导读:本文包含了自适应逃逸粒子群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:粒子群算法,拓扑结构,自适应逃逸,自适应惯性权重
自适应逃逸粒子群算法论文文献综述
靳雁霞,张鑫,薛丹[1]（2018）在《具有自适应逃逸的环状全互连结构粒子群算法》一文中研究指出为了提升粒子群算法在解空间中的寻优性能,提出了一种具有自适应逃逸机制的基于环状全互连拓扑结构的粒子群算法(RSEPSO).该算法首先将种群中的粒子组成环状结构后再连接成全互连结构,其次加入自适应逃逸功能,为防止算法进化时陷入局部极值,同时选取适应值差的粒子进行重新分布,并融入优质粒子环作为学习对象,最后产生足够多的点进行重新搜索,获得全局最优值.通过4个标准测试函数优化,与其他优化算法比较,可以看出RSEPSO能够明显的提升粒子群算法的寻优性能.(本文来源于《微电子学与计算机》期刊2018年02期）
刘伟,崔永锋[2]（2013）在《自适应逃逸粒子群算法的网络节点覆盖优化仿真》一文中研究指出研究无线传感器节点优化选择.传统LEACH分簇算法中,节点选择的随机性很大,没有很好地参考节点中的多个属性,通信的簇头分布也无规律,算法把能量消耗分摊到所有的节点上,一旦选择边沿节点作为簇头,一些节点必须经过长距离的路由转发才能到达簇头,造成通信效率较低.为了避免上述缺陷,提出了一种基于自适应逃逸粒子群算法的网络节点覆盖优化方法.建立自适应逃逸粒子群算法的数学模型,准确描述网络节点覆盖问题.利用自适应逃逸粒子群方法,计算无线传感网络节点最优位置,从而实现网络节点覆盖优化.实验结果表明,这种算法能够实现网络节点覆盖优化处理,从而提高无线传感网络数据传递的效率.(本文来源于《微电子学与计算机》期刊2013年10期）
郑先锋,王丽艳[3]（2013）在《自适应逃逸动量粒子群算法的数据库多连接查询优化》一文中研究指出为了提高数据库多连接查询的优化效率,针对粒子群算法存在的早熟、局部最优等缺陷,提出一种自适应逃逸动量粒子群算法的数据库多连接查询优化方法.该算法首先将遗传算法的交叉机制引入粒子群算法中,以保持粒子群的多样性,避免早熟现象出现;然后,引入动量算法平滑粒子搜索轨迹,加快粒子群的收敛速度;最后,将该算法应用于数据库多连接查询优化求解,以获得最优的数据库多连接查询方案.仿真结果表明,该算法提高了数据库查询效率,缩短了查询响应时间.(本文来源于《四川大学学报(自然科学版)》期刊2013年03期）
徐俊[4]（2007）在《基于自适应逃逸粒子群算法的ASON多业务保护容量研究》一文中研究指出ASON(Automatically Switched Optical Network自动交换光网络)赋予了传统光网络前所未有的灵活性和可扩展性，代表了下一代光网络的发展方向。对多种恢复机制的支持是ASON的一个重要特点，也是目前ASON研究的一个重点。在网络容量日益增长的今天，智能化动态恢复算法的研究对提高ASON的生存性具有重要意义，一个良好的恢复算法能够合理高效地提高网络空闲资源的利用率和受损业务的恢复率，从而有效减少因网络故障而造成的社会影响和经济损失。ASON比较公认的优势包括：快速提供业务，提供多种保护恢复机制，提供新的业务类型等等，其中提供多种保护恢复机制是目前运营商规划建设ASON网络时重点关注的问题。相对传统光传送网设计的一系列恢复机制，ASON对生存性的要求主要体现为全面考虑网络空闲资源的合理分配、能满足业务恢复的多样化、算法可扩展性等一系列问题。