导读:本文包含了维函数论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,函数,晶体,平面波,光子,谐振子,全局。
维函数论文文献综述
邹德龙,王宝华[1]（2019）在《一种混合优化算法面向高维函数优化的研究》一文中研究指出基本粒子群算法(PSO)在面对高维多极值函数优化的问题时粒子容易快速集中到最优粒子附近,导致粒子运动能力丧失,种群陷入停滞,因此寻优效果并不理想。针对这种情况,通过引入人工鱼群算法(AFSA)中的聚群和觅食行为与粒子群算法相结合形成一种新的混合优化算法来解决这些问题。最终通过仿真实验证明该混合优化算法在面对高维函数的优化问题上具有优秀的寻优能力。(本文来源于《计算机工程与应用》期刊2019年20期）
张新明,王霞,康强[2]（2019）在《改进的灰狼优化算法及其高维函数和FCM优化》一文中研究指出灰狼优化算法(GWO)具有较强的局部搜索能力和较快的收敛速度,但在解决高维和复杂的优化问题时存在全局搜索能力不足的问题.对此,提出一种改进的GWO,即新型反向学习和差分变异的GWO(ODGWO).首先,提出一种最优最差反向学习策略和一种动态随机差分变异算子,并将它们融入GWO中,以便增强全局搜索能力;然后,为了很好地平衡探索与开采能力以提升整体的优化性能,对算法前、后半搜索阶段分别采用单维操作和全维操作形成ODGWO;最后,将ODGWO用于高维函数和模糊C均值(FCM)聚类优化.实验结果表明,在许多高维Benchmark函数(30维、50维和1 000维)优化上, ODGWO的搜索能力大幅度领先于GWO,与state-of-the-art优化算法相比, ODGWO具有更好的优化性能.在7个标准数据集的FCM聚类优化上,与GWO、GWOepd和LGWO相比, ODGWO表现出了更好的聚类优化性能,可应用在更多的实际优化问题上.(本文来源于《控制与决策》期刊2019年10期）
章海锋[3]（2018）在《3维函数光子晶体的特性研究》一文中研究指出为了研究3维函数光子晶体的光子禁带特性,采用平面波展开法计算得到色散曲线,推导了平面波展开法的相关计算公式以及介质球介电常数的函数关系式,探讨了可调参量函数系数I和介质球半径R_1对光子禁带特性的影响。结果表明,3维函数光子晶体呈立方体晶格分布,由介质球填充空气背景;与常规3维介质光子晶体相比,3维函数光子晶体不仅能得到可调谐的光子禁带,而且可以拓展禁带带宽,并增加光子禁带的数量;改变函数系数I的大小可以实现对光子禁带数量、位置和带宽的调谐;改变介质球半径R_1可以对光子禁带带宽实现展宽,并改变光子禁带的位置。该研究对设计新型可调谐器件是有帮助的。(本文来源于《激光技术》期刊2018年03期）
王泽森[4]（2017）在《一维函数磁振子晶体的带隙研究》一文中研究指出近年来,随着纳米技术的进步以及人类对介观世界的深入认识,作为晶体学一支的超晶格人工复合材料得到了广泛关注,它是由两种或两种以上物理性质和化学性质不同的材料在空间周期性排列组成的,其晶体结构与晶格尺寸可调节,并能得到很多自然界晶体所没有的物理性质,其中较为典型的如光子晶体与声子晶体,分别对在其内部传播的光子和声子有可控的调制作用,由于带隙结构的特性而使其在信息技术领域得到广泛应用。磁振子晶体(Magnonic Crystals)是在光子晶体、声子晶体的启发下发展起来的新型人工微结构功能复合材料,由于在同频率时自旋波的波长更短,为设计集成化,小型化器件创造了有利条件。磁振子晶体由两种或多种磁性材料组成,与光子晶体和声子晶体对应,在磁振子晶体中传播的自旋波也具有可调节的带隙结构。当自旋波在磁振子晶体中传播时,带隙范围内的自旋波无法通过整个复合系统,自旋波带隙的发现使得磁振子晶体在微波领域有了重要的应用价值。近几年,对常规的磁振子晶体已经有大量研究报道,组成常规磁振子晶体的不同磁性材料有明确的分界线和各自的磁参数,而磁参数的空间分布发生连续变化的情况还未考虑。但由于材料的加工水平和老化情况,实际的磁振子晶体也很难达到常规磁振子晶体的标准。本文提出一维新型函数磁振子晶体,晶体由两部分组成,作为基底的Ni层磁参数为常数,而中心材料的磁参数是空间坐标的函数。具体设计了叁种函数形式的中心材料模型,有线性函数形式、二次函数形式、余弦函数形式。分别通过平面波展开法计算叁种函数磁振子晶体的色散关系,并与常规磁振子晶体情况比较,发现常规磁振子晶体只是函数磁振子晶体的一种特殊形式。在此基础上具体研究并对比了几种一维磁振子晶体自旋波的带隙结构,结果发现,函数磁振子晶体与常规磁振子晶体的带结构有明显区别,且不同函数形式对带隙结构的影响也较为明显,从而实现了一维函数磁振子晶体带隙结构的可调性。本文的研究工作,可为自旋波器件材料的设计提供新的设计方法和重要理论依据。(本文来源于《内蒙古师范大学》期刊2017-05-05）
