開題報告是提高論文選題質量和水平的重要環節，是論文工作的不可忽視的一部分，以下是小編蒐集整理的機電工程畢業論文開題報告，歡迎閱讀參考。
題 目：汽車ABS系統常見故障與分析
1. 結合畢業設計(論文)課題任務情況，根據所查閱的文獻資料，撰寫1500～2000字左右的文獻綜述：
1.1 蟻羣算法的發展和應用
在計算機自動控制領域中, 控制和優化始終是兩個重要問題。使用計算機進行控制和優化本質上都表現爲對資訊的某種處理。隨着問題規模的日益龐大, 特性上的非線性及不確定性等使得難以建立精確的“數學模型”。人們從生命科學和仿生學中受到啓發, 提出了許多智能優化方法, 爲解決複雜優化問題(NP- hard 問題) 提供了新途徑。
蟻羣算法(Ant Colony Algorithm, ACA) 是Dorigo M等人於1991年提出的。經觀察發現, 螞蟻個體之間是透過一種稱之爲資訊素的物質進行資訊傳遞的。在運動過程中, 螞蟻能夠在它所經過的路徑上留下該種資訊素, 而且能夠感知資訊素的濃度, 並以此指導自己的運動方向 。蟻羣的集體行爲表現出一種資訊正反饋現象: 某一路徑上走過的螞蟻越多, 則後來者選擇該路徑的概率就越大。螞蟻個體之間就是透過這種資訊的交流達到搜尋食物的目的。它充分利用了生物蟻羣透過個體間簡單的資訊傳遞，搜尋從蟻巢至食物間最短路徑的集體尋優特徵，以及該過程與旅行商問題求解之間的相似性。同時，該算法還被用於求解二次指派問題以及多維揹包問題等，顯示了其適用於組合優化問題求解的優越特徵。
蟻羣算法應用於靜態組合優化問題, 其典型代表有旅行商問題( TSP) 、二次分配問題(QAP) 、車間調度問題、車輛路徑問題等。在動態優化問題中的應用主要集中在通訊網絡方面。這主要是由於網絡優化問題的特殊性, 如分佈計算, 隨機動態性, 以及異步的網絡狀態更新等。例如將蟻羣算法應用於QOS組播路由問題上, 就得到了優於模擬退火(SA)和遺傳算法(GA)的效果。蟻羣優化算法最初用於解決TSP問題，經過多年的發展，已經陸續滲透到其他領域中，如圖着色問題、大規模集成電路設計、通訊網絡中的路由問題以及負載平衡問題、車輛調度問題等。蟻羣算法在若干領域獲得成功的應用，其中最成功的是在組合優化問題中的應用。
1.2 蟻羣算法求解TSP問題
(1) TSP問題的描述
TSP問題的簡單形象描述是:給定n個城市,有一個旅行商從某一城市出發,訪問各城市一次且僅有一次後再回到原出發城市,要求找出一條最短的巡迴路徑。
(2) TSP問題的.理論意義
該問題是作爲所有組合優化問題的範例而存在的。它已經成爲並將繼續成爲測試新算法的標準問題。這是因爲，TSP問題展示了組合優化的所有方面。它從概念上來講非常簡單，但是其求解的難度是很大的。如果針對TSP問題提出的某種算法能夠取得比較好的實算效果，那麼對其進行修改，就可以應用於其他類型的組合優化問題並取得良好的效果。
(3) 蟻羣算法求解TSP的算法流程
步驟1: nc=0(nc 爲迭代步數或搜尋次數); 每條邊上的Tj(0)=c(常數), 並且ΔTj=0; 放置m 個螞蟻到n 個城市上。
步驟2: 將各螞蟻的初始出發點置於當前解集TABUk(s)中; 對每個螞蟻k(k=1,…,m), 按概率Pij(t)移至下一城市j; 將城市j 置於TABUk(s)中。
步驟3: 經過n 個時刻, 螞蟻k 可走完所有的城市, 完成一次循環。計算每個螞蟻走過的總路徑長度Lk, 更新找到的最短路徑。
步驟4: 更新每條邊上的資訊量Tij(t+n)
步驟5: 對每一條邊置ΔTij=0; nc=nc+1
步驟6: 若nc<預定的迭代次數Ncmax, 則轉步驟2; 否則, 打印出最短路徑, 終止整個程序。
1.3 蟻羣算法優缺點