自适应逃逸粒子群算法(AEPSO，Self-Adaptive Escape Particle Swarm Optimization)是一种引入自适应调节参数和变异算子的改进的粒子群算(PSO，Particle Swarm Optimization)，受到生物界中物种发现生存密度过大时会自动分家迁移的习性启发，该算法引入逃逸行为的这种简化的确定的变异操作，来增强全局和局部搜索能力，减弱了随机变异操作带来的不稳定性，避免了目前大多数随机迭代算法的“早熟收敛”和“收敛较慢”两大问题，提高算法解决组合优化问题的效率和性能。而ASON网络的保护容量问题本质上也是组合优化问题，因此作为尝试性的研究，本文基于自适应粒子群算法基本原理设计了一种适合于ASON的动态多业务保护容量算法。目标是在确保单点故障发生后对多受损业务的100％快速恢复下，如何确定每条光纤链路的波长信道保护容量，使得网络保护的造价达到或接近最低，更合理地利用网络空闲资源。论文分析了ASON中保护容量问题的相关技术体系，包括ASON的路由体系、动态路由和波长分配技术以及自适应逃逸粒子群算法的基本思想。提出并构建了基于自适应逃逸粒子群算法的动态多业务保护容量问题的算法模型，并设计了基于上述相关技术的仿真平台，基于仿真平台对算法进行了仿真测试和改进。主要成果如下：(1)分析和归纳了ASON网络的路由体系和相关动态路由和波长分配技术。包括路由模式、分布式波长分配、路由分发拓扑、不同实现方式(集中式或分布式)等与保护问题有关的功能模块，以及ASON中实现保护问题的相关影响因素及关键技术。(2)将ASON动态多业务保护容量问题以及约束条件抽象成数学模型，为将自适应逃逸粒子群算法运用到ASON动态多业务保护容量问题奠定了数学基础，该数学模型可以有效描述ASON动态多业务保护容量问题。同时基于该数学模型上对该问题进行相应数学分析。(3)研究了自适应逃逸粒子群算法的基本思想，创新性地将自适应逃逸粒子群算法应用到ASON动态多业务保护容量问题中。该算法在运行中能综合考虑网络资源状态和不同业务保护的优先等级，较之已有的基于线性规划和遗传算法的求解ASON网络保护容量问题，该算法能取得更好时间效率，适合于实时动态保护，具有较强的实用性。(4)编程实现了基于自适应逃逸粒子群算法的ASON多业务保护容量分配问题的算法，并模拟网络环境，与文献中提出的算法做了仿真测试比较。(5)仿真测试了自适应逃逸粒子群算法的实际运行性能，并根据测试结果确定算法参数组合，使算法在同等资源开销下取得了较好的效果。(本文来源于《江苏大学》期刊2007-04-01）
自适应逃逸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：
研究无线传感器节点优化选择.传统LEACH分簇算法中,节点选择的随机性很大,没有很好地参考节点中的多个属性,通信的簇头分布也无规律,算法把能量消耗分摊到所有的节点上,一旦选择边沿节点作为簇头,一些节点必须经过长距离的路由转发才能到达簇头,造成通信效率较低.为了避免上述缺陷,提出了一种基于自适应逃逸粒子群算法的网络节点覆盖优化方法.建立自适应逃逸粒子群算法的数学模型,准确描述网络节点覆盖问题.利用自适应逃逸粒子群方法,计算无线传感网络节点最优位置,从而实现网络节点覆盖优化.实验结果表明,这种算法能够实现网络节点覆盖优化处理,从而提高无线传感网络数据传递的效率.
（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。
自适应逃逸粒子群算法论文参考文献
[1].靳雁霞,张鑫,薛丹.具有自适应逃逸的环状全互连结构粒子群算法[J].微电子学与计算机.2018
[2].刘伟,崔永锋.自适应逃逸粒子群算法的网络节点覆盖优化仿真[J].微电子学与计算机.2013
[3].郑先锋,王丽艳.自适应逃逸动量粒子群算法的数据库多连接查询优化[J].四川大学学报(自然科学版).2013
[4].徐俊.基于自适应逃逸粒子群算法的ASON多业务保护容量研究[D].江苏大学.2007