基于粒子群算法TSP研究与应用开题报告

 2020-02-18 07:02

1. 研究目的与意义(文献综述)

1.1 研究目的及意义

粒子群算法(particle swarm optimization),缩写为pso,1995年由肯尼迪(kennedy)与埃伯哈特(eberhart)两位学者所提出。他们发明pso灵感来源于对鸟群捕食行为的研究,粒子群算法的理论基础是把每一只鸟看作为一个粒子,并赋予该粒子(个体)记忆性,并能通过与粒子群体中的其他粒子之间的通信而寻求到最适解。目前,粒子群算法在函数优化,神经网络训练,模糊系统控制,组合优化入侵检测,以及决策调度等多个领域得到广泛的应用。粒子群算法有较强的全局搜索能力,但也容易陷入局部极值导致早熟。

旅行商问题(travelling salesman problem),英文缩写为tsp,是数学领域中著名问题之一,也是一个典型的np完全问题。问题描述为:假设有一个旅行商人要拜访n个城市,他必须选择所要走的路径,路径的限制是每个城市只能拜访一次,而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。目前解决旅行商问题的主要算法有:蚁群算法,免疫算法,遗传算法等等。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

粒子群算法首先初始化一群随机粒子,这些初始化的粒子都是空间搜索的潜在解,并且每个粒子都有一个被优化函数决定的适应值,每个粒子还有一个速度决定它们飞翔的方向和距离,然后粒子们就追随当前的最优粒子在解空间中搜索。粒子通过跟踪两个极值来更新自己,第一个就是粒子本身所找到的最优解,这个解称为个体极值,另一个极值是整个种群目前找到的最优解,这个极值是全局极值。粒子群算法的流程图如下图所示。

图1 粒子群算法流程图

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

第1-3周:搜集资料,撰写开题报告。

第4-5周:论文开题。

第6-12周:撰写论文初稿。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1] camelia-m. pintea ; simone a. ludwig ; gloria cerasela crisan. adaptability of a discrete pso algorithm applied to the traveling salesman problem with fuzzy data[c] .2015 ieee international conference on fuzzy systems (fuzz-ieee). 1-6

[2] ishita dubey ; manish gupta. uniform mutation and spv rule based optimized pso algorithm for tsp problem[c]. 2017 4th international conference on electronics and communication systems (icecs). 168 –172

[3] vaisakh shaj ; p m akhil ; s asharaf. edge-pso: a recombination operator based pso algorithm for solving tsp[c].2016 international conference on advances in computing, communications and informatics (icacci). 35 – 41

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。