蟻羣算法是一種分佈式的本質並行算法，蟻羣算法是一種正反饋算法，蟻羣算法具有較強的魯棒性，易於與其它方法結合。但蟻羣算法收斂速度慢、計算時間長，易於過早陷入局部最優，不利於解決連續問題。
1.4 蟻羣算法的展望
(1) 目前大部分改進的蟻羣算法都是針對於特定問題, 普適性不強, 同時蟻羣算法模型也不能直接應用於實際優化問題。雖然正反饋機制就是一個很好的普適性模型, 但還遠遠不夠。因此, 急需設計一種通用的蟻羣算法普適性模型。
(2) 現階段的蟻羣算法只是模擬了自然螞蟻很少一部分社會性, 例如資訊素機制。仍然有很大的空間去提出更加智能化的蟻羣行爲。
(3) 蟻羣算法目前還帶有明顯的經驗性, 很多結果只是建立在實驗的基礎之上, 需要逐步奠定其理論基礎。
因此，根據TSP問題的特點，建立蟻羣算法的模型，可以較好的解決此類組合優化問題(NP問題)。
參考文獻
[1] Dorigo algorithms and atigmergy[J]re Generation Computer System.2000,16(8)：851-871
[2] Dorigo ardella colony system：a cooperative learning approach to the traveling salesman problem[J] Evolutionary Computation，1997，1(1)：53-66
[3] Dorigo ant colony algorithm applied to the nuclear reload ls of Nuclear Energy.2009，29(12)：1455-1470
[4] Dorigo colony system：optimization by a colony of cooperating Trans. on Systems, Man，and Cybernetics， Part B，1996，26(1)：29-41
[5] 楊海，王洪國，徐衛志.蟻羣算法的應用研究與發展[J].科學和技術資訊學報， 2007，(28)：13-14
[6] 張宗永，孫靜，譚家華.蟻羣算法的改進及其應用[J].上海交通大學學報，2002，36(11)：1564-1567
[7] 尹曉峯，劉春煌.基於MATLAB的混合型蟻羣算法求解旅行商問題[J].鐵路計算機應用，2005，14(9)：4-7
[8] 劉志碩，申金升，柴躍廷.一種求解車輛路徑問題的混合多蟻羣算法[J].系統仿真學報，2007，19(15)：3513-3520
[9] 董萍.基於蟻羣算法求解TSP[J].無錫職業技術學院學報，2008，7(5)：34-36
[10] 王果，戴冬.基於蟻羣算法的TSP問題求解[J].河南機電高等專科學校學報，2008，16(5)：42-43
2. 畢業設計任務要研究或解決的問題和擬採用的方法：
(1)畢業設計任務要研究或解決的問題
研究基於蟻羣算法的TSP問題，要求
①閱讀蟻羣算法相關的論文和書籍，系統地瞭解蟻羣算法相關知識和原理的目的。
②掌握旅行商問題的基本原理和常用解決方面。
③掌握MATLAB軟件平臺的應用和操作，學習蟻羣算法模型在不同的NP問題中的模型建立。
④透過蟻羣算法的仿真和分析，實現蟻羣算法解決TSP。
(2)預期成果：
透過研究和分析各種蟻羣算法模型，掌握蟻羣算法的基本原理和實現步驟，並在MATLAB環境中進行仿真，分析蟻羣算法中各關鍵參數對算法性能的影響。
針對旅行商問題，掌握經典算法的基本思想和解決方法，並應用性能優異的蟻羣算法得出旅行商問題的最佳解。
(3)擬採用的研究方法
在蟻羣算法解決TSP問題中，採用以下研究方法：
(1)研究蟻羣算法的基本原理，透過仿真結果分析蟻羣算法關鍵參數對算法的影響。
(2)透過理論分析和仿真實驗，討論蟻羣算法的收斂性。
(3)分析旅行商問題的經典解決方法，並和蟻羣算法解決旅行商問題的結果進行比較分析。