一、课题的任务内容本课题目的是使学生结合学过的信息专业的基本知识和基本技能，在学习微粒群优化算法寻优的基本思想，运用MATLAB 完成对粒子群算法及其改进算法的设计与仿真，并利用标准函数来完成对以上算法性能的比较。23260
二、原始条件及数据：
MATLAB软件
三、设计的技术要求（论文的研究要求）：
1、 粒子群算法及其改进算法理论的研究；
2、 学习运用MATLAB相关指令及其编译方法；
3、 粒子群算法及其改进算法的设计性能仿真及标准测试函数的仿真。
四、毕业设计（论文）应完成的具体工作：
毕业设计首先学习群体智能优化算法的基本寻优思想，并熟悉基本粒子群算法和及其改进算法的寻优机制。毕业设计是运用MATLAB7.0这一软件的编译，学习智能优化算法的基本指令，完成对基本粒子群算法和及其改进算法的设计与仿真，并利用标准函数来完成对以上算法性能的比较。 论文网
软硬件名称、内容及主要的技术指标（可按以下类型选择）：
计算机软件 MATLAB软件
图 纸
电 路 板
机 电 装 置
新材料制剂
结 构 模 型
其 他
五、查阅文献要求及主要的参考文献：
1. 龚纯 精通MATLAB最优化计算 电子工业出版社2009.4
2. 吴斌，群体智能的研究及其在知识发现中的应用，中国科学院研究生院博士学位论文，2002
3. 松散的脑袋－群体智能的数学模型，模式识别与人工智能.2003,16(1).-1-5
4. 林丹，李敏强等. 基于遗传算法求解约束优化问题的一种算法. 软件学报，2001，12（4）：628～632
5. Reynolds C. W. “Flocks, Herds, and Schools: A Distributed Behavioral Model". Computer Graphics, Vol.21, No.4, 1987, pp.25-34
6. J. Kennedy, R. Eberhart. Particle Swarm Optimization [A]. Proc. IEEE Int. Conf. on Neural Networks [C], 1995: 1942-1948
7. Shi Y, Eberhart R. A modified particle swarm optimizer [C]. In: IEEE World Congress on Computational Intelligence, 1998: 69~73
8. R. C. Eberhart, Y. Shi. Comparing inertia weights and constriction factors in particle swarm optimization. Proceedings of the IEEE Conference on Evolutionary Computation, ICEC, Vol.1, pp. 84-88
优尔、进度安排：（设计或论文各阶段的要求，时间安排）：
1． 1月6日至1月17日 明确毕业设计任务，熟悉收集相关各种资料，学习软件开发环境。
2． 2月24日至3月7日，毕业实习。
3． 3月8日至3月30日，运用MATLAB 完成对粒子群算法及其改进算法的设计与仿真，并利用标准函数来完成对以上算法性能的比较。
4． 3月31日至5月19日 ，进行实验验证。
5． 5月20日至6月11日完成毕业设计论文，整理设计文件和实验记录。
6． 6月12日至6月17日 送评阅教师审查及修改，准备及参加毕业设计答辩。 粒子群优化算法研究任务书:http://www.youerw.com/renwushu/lunwen_16244.html