导读:本文包含了寻优计算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,模型,智能,汽轮机,梯度,统计学,网格。
寻优计算论文文献综述
张焕泉[1]（2018）在《基于GPU并行计算的响应面快速寻优算法及应用》一文中研究指出随着机电类产品设计要求的提高,其建模、仿真方法日趋复杂化。为了缩短产品的设计周期,提升产品在市场的竞争力,响应面被广泛应用于近似替代复杂产品的仿真模型,从而提高了仿真效率。然而,采用传统的全局最优化算法对响应面寻优时有可能找不到全局最优,如含有连续多波峰波谷型的响应面,算法往往会因为过早收敛而陷入局部最优解。通过对定义域区间进行等距划分的方式,在每个小区间上用序列二次规划算法寻优,然后比较每个小区间所搜索到的最优解,进而可以得到优化问题的全局最优解。由于每个小区间的寻优都需要一定的时间,且总寻优时间跟小区间的个数成正比,当处理高阶高维响应面模型时,划分的区间个数将指数级增大,导致寻优时间急剧增长。GPU拥有强大的并行计算能力,每个小区间的寻优都是相互独立的,通过GPU开启多个线程来同时执行多个小区间的寻优任务。为了进一步验证划分区间寻优的可行性,以响应面所构建的几个标准测试函数模型为实验对象,采用序列二次规划算法进行小区间寻优,还比较了该方法在CPU与GPU的运行时间,得出运用基于GPU并行计算的小区间寻优算法有四个优点:(1)相比于传统的模拟退火方法,对于出现连续多波峰波谷的目标函数,能够找到全局最优解;(2)对于平坦型的目标函数,传统方法可能收敛较慢,而它也能快速地找到全局最优点;(3)通过划分定义域后逐个区间寻优的方法能够很好的解决响应面的优化问题,但随着小区间个数的增多,只用CPU来寻优所花费的时间不能满足现实要求。通过利用GPU的并行计算能力,同时对多个小区间进行寻优能够大幅度的降低总寻优时间。如见表2-3和表2-4中的Rastrigin函数响应面模型,采用二次规划算法,定义域划分100个区间时,在CPU上寻优所花时间是GPU的35倍;定义域划分10000个区间时,在CPU上寻优所花时间是GPU的3531倍;(4)在找到全局最优解的条件下,对于低阶低维响应面模型,模拟退火算法花费的时间至少是它的七倍;对于七维的响应面模型,它能以较高的精度稳定地接近全局最优解,时间花费最多只有模拟退火算法的叁分之一。(本文来源于《广东工业大学》期刊2018-05-01）
文乐,薛志恒,高林,杨新民[2]（2018）在《汽轮机定滑压曲线在实际应用中的计算寻优》一文中研究指出分析了机组实际运行时的安全性、可调性和经济性对汽轮机部分负荷下滑压压力的要求,构建了将现实问题转化为粒子运动位置及维度限制的粒子群算法,并将其应用在某350 MW机组定滑压曲线的寻优计算中.结果表明:该方法具有快速的收敛能力,能够实现诸多限制条件下的寻优计算且通用性强,优化后的定滑压曲线考虑了机组的实际运行特性及负荷响应能力,改善了低负荷时机组的经济性;与优化前运行工况相比,热耗率平均下降约0.2%.(本文来源于《动力工程学报》期刊2018年01期）
石光东[3]（2017）在《基于并行计算的光线寻优算法研究》一文中研究指出随着社会的发展与进步,生产生活中不断出现复杂多变的实际工程问题。面对这些问题数学家与工程学家通常会建立数学模型,将其转化为最优化问题进行求解,但这些问题往往存在维数较高、数据量大、计算时间长等特点。利用传统的解析方法与数值算法处理它们常常不能满足人们日益增加的需求。为此,科学家们基于自然界中的优化现象产生灵感提出一些智能优化算法,这类算法具有较强的稳定性、易于理解、适用于并行计算等特点。因此,智能优化算法的研究工作越来越有意义。光线寻优算法是基于费马原理与光线传播特性提出的一种智能优化算法,该算法模拟了光线在不同介质中的传播过程。本文通过引入并行计算的思想解决了算法对初始方向敏感的问题,对算法进行了改进与优化,提高算法的收敛速度。