分享5篇关于惯性权重的计算机专业论文

今天分享的是关于惯性权重的5篇计算机毕业论文范文, 如果你的论文涉及到惯性权重等主题,本文能够帮助到你 多无人机协同侦察任务规划器的设计与实现 这是一篇关于无人机,遗传算法

今天分享的是关于惯性权重的5篇计算机毕业论文范文, 如果你的论文涉及到惯性权重等主题,本文能够帮助到你

多无人机协同侦察任务规划器的设计与实现

这是一篇关于无人机,遗传算法,蝙蝠算法,惯性权重,Agent,负载均衡的论文, 主要内容为在现代战争中,无人机由于其作战时间长、可靠性高等优点,在战场侦察中发挥着越来越重要的作用。而单无人机由于多种限制往往难以实现对所有目标进行侦察,因此,通常采用多无人机进行协同侦察。在军事领域,规划器是验证军事规划方案的重要工具,无人机侦察目标前通常采用规划器进行模拟验证,而如何设计实现合理的多无人机协同侦察任务规划器是当前急需解决的问题。本文首先对多无人机协同侦察任务规划问题进行描述,然后对遗传算法、蚁群算法以及蝙蝠算法进行了深入分析。通过对传统蝙蝠算法增加惯性权重以进行改进,同时对解的形式采用2N维编码方式来表示。分别对遗传算法、蚁群算法和蝙蝠算法进行实验验证,并对实验结果进行了比较分析,证明了改进后的蝙蝠算法在求解多无人机协同侦察任务规划问题上的优越性,为多无人机协同侦察任务规划器提供了合理的任务规划技术。考虑到多无人机协同侦察任务规划是一种初始的理想规划,模拟实体不具备智能性,本文利用Agent技术,采用混合型Agent模型结构,对多无人机协同侦察模拟实体进行模拟实体建立,并对模拟实体增加规则描述和处理,使其具有智能性。同时,为保证计算机对规则的读取,利用XML对规则进行存储,并设计AgentMain类,所有模拟实体均对AgentMain类进行继承和修改,提高了系统的可重用性,为多无人机协同侦察任务规划器设计了智能模拟实体。最后,本文针对传统的规划器结构存在的问题,利用改进的B/S架构对多无人机协同侦察任务规划器进行设计与实现,提高了系统的安全性、可靠性,降低了系统耦合性,并提升了系统性能。同时,结合多无人机协同侦察想定的模拟场景进行模拟实验,通过实验过程和结果分析,证实本文多无人机协同侦察任务规划算法的正确性、规则的合理性以及任务规划器的可靠性。

城市智慧水务优化调度系统的设计与实现

这是一篇关于水务调度,BP神经网络,收敛,惯性权重,粒子群算法的论文, 主要内容为随着云计算、物联网、大数据等信息技术的迅速发展,智慧水务研究成为了城市智慧领域的新方向。城市智慧水务调度系统是城市可持续发展的重要基础设施,为水务日常调度、优化管理提供了科学的指导。西安作为我国西部地区经济比较繁荣的城市,研究并建立西安市水务调度系统对其管理工作的科学化有着重要的意义。本文根据西安市水务现状,分析了西安市水务体系及水资源分配状况,研究了西安市水厂供水、用户用水、水务调度的流程。通过对西安市供水系统的总体分析,确定了系统所需要实现的功能。在水务系统设计过程中,重点对水务调度系统进行了设计。软件系统在结构上主要分为五个模块:西安市各水厂供水监测系统、巡检系统、水务调度系统、为实现监测区域可视化的GIS系统(地理信息系统)、为方便用户进行数据查询的报表管理系统。为使得水务数据方便管理、查询,本系统采用数据流程分析、数据关系分析的方法对数据库进行了设计。最后,通过VS2010开发平台、基于C/S+B/S系统架构、采用C#编程语言实现了系统功能。针对所设计的水务调度系统,本文根据供水管网的网络特性建立了多水源供水系统优化调度数学模型,并以供水系统运行总费用最小为目标函数,最后利用粒子群算法对该数学模型进行求解。为了避免算法因过早收敛而易陷入局部最优,本文对粒子群算法的惯性权重进行改进,以粒子的飞行速度及位置矢量为变量参数,利用BP神经网络的sigmoid函数替代粒子群惯性权重系数。最后通过MATLAB将其与基本粒子群求解结果进行仿真对比分析,结果表明,改进后的粒子群算法在收敛精度上有所提高,并且收敛率也得到了相应的改善,使得供水系统运行总费用降低了5%,因此,该算法在解决西安市供水系统调度模型的问题上具有较强的经济适用性。西安市水务优化调度系统的开发,使得各水务部门之间形成综合化共建信息网,实现了信息传递及资源共享,这对具有类似于西安市供水体系的城市有一定的参考意义。

