还剩5页未读,继续阅读
文本内容:
南京航空航天大学金城学院毕业设计(论文)开题报告汽车ABS系统常见故障与分析机电工程系汽车服务工程张铁超学号2010014110学生姓名指导教师李琳职称讲师毕设地点南京航空航天大学金城学院机房填写要求
1.开题报告只需填写“文献综述”、“研究或解决的问题和拟采用的方法”两部分内容,其他信息由系统自动生成,不需要手工填写
2.为了与网上任务书兼容及最终打印格式一致,开题报告采用固定格式,如有不适请调整内容以适应表格大小并保持整体美观,切勿轻易改变格式
3.任务书须用A4纸,小4号字,黑色宋体,行距
1.5倍
4.使用此开题报告模板填写完毕,可直接粘接复制相应的内容到毕业设计网络系统结合毕业设计论文课题任务情况,根据所查阅的文献资料,撰写字左右的文献综述:
1.1500〜
20001.1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 ColonyAlgorithm,ACA是Dori goM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蚁群算法求解问题
1.2TSP1TSP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2TSP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=Onc为迭代步数或搜索次数;每条边上的TjO=c常数,并且△Tj=O;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TABUks中;对每个蚂蚁kk=l,m,按概率Pijt移至下一城市j;将城市j置于TABUks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△Ti j=0;nc=nc+l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,终止整个程序蚁群算法优缺点
1.3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蚁群算法的展望
1.41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 algorithmsand atigmergy[J].Future GenerationComputer System.2000,168851-871
[2]Dorigo M.Gambardella L.M.Ant colonysystema cooperativelearningapproach tothe travelingsalesman problem[j].IEEE Trans,on EvolutionaryComputation,1997,1153—66
[3]Dorigo M.Luca M.The antcolony algorithmapplied tothe nuclearreloadproblem.Annals ofNuclear Energy.2009,29121455—1470
[4]Dorigo M.Ant colonysystemoptimization bya colonyof cooperatingagents.IEEE Trans,on Systems,Man,and Cybernetics,Part B,1996,26129-41
[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,2007,2813-14
[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,2002,36111564-1567
[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,2005,1494-7
[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,2007,19153513-3520
[9]董萍.基于蚁群算法求解TSP[J].无锡职业技术学院学报,2008,7534-36
[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,2008,16542-43毕业设计任务要研究或解决的问题和拟采用的方法
2.1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TSP2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指导教师意见(对课题的深度、广度及工作量的意见和对毕业设计(论文)结果的预测):毕设主要研究基于蚁群算法的TSP问题研究,即在MATLAB软件环境中进行仿真,应用蚁群算法实现TSP问题内容有理论研究意义,工作量较大按照课题任务书和开题报告的内容,能够实现基于蚁群算法的TSP问题综合研究指导教师签字年月日上级审查意见负责人签字年月日。