毕设任务书样本.docVIP

苏州大学本科生毕业论文（设计）任务书 学院： 计算机科学与技术学院 论文（设计）题目：PSO(Particle Swam Optimization)粒子群优化算法应用 指导教师：姚望舒 职称：讲师 类别：毕业论文 学生：陈铭 学号：0327401011 论文（设计）类型：理论性 专业：计算机科学与技术 班级：计算机科学与技术2003级（1）班 是否隶属科研项目：否 论文（设计）的主要任务及目标 在智能领域，大部分问题都可以归结为优化问题。常用的经典优化算法都对问题有一定的约束条件，如要求优化函数可微等，仿生算法是一种模拟生物智能行为的优化算法，由于其几乎不存在对问题的约束，因此，得到广泛应用。本次毕业设计将基于群体智能的粒子群优化算法作为研究课题，主要任务及目标为：熟悉和掌握基本粒子群优化算法的基本原理，分析影响算法性能的参数，熟悉基本粒子群优化算法的改进算法和改进策略，利用Matlab科学计算语言进行算法仿真，掌握科学研究的基本过程和方法。提出一种改进的粒子群优化算法，并进行仿真比较。 论文（设计）的主要内容 掌握Matlab语言，学习其科学计算和仿真功能。 掌握基本粒子群优化算法的基本原理，分析算法各参数对算法性能的影响，分析基本粒子群优化算法的缺陷。 熟悉目前粒子群优化算法的一些改进算法和改进策略，并对部分算法进行仿真验证。 设计一种新的改进粒子群优化算法，并与现有算法进行仿真比较。 论文（设计）的基本要求 本毕业设计要求能够详细的描述基本粒子群优化算法的基本原理，并对其进行相应的分析和实验验证；熟悉目前基本粒子群优化算法的改进算法和改进策略，并对相关算法进行实验验证。在前面对算法的分析和仿真验证的基础上提出一种改进的粒子群优化算法，并通过实验仿真与现有算法进行比较，以验证算法的有效性。最后，按要求完成毕业论文。 主要参考文献 崔讯学. 多目标进化算法及其应用[M]. 北京: 国防工业出版社2006. 薛定宇. 科学运算语言MATLAB5.3程序设计与应用[M]. 北京: 清华大学出版社2000. Satish Kumar. NEURAL NETWORKS[M]. 北京: 清华大学出版社2006. 曾建潮介倩崔志华. 微粒群算法[M]. 北京: 科学出版社2004. Swagatam, Das Amit, Konar Uday, et.al. Improving particle swarm optimization with differentially perturbed velocity[A]. In: Proceedings of GECCO[C], 2005: 177-184. 张利彪周春光马铭基于粒子群算法求解多目标进化问题[J]. 计算机研究与发展2004, 41(7): 1286-1291. 5、进度安排 论文（设计）各阶段任务 起 止 日 期 1 收集粒子群算法的相关文献资料 3月7日之前 2 阅读文献资料 3月8日----3月31日 3 ，对几种现有PSO算法进行仿真验证 4月 1日----4月20日 4 提出新算法并进行仿真实验验证 4月21日----5月10日 5 撰写毕业论文 5月11日----6月1日 6 准备答辩阶段 6月2日----6月7日 8 注：1、此表一式三份，学院、指导教师、学生各一份 2、类别是指毕业论文或毕业设计，类型指应用型、理论研究型和其他。