立体仓库物流运输调度问题的蝙蝠算法研究

这是一篇关于立体仓库,堆垛机路径优化,蝙蝠算法,变邻域搜索,混沌映射,惯性权重,Lévy飞行搜索的论文, 主要内容为伴随着经济全球化及国内外电商行业的蓬勃发展,物流运输产业越来越被人们所重视。为了提高空间利用率和降低运输时间,诞生了自动化立体仓库系统,如今该系统已是现代化物流体系中核心的组成部分。这种新型的存储方式——自动化立体仓库实现了仓储、物流的全自动化作业,降低了物流成本,提高了物流效率,提升了企业竞争力。而研究立体仓库运作效率的重点是出、入库货物调度的优化,通过有效的优化手段能明显降低物流环节中的直接和间接成本。因此,本文从提高立体仓库的运作效率、降低物流成本的角度出发,根据实际生产中自动化立体仓库运输调度问题建立调度模型,并利用改进的蝙蝠算法对多个立体仓库调度数学模型进行逐一求解。本文主要的研究工作概括如下:(1)针对一端式单堆垛机立体仓库物流运输调度问题,建立其数学模型,提出了一种混合了遗传算法中的染色体交叉操作以及2-opt算法策略的混合离散蝙蝠算法对该问题进行求解,仿真实验表明该算法在求解最优路径上优于与其比对的算法,改进的算法稳定性好,求解质量高,能有效提高仓库运作效率。(2)针对带容量约束的立体仓库物流运输调度问题,建立其数学模型,提出了一种结合变邻域搜索算法的离散蝙蝠算法对该问题进行求解。此改进算法中的变邻域搜索结构由point-arc exchange搜索、or-opt搜索、2-opt搜索组成。通过仿真实验证明所设计的算法相较于基本算法局部搜索能力增强,且能求解出较优的堆垛机作业方案,提高仓库运作效率。(3)针对复合作业模式下立体仓库物流运输调度问题,建立其数学模型,设计了一种基于非线性惯性权重改进的蝙蝠算法进行求解。采用混沌策略对蝙蝠种群进行初始化得到均匀分布的初始解,同时在全局搜索中使用非线性惯性权重改进蝙蝠位置更新机制使得蝙蝠前期积累的飞行经验对后期飞行有作用,仿真实验证明该算法能求解出可行的堆垛机作业方案。最后仿真分析表明所设计的算法稳定性好,求解质量高,能有效提高仓库运作效率。(4)针对复合作业下多堆垛机立体仓库物流运输调度问题,建立其数学模型,设计了一种基于Lévy飞行改进的蝙蝠算法进行求解。采用Lévy飞行策略改进蝙蝠位置更新机制以扩大蝙蝠算法的全局搜索空间,同时在局部搜索中采用蝙蝠逆序操作以跳出局部极值,仿真实验证明该算法能求解出可行的多堆垛机作业方案。最后仿真分析表明所设计的算法稳定性好,求解质量高,能有效提高仓库运作效率。

基于改进粒子群算法的Job-shop调度优化

这是一篇关于Job-shop调度,粒子群算法,惯性权重,距离模式,混合编码的论文, 主要内容为Job-shop Scheduling Problem(简称JSP)是一类经典且具有代表性的车间作业调度问题,在车间作业调度问题的研究中占有重要的地位。车间作业调度问题具有很高的研究价值:一方面,先进的调度优化理念能够解决车间生产过程中所面临的诸多问题,提高车间的生产能力和企业的竞争力;另一方面,车间作业调度问题属于NP(Non-deterministic Polynomial,非确定多项式)难问题,其优化方法能够为旅行商问题(TravelingSale-manProblem,简称TSP)、车辆路径问题(Vehicle Routing Problem,简称VRP)等其他领域的组合优化问题提供求解思路。 本文采用粒子群算法对Job-shop调度问题进行优化,对算法做出了合理的改进,并解决了粒子群算法优化离散变量问题时遇到的粒子更新问题,更好的发挥了粒子群算法的性能。 深入分析粒子群算法的机理和算法相关参数的作用,提出一种基于自然指数函数的惯性权重选取策略;为了提高算法的全局寻优能力、避免算法陷入局部最优,在粒子群算法中加入了变异机制。 全面比较了目前主流的用于求解Job-shop调度问题的编码方式,根据粒子群算法的特点,提出了混合编码的策略,并在此编码方式的基础上,设计了更好的速度位移模式。 建立了完善的Job-shop调度数学模型,以最短完工时间为优化目标函数,采用本文改进的算法对几类经典的Benchmark实例进行了优化,与前人的研究成果相对比,证明了改进后算法的优越性。

基于改进粒子群算法的车间作业调度问题研究

这是一篇关于车间作业调度,粒子群算法,惯性权重的论文, 主要内容为车间作业调度问题(Job-shop Scheduling Problem,JSP)是实际生产调度问题的一个简化模型,是企业生产管理与控制的核心。有效的调度方法和优化技术的研究与应用,具有重要的理论意义和实践价值。 粒子群算法是近年来兴起的一种基于群体智能的进化类算法,具有操作简单和易于实现等优点,但由于该算法提出的时间比较短,仍然存在一些问题,比如容易早熟收敛、易陷入局部极值等。因此,本文将算法进行了改进,并将改进的算法应用于车间作业调度问题中。 本文首先对车间作业调度问题进行了描述,包括车间作业调度问题的模型、特点、国内外研究现状和解决车间调度问题的优化方法。其次,介绍了粒子群算法的起源、基本思想、数学描述、算法流程和改进措施以及粒子群算法存在的缺陷。再次,根据已有优化算法理论基础,针对粒子群算法的参数特点,从提高算法的收敛速度和精度方面考虑,提出了惯性权重随进化代数增加动态非线性变化的粒子群优化算法(NDCWPSO)和免疫粒子群算法。通过选取几个有代表性的函数进行测试,发现改进的粒子群算法在收敛精度、收敛速度上都有所提高。最后,根据车间作业调度问题的特点,建立了求解Job-shop调度问题的数学模型,通过对车间作业调度问题编码方式的研究,参考遗传算法中的粒子编码方法,本文采用基于工序的编码方式,并且以最大完工时间的最小值为目标,构建了基于改进粒子群算法的车间作业调度问题的求解方法,仿真试验结果表明改进的算法在性能上有所提高,验证了改进算法的有效性和可行性。

本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:毕业设计货栈 ,原文地址:https://m.bishedaima.com/lunwen/53705.html

相关推荐

发表回复

登录后才能评论