本文主要完成下面叁个工作。利用统计学方法对光线寻优算法的初始方向与迭代次数(即寻优时间)进行分析,证明光线寻优算法初始方向指向四个象限时的迭代次数符合正态分布,并且对应的迭代次数差距显着,为光线寻优算法并行化能够提高搜索效率提供了理论支撑。提出基于并行计算的光线寻优算法,给出并行光线寻优算法的设计方案与具体的迭代步骤。针对球形函数使算法产生四个方向同时搜索最优点,并对得到的数据进行性能分析。应用并行光线寻优算法对5个典型的智能算法测试函数进行数值实验,实验得出在处理复杂且含有多个局部极小点的优化问题时,并行光线寻优算法比原光线寻优算法搜索效率更高。(本文来源于《哈尔滨工程大学》期刊2017-12-01）
王灿伟[4]（2016）在《一种云计算环境下的组合寻优调度算法》一文中研究指出分布式计算环境中可将大作业进行任务分解,对分解后的一系列短作业采用最优化调度策略以达到缩短大作业整体周转时间和系统响应时间目的。针对传统调度策略的不足及云计算中网络延迟较大的特点,拟在云计算环境虚拟层对资源进行重新分配,根据自定义当前虚拟主机(KVM)的执行能力对其进行动态排序,采用改进的M_V_O蚁群算法对带有偏序关系的一系列短作业进行组合寻优调度,考虑到了云计算软件定义网络中的延时等因素局部更新蚂蚁的信息素浓度,并通过全局正向反馈增强最优解的收敛速度。本文理论上分析了该算法的有效性,且在CloudSIM平台下通过实验验证了该算法的可行性和有效性。(本文来源于《科学技术与工程》期刊2016年30期）
王晓霞[5]（2014）在《大数据混沌模型寻优计算过程数学建模仿真》一文中研究指出针对大数据混沌模型寻优计算过程无法在全局范围内实现最优并且具有不确定性因素的情况,提出一种基于改进遗传算法的大数据混沌模型寻优计算方法。对关联维数、最大Lyapunov指数以及时间序列熵进行分析和提取,依据获取的结果,采用实数编码对原参数进行遗传操作,将误差绝对值时间积分性能指标当做参数选择的最小目标函数,在目标函数中引入控制输入的平方项和惩罚函数,求出最优指标与适应度函数,通过适应度比例法和最优保留策略完成选择操作,通过选择、交叉、变异算子对种群进行处理,产生下一代种群,直至参数收敛或达到要求。仿真实验结果表明,所提方法具有很高的寻优能力。(本文来源于《科技通报》期刊2014年12期）
鲁萍,王玉英[6]（2013）在《多约束分级寻优结合预测计算的智能组卷策略》一文中研究指出针对智能组卷中多约束制约降低组卷成功率且难以实现知识点自动均匀分布的问题,提出一种多约束分级寻优的策略,通过分级降低问题规模,利用树形结构管理知识点实现知识点均匀分布;针对中小型题库组卷成功率低的问题,在分级寻优中针对章节约束和题型约束提出了一种基于预测计算的无回溯的智能组卷算法,提高组卷成功率。实验测试表明,算法适用于大、中、小型题库,均能得到较理想的组卷结果。(本文来源于《计算机应用》期刊2013年02期）
李炯城,肖恒辉,李桂愉[7]（2012）在《能克服鞍点的并行计算寻优算法》一文中研究指出为有效解决在求解具有鞍点的无约束最优化问题时寻优算法提前终止的问题,提出了一种能克服鞍点的计算机并行计算寻优算法。该算法以共轭梯度法为基础,对该算法寻优终止的条件进一步改进,提出当算法迭代到鞍点时,选择雅克比矩阵的所有正特征值对应的特征向量所对应的方向作为新的搜寻方向,重新搜索且并行计算取最优。最后通过实例验证了该算法能成功克服鞍点,并成功收敛到函数的极小值。(本文来源于《计算机工程与设计》期刊2012年12期）
张龙,王泽武[8]（2012）在《椭圆形封头冲压成形壁厚减薄量精确计算与参数寻优》一文中研究指出利用先进的数值计算方法,实现封头冲压成形过程从定性分析向定量控制的转变成为目前研究热点问题之一。然而在有限元数值计算模型中,如何精确读取成品封头壁厚减薄量一直是难点。为此,首先基于一般通用有限元软件建立了一个标准椭圆形封头冲压成形数值计算模型,然后结合大型工程计算与优化软件开发相应用户子程序,实现封头成品各点壁厚值的精确提取,并对封头坯料结构几何参数进行了优化,得到最佳的坯料壁厚值和直径,研究结果可为封头成型制造过程定量控制提供技术支持。(本文来源于《化工设备与管道》期刊2012年01期）
