资源预览内容
第1页 / 共7页
第2页 / 共7页
第3页 / 共7页
第4页 / 共7页
第5页 / 共7页
第6页 / 共7页
第7页 / 共7页
亲,该文档总共7页全部预览完了,如果喜欢就下载吧!
资源描述
南京航空航天大学金城学院毕业设计(论文)开题报告题 目 汽车 ABS 系统常见故障与分析系 部 机电工程系专 业 汽车服务工程学生姓名 张铁超 学号 2010014110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年 月 日填 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。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Tj=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 Tij=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 MAnt algorithms and atigmergyJFuture Generation Computer System.2000,16(8):851-8712 Dorigo MGambardella LMAnt colony system:a cooperative learning approach to the traveling salesman problemJIEEE Transon Evolutionary Computation,1997,1(1):53663 Dorigo MLuca MThe ant colony algorithm applied to the nuclear reload problemAnnals of Nuclear Energy2009,29(12):145514704 Dorigo MAnt colony system:optimization by a colony of cooperating agentsIEEE Trans on Systems, Man,and Cybernetics, Part B,1996,26(1):29415 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):13-146 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):1564-15677 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):4-78 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):3513-35209 董萍基于蚁群算法求解 TSPJ无锡职业技术学院学报,2008,7(5):34-3610 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):42-432. 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。掌握旅行商问题的基本原理和常用解决方面。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。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。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
网站客服QQ:2055934822
金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号