机电工程毕业论文开题报告

时间:2020-10-14 13:58:35 开题报告 我要投稿

机电工程毕业论文开题报告

  开题报告是提高论文选题质量和水平的重要环节,是论文工作的不可忽视的一部分,以下是小编搜集整理的机电工程毕业论文开题报告,欢迎阅读参考。

机电工程毕业论文开题报告

  题 目:汽车ABS系统常见故障与分析

  1. 结合毕业设计(论文)课题任务情况,根据所查阅的文献资料,撰写1500~2000字左右的文献综述:

  1.1 蚁群算法的发展和应用

  在计算机自动控制领域中, 控制和优化始终是两个重要问题。使用计算机进行控制和优化本质上都表现为对信息的某种处理。随着问题规模的日益庞大, 特性上的非线性及不确定性等使得难以建立精确的“数学模型”。人们从生命科学和仿生学中受到启发, 提出了许多智能优化方法, 为解决复杂优化问题(NP- hard 问题) 提供了新途径。

  蚁群算法(Ant Colony Algorithm, ACA) 是Dorigo M等人于1991年提出的。经观察发现, 蚂蚁个体之间是通过一种称之为信息素的物质进行信息传递的。在运动过程中, 蚂蚁能够在它所经过的路径上留下该种信息素, 而且能够感知信息素的浓度, 并以此指导自己的运动方向 。蚁群的集体行为表现出一种信息正反馈现象: 某一路径上走过的蚂蚁越多, 则后来者选择该路径的概率就越大。蚂蚁个体之间就是通过这种信息的交流达到搜索食物的目的。它充分利用了生物蚁群通过个体间简单的信息传递,搜索从蚁巢至食物间最短路径的集体寻优特征,以及该过程与旅行商问题求解之间的相似性。同时,该算法还被用于求解二次指派问题以及多维背包问题等,显示了其适用于组合优化问题求解的优越特征。

  蚁群算法应用于静态组合优化问题, 其典型代表有旅行商问题( TSP) 、二次分配问题(QAP) 、车间调度问题、车辆路径问题等。在动态优化问题中的应用主要集中在通讯网络方面。这主要是由于网络优化问题的特殊性, 如分布计算, 随机动态性, 以及异步的网络状态更新等。例如将蚁群算法应用于QOS组播路由问题上, 就得到了优于模拟退火(SA)和遗传算法(GA)的效果。蚁群优化算法最初用于解决TSP问题,经过多年的发展,已经陆续渗透到其他领域中,如图着色问题、大规模集成电路设计、通讯网络中的路由问题以及负载平衡问题、车辆调度问题等。蚁群算法在若干领域获得成功的应用,其中最成功的是在组合优化问题中的应用。

  1.2 蚁群算法求解TSP问题

  (1) TSP问题的描述

  TSP问题的简单形象描述是:给定n个城市,有一个旅行商从某一城市出发,访问各城市一次且仅有一次后再回到原出发城市,要求找出一条最短的巡回路径。

  (2) TSP问题的.理论意义

  该问题是作为所有组合优化问题的范例而存在的。它已经成为并将继续成为测试新算法的标准问题。这是因为,TSP问题展示了组合优化的所有方面。它从概念上来讲非常简单,但是其求解的难度是很大的。如果针对TSP问题提出的某种算法能够取得比较好的实算效果,那么对其进行修改,就可以应用于其他类型的组合优化问题并取得良好的效果。

  (3) 蚁群算法求解TSP的算法流程

  步骤1: nc=0(nc 为迭代步数或搜索次数); 每条边上的Tj(0)=c(常数), 并且ΔTj=0; 放置m 个蚂蚁到n 个城市上。

  步骤2: 将各蚂蚁的初始出发点置于当前解集TABUk(s)中; 对每个蚂蚁k(k=1,…,m), 按概率Pij(t)移至下一城市j; 将城市j 置于TABUk(s)中。

  步骤3: 经过n 个时刻, 蚂蚁k 可走完所有的城市, 完成一次循环。计算每个蚂蚁走过的总路径长度Lk, 更新找到的最短路径。

  步骤4: 更新每条边上的信息量Tij(t+n)

  步骤5: 对每一条边置ΔTij=0; nc=nc+1

  步骤6: 若nc<预定的迭代次数Ncmax, 则转步骤2; 否则, 打印出最短路径, 终止整个程序。

  1.3 蚁群算法优缺点

  蚁群算法是一种分布式的本质并行算法,蚁群算法是一种正反馈算法,蚁群算法具有较强的鲁棒性,易于与其它方法结合。但蚁群算法收敛速度慢、计算时间长,易于过早陷入局部最优,不利于解决连续问题。