石立宝,张舒,姚良忠,倪以信,Masoud,Bazargan[9]（2011）在《蚁群-条件禁忌混合计算智能算法的Petri网路径寻优》一文中研究指出Petri网(PN)的路径寻优问题一直是PN研究与分析中的重点和难点,尤其是研究、开发大型复杂PN的路径寻优智能算法将面临更大的挑战。根据传统蚁群算法(ACO)路径寻优特点,结合PN变迁规则,提出一种蚁群-条件禁忌(ACO-CTS)混合计算智能算法求解Petri网路径寻优问题。算法中,Petri网中的令牌类比成ACO中的蚂蚁,令牌/蚂蚁在变迁的过程中将信息素留在所经过的变迁中,通过信息素调整、控制令牌/蚂蚁的变迁,最终找到最短时延的变迁路径。寻优过程中,引入TS算法,根据不同条件通过禁忌最优解中的变迁,使令牌/蚂蚁在寻优过程中能跳出局部最优解,从而有效防止ACO算法路径寻优过早陷入局部最优解。仿真结果验证了所提方法的正确性和有效性。(本文来源于《系统仿真学报》期刊2011年11期）
刘克伟,贾月梅,赵秋霞[10]（2010）在《泵蜗壳的一种实用CFD寻优设计计算方法》一文中研究指出本文分析了商用CFD软件用于优化设计所面临的困难与问题,由此提出了自适应进化网格技术用于解决这些问题,并详细阐述了自适应进化网格技术在二维任意形状计算域上的实现算法。同时提出并从理论上论证了以此项网格技术为核心的集寻优算法、CAD技术、CFD技术于一体的蜗壳实用CFD寻优设计计算方法,讨论了这套方法的整个过程和步骤。(本文来源于《力学与工程应用（第十叁卷）》期刊2010-08-07）
寻优计算论文开题报告
（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：
分析了机组实际运行时的安全性、可调性和经济性对汽轮机部分负荷下滑压压力的要求,构建了将现实问题转化为粒子运动位置及维度限制的粒子群算法,并将其应用在某350 MW机组定滑压曲线的寻优计算中.结果表明:该方法具有快速的收敛能力,能够实现诸多限制条件下的寻优计算且通用性强,优化后的定滑压曲线考虑了机组的实际运行特性及负荷响应能力,改善了低负荷时机组的经济性;与优化前运行工况相比,热耗率平均下降约0.2%.
（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。
寻优计算论文参考文献
[1].张焕泉.基于GPU并行计算的响应面快速寻优算法及应用[D].广东工业大学.2018
[2].文乐,薛志恒,高林,杨新民.汽轮机定滑压曲线在实际应用中的计算寻优[J].动力工程学报.2018
[3].石光东.基于并行计算的光线寻优算法研究[D].哈尔滨工程大学.2017
[4].王灿伟.一种云计算环境下的组合寻优调度算法[J].科学技术与工程.2016
[5].王晓霞.大数据混沌模型寻优计算过程数学建模仿真[J].科技通报.2014
[6].鲁萍,王玉英.多约束分级寻优结合预测计算的智能组卷策略[J].计算机应用.2013
[7].李炯城,肖恒辉,李桂愉.能克服鞍点的并行计算寻优算法[J].计算机工程与设计.2012
[8].张龙,王泽武.椭圆形封头冲压成形壁厚减薄量精确计算与参数寻优[J].化工设备与管道.2012
[9].石立宝,张舒,姚良忠,倪以信,Masoud,Bazargan.蚁群-条件禁忌混合计算智能算法的Petri网路径寻优[J].系统仿真学报.2011
[10].刘克伟,贾月梅,赵秋霞.泵蜗壳的一种实用CFD寻优设计计算方法[C].力学与工程应用（第十叁卷）.2010
论文知识图
