衡收敛精度和计算可靠性的缺陷,提出一种自适应分工复合形差分进化算法(Adaptive division complex DE algorithm,ADCDE),以增强优化性能。该算法将种群自适应划分为开采子群和勘探子群,前者采用DE/best/2/bin策略生成变异个体,而后者采用复合形算子生成变异个体。给出工程应用实例,应用ADCDE求串联机械臂的位置逆解。仿真结果表明,该算法的计算精度和可靠性优于对比算法,应用较少计算开销即可求出高精度位置逆解,且能求得所有可能逆解,验证了该方法的有效性和可行性。(本文来源于《机械工程学报》期刊2014年15期）
阎昌琪,李贵敬,王建军[8]（2014）在《群体复合形优化算法在核动力设备优化设计中的应用》一文中研究指出复合形优化算法(CA)已在核工程领域中得到了广泛应用。本工作结合传统复合形优化算法(TCA)在工程结构优化设计中的应用特点,通过建立多个复合形的最优化组合克服TCA的缺点,达到改进TCA的目的,得到群体复合形优化算法(CCA)。对算例的测试结果表明,CCA较TCA具有更优越的优化性能。将CCA应用于核电高压加热器的优化设计中,优化效果显着。(本文来源于《原子能科学技术》期刊2014年03期）
黄伟华[9]（2013）在《基于模拟退火复合形优化算法的弹性悬架设计》一文中研究指出针对传统优化算法全局性较弱,容易陷入局部解的问题;以及模拟退火算法的降温速率较慢和局部搜索能力不足。采用将模拟退火算法和复合形相结合的模拟退火复合形算法。在此基础上对弹性悬架优化设计进行了研究;并且与传统优化方法进行了比较。结果表明,该算法在求解弹性悬架多变量、多约束优化问题的有效性和正确性。(本文来源于《科学技术与工程》期刊2013年08期）
蒋萍,唐天兵[10]（2013）在《复合形遗传算法求解功率优化分配研究》一文中研究指出传统遗传算法存在过早收敛及局部搜索能力差的缺点,在求解无线网络协作通信功率优化分配等NP难问题时难以求得最优解。通过小生境策略解决遗传算法过早收敛问题,引入复合形法提高局部搜索能力,构造了兼顾广度搜索与深度搜索的高性能混合算法,并对上述问题进行求解。实验结果表明,所提算法与已有算法相比有一定优势,有效延长了协作网络寿命,稳定性较好,分配的功率波动范围小。(本文来源于《电讯技术》期刊2013年02期）
复合形算法论文开题报告
（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：
为了弥补传统手工调试参数的主观性和对调试者专业经验的高要求性,将具有全局寻优特征的遗传算法与局部寻优特征的复合形法相结合,构建了一种复合形遗传算法用于新安江模型参数优化率定。采用浙江省朱溪下回头站以上流域为应用案例,结合分层率定法检验了复合形遗传算法的性能,结果表明:模型检验期多年平均径流深相对误差为1%,各年模拟的流量过程精度均达到乙级标准,表明构建的复合形遗传算法可有效应用于新安江模型的参数优化率定。
（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。
复合形算法论文参考文献
[1].张诗波,刘澜,李平飞,王琰,肖凌云.事故再现复合形优化算法及其应用[J].公路交通科技.2019
[2].周瑜佳,陈一帆,淡娇娇,刘立军.基于复合形遗传算法的新安江模型参数优化率定研究[J].中国农村水利水电.2018
[3].毕馨文,解成俊,张泽梁.1种基于复合形法的改进遗传算法[J].北华大学学报(自然科学版).2016
[4].钱武文,柴军瑞.基于复合形法的聚类遗传算法[J].计算机工程与应用.2017
[5].肖辉辉,万常选,段艳明.一种基于复合形法的花朵授粉算法[J].小型微型计算机系统.2015
[6].戴娟,潘丰.一种引入复合形法的改进引力搜索算法[J].江南大学学报(自然科学版).2014
[7].何兵,车林仙,刘初升,黄勇刚.空间6R机械臂位置逆解的复合形差分进化算法[J].机械工程学报.2014
[8].阎昌琪,李贵敬,王建军.群体复合形优化算法在核动力设备优化设计中的应用[J].原子能科学技术.2014
[9].黄伟华.基于模拟退火复合形优化算法的弹性悬架设计[J].科学技术与工程.2013
[10].蒋萍,唐天兵.复合形遗传算法求解功率优化分配研究[J].电讯技术.2013
论文知识图
