全文总字数：5068字
1. 研究目的与意义（文献综述）
1.1 研究目的及意义
粒子群算法（Particle Swarm Optimization），缩写为PSO，1995年由肯尼迪（Kennedy）与埃伯哈特（Eberhart）两位学者所提出。他们发明PSO灵感来源于对鸟群捕食行为的研究，粒子群算法的理论基础是把每一只鸟看作为一个粒子，并赋予该粒子（个体）记忆性，并能通过与粒子群体中的其他粒子之间的通信而寻求到最适解。目前，粒子群算法在函数优化，神经网络训练，模糊系统控制，组合优化入侵检测，以及决策调度等多个领域得到广泛的应用。粒子群算法有较强的全局搜索能力，但也容易陷入局部极值导致早熟。
旅行商问题（Travelling Salesman Problem），英文缩写为TSP，是数学领域中著名问题之一，也是一个典型的NP完全问题。问题描述为：假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。目前解决旅行商问题的主要算法有：蚁群算法，免疫算法，遗传算法等等。
2. 研究的基本内容与方案
粒子群算法首先初始化一群随机粒子，这些初始化的粒子都是空间搜索的潜在解，并且每个粒子都有一个被优化函数决定的适应值，每个粒子还有一个速度决定它们飞翔的方向和距离，然后粒子们就追随当前的最优粒子在解空间中搜索。粒子通过跟踪两个极值来更新自己，第一个就是粒子本身所找到的最优解，这个解称为个体极值，另一个极值是整个种群目前找到的最优解，这个极值是全局极值。粒子群算法的流程图如下图所示。
图1 粒子群算法流程图
3. 研究计划与安排
第1－3周：搜集资料，撰写开题报告。
第4－5周：论文开题。
第6－12周：撰写论文初稿。
4. 参考文献（12篇以上）
[1] Camelia-M. Pintea ; Simone A. Ludwig ; Gloria Cerasela Crisan. Adaptability of a discrete PSO algorithm applied to the Traveling Salesman Problem with fuzzy data[C] .2015 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE). 1-6
[2] Ishita Dubey ; Manish Gupta. Uniform mutation and SPV rule based optimized PSO algorithm for TSP problem[C]. 2017 4th International Conference on Electronics and Communication Systems (ICECS). 168 –172
[3] Vaisakh Shaj ; P M Akhil ; S Asharaf. Edge-PSO: A recombination operator based PSO algorithm for solving TSP[C].2016 International Conference on Advances in Computing, Communications and Informatics (ICACCI). 35 – 41
以上是毕业论文开题报告，课题毕业论文、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。
