1. 研究目的与意义（文献综述）
1.1研究目的及意义
在科学实践、工程系统设计及社会生产和经济发展中的许多优化问题都是多目标优化问题,如:生产过程控制,软硬件系统的设计,社会效益与经济效益分析等。现实生活中许多问题都是由相互冲突、相互影响的多个目标组成。人们会经常遇到使多个目标在给定区域上同时尽可能最佳的优化问题,也就是多目标优化问题。优化问题存在的优化目标超过一个并需要同时处理,就成为多目标优化问题(multiobjectiveoptimizationproblem,简称mop)。粒子群算法是受鸟类觅食启发提出的一种群智能优化算法，该算法具有收敛速度快、参数设置简单和易于实现等优点，目前已成功应用到神经元网络训练、化工系统、运筹学等多个领域。
pso算法是一种简单有效的仿生算法，其基于多点并行搜索的特性，使他同样适用于求解多目标优化问题。此外，由于pso技术在全面搜索能力上很强，因此多目标粒子群优化算法mopso所求得的非劣解集在逼近程度上这个指标上非常好。当前，在多目标优化这方面，mopso已取得了一定的成功。
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
3. 研究计划与安排
第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。
第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。
第6－9周：编程实现各算法，并进行仿真调试。
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]潘峰，李位星.粒子群优化算法与多目标优化.北京理工大学出版社.2013
[2]丁英娟，基于粒子群优化的多目标车间调度算法.2007
[3]王培丽，基于粒子群算法的多目标车间调度的研究.2011
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