  1.4 蚁群算法的展望

  (1) 目前大部分改进的蚁群算法都是针对于特定问题, 普适性不强, 同时蚁群算法模型也不能直接应用于实际优化问题。虽然正反馈机制就是一个很好的普适性模型, 但还远远不够。因此, 急需设计一种通用的蚁群算法普适性模型。

  (2) 现阶段的蚁群算法只是模拟了自然蚂蚁很少一部分社会性, 例如信息素机制。仍然有很大的空间去提出更加智能化的蚁群行为。

  (3) 蚁群算法目前还带有明显的经验性, 很多结果只是建立在实验的基础之上, 需要逐步奠定其理论基础。

  因此,根据TSP问题的特点,建立蚁群算法的模型,可以较好的解决此类组合优化问题(NP问题)。

  参考文献

  [1] Dorigo M.Ant algorithms and atigmergy[J].Future Generation Computer System.2000,16(8):851-871

  [2] Dorigo M.Gambardella L.M.Ant colony system:a cooperative learning approach to the traveling salesman problem[J].IEEE Trans.on Evolutionary Computation,1997,1(1):53-66

  [3] Dorigo M.Luca M.The ant colony algorithm applied to the nuclear reload problem.Annals of Nuclear Energy.2009,29(12):1455-1470

  [4] Dorigo M.Ant colony system:optimization by a colony of cooperating agents.IEEE Trans. on Systems, Man,and Cybernetics, Part B,1996,26(1):29-41

  [5] 杨海,王洪国,徐卫志.蚁群算法的应用研究与发展[J].科学和技术信息学报, 2007,(28):13-14

  [6] 张宗永,孙静,谭家华.蚁群算法的改进及其应用[J].上海交通大学学报,2002,36(11):1564-1567

  [7] 尹晓峰,刘春煌.基于MATLAB的混合型蚁群算法求解旅行商问题[J].铁路计算机应用,2005,14(9):4-7

  [8] 刘志硕,申金升,柴跃廷.一种求解车辆路径问题的混合多蚁群算法[J].系统仿真学报,2007,19(15):3513-3520

  [9] 董萍.基于蚁群算法求解TSP[J].无锡职业技术学院学报,2008,7(5):34-36

  [10] 王果,戴冬.基于蚁群算法的TSP问题求解[J].河南机电高等专科学校学报,2008,16(5):42-43

  2. 毕业设计任务要研究或解决的问题和拟采用的方法:

  (1)毕业设计任务要研究或解决的问题

  研究基于蚁群算法的TSP问题,要求

  ①阅读蚁群算法相关的论文和书籍,系统地了解蚁群算法相关知识和原理的目的。

  ②掌握旅行商问题的基本原理和常用解决方面。

  ③掌握MATLAB软件平台的应用和操作,学习蚁群算法模型在不同的NP问题中的模型建立。

  ④通过蚁群算法的仿真和分析,实现蚁群算法解决TSP。

  (2)预期成果:

  通过研究和分析各种蚁群算法模型,掌握蚁群算法的基本原理和实现步骤,并在MATLAB环境中进行仿真,分析蚁群算法中各关键参数对算法性能的影响。

  针对旅行商问题,掌握经典算法的基本思想和解决方法,并应用性能优异的蚁群算法得出旅行商问题的最佳解。

  (3)拟采用的研究方法

  在蚁群算法解决TSP问题中,采用以下研究方法:

  (1)研究蚁群算法的基本原理,通过仿真结果分析蚁群算法关键参数对算法的影响。

  (2)通过理论分析和仿真实验,讨论蚁群算法的收敛性。

  (3)分析旅行商问题的经典解决方法,并和蚁群算法解决旅行商问题的结果进行比较分析。


相关文章:

1.机电工程学院毕业论文开题报告

2.机电工程毕业论文开题报告

3.机电专业毕业论文开题报告

4.机电毕业论文开题报告

5.机电一体化技术开题报告

6.机电工程系毕业论文设计开题报告

7.机械专业毕业设计开题报告

8.机电毕业论文开题报告模板

9.自动化本科毕业论文开题报告范文

【机电工程毕业论文开题报告】相关文章:

1.机电工程论文开题报告

2.建筑毕业论文开题报告

3.毕业论文的开题报告

4.舞蹈毕业论文开题报告

5.毕业论文通用开题报告

6.毕业论文开题报告指南

7.生物毕业论文开题报告

8.毕业论文(设计)开题报告

9.有关毕业论文开题的报告