朱丽华,王庆喜[5]（2017）在《基于协同的高维函数优化》一文中研究指出采用基于协同进化布谷鸟搜索算法优化4个高维函数,测试结果表明,基于协同进化布谷观鸟搜索算法在求解高维优化问题时,效果优于原始布谷鸟搜索算法,具有更广的应用前景。(本文来源于《科技视界》期刊2017年07期）
廉侃超[6]（2017）在《求解高维函数优化的混合智能算法》一文中研究指出针对几个高维函数优化进行了研究,提出一种混合智能算法。借鉴人口迁移算法的进化体制,精简了算法步骤;鉴于云模型的云滴在随机中带有稳定倾向性,将人口进化过程中初始人口群体由云模型的云滴代替,人口流动转化为上一代云滴产生新一代云滴的过程;为防止寻优陷入局部极值,借用柯西分布的强扰动性,对优惠区域的人口实施柯西变异。几个典型高维函数的仿真实验表明,算法求解质量高、性能稳定,甚至对几个维数高达10000维的超高维函数,算法都可以稳定收敛到理论最优。(本文来源于《计算机时代》期刊2017年01期）
罗晓鹏[7]（2014）在《飞行器设计中的高维函数逼近理论研究》一文中研究指出论文从飞行器设计中对曲面构造、方程求解以及代理模型等问题的具体需求出发,探讨了相应的(1)函数逼近空间、(2)具体逼近算法、(3)两类不确定性重要度的计算以及(4)多元积分的转换等方面内容。(1)讨论了由多重正交级数的星形部分和张成的函数空间。该空间的自由参数数目独立于问题的维数,且空间中的函数作为给定函数的近似具有较好的收敛速度。主要的结论有：·运用函数正交展开式系数的衰减性来定义部分和,从而使得自由参数数目的增长独立于维数本身；·给出了星形部分和自由参数数目的增长阶与增长界；·基于上述增长界,给出了利用星形部分和逼近已知函数时的误差界；·由可和性讨论给出了高维核插值的一个基本思路。该思路有可能成为径向基函数插值在高维情形有价值的替代品。(2)引入了一种基于多项式的多分辨分析以及一类多级的Jigsaw拟插值算法。该方法为多元函数与数据提供了一种由粗到细的分级表示方法。主要的结论有：·提出了一种多项式再生的多分辨结构。这种多分辨结构仅依赖于空间的仿紧性,因此可以直接拓展到定义在微分流形上的函数或数据,也可用于微分流形本身的构造；·引入了一族多项式Jigsaw函数以及C∞的Jigsaw函数,并由此提出了种多级Jigsaw分解算法,从而得到一个从整体逐渐过渡到局部的空间树形分解结构；·引入了两种多项式多级Jigsaw拟插值,并得到了相应的误差界；·引入了局部误差估计,并在此基础上建立了Jigsaw逼近以及Jigsaw变换,由此得到一类白适应逼近。另外还单独讨论了常数Jigsaw拟插值。说明了最优分片常数插值的存在性以及该最优方法与相应Voronoi图和Delaunay叁角剖分之间的联系。(3)给出了High Dimensional Model Representations (HDMR)分解、Sobol指标以及Borgonovo指标的具体计算方法。主要的结论有：·构造了HDMR分解截断空间的再生核,从而利用核插值的方法估计HDMR分解,并最终对Sobol重要度指标进行估计。在一个较强的假设下,该方法也可以用于高维函数逼近；·根据非参数滤波的思想,将核回归的方法引入到条件期望E(y|xI)的估计中,因此能够同时对HDMR分解以及Sobol重要度指标进行估计。并针对这些估计分析了相应的渐近收敛速度,从而指出其收敛速度不可能高于N-1/2；·针对Borgonovo矩独立指标估计中的双重Monte Carlo(MC)密度估计的问题,分别采取了相应的措施。首先利用一个核估计对条件密度积分进行转化以避免双重MC估计,然后又将密度范数的估计转化为一个正交矩列的估计,从而建立了矩独立指标的一类快速算法。(4)根据圆柱螺旋线引入了渐近空间的相关概念。借助适当的渐近曲线,可以将任意的高维积分转化为一个单变量积分,从而可以使用单变量的白适应积分来估计高维积分。主要的结论有：·讨论了渐近曲线上的单变量积分与原始多变量积分之间的收敛性；·针对渐近曲线上的近似积分建立了相应的误差估计,它表明相应的误差由函数本身的连续模数所控制；·特别引入了一类球面上的渐近曲线,将其与Gauss公式相结合就可以应用于叁维偏微分方程弱形式的求解。(本文来源于《西北工业大学》期刊2014-11-01）
李国成,肖庆宪[8]（2014）在《求解高维函数优化问题的交叉熵蝙蝠算法》一文中研究指出为改善蝙蝠算法求解高维函数优化问题的全局搜索能力,提高其搜索精度,将交叉熵方法和蝙蝠算法相结合,提出一种交叉熵蝙蝠算法。该算法将基于重要度抽样和Kullback-Leibler距离的交叉熵全局随机优化算法应用于蝙蝠算法中,采用自适应平滑技术提高算法的收敛速度,利用交叉熵方法的遍历性、自适应性和鲁棒性,有效抑制蝙蝠算法的早熟收敛现象。对经典测试函数和CEC2005测试函数的仿真结果表明,该算法具有全局搜索能力强、求解精度高和鲁棒性好等特性。(本文来源于《计算机工程》期刊2014年10期）
欧阳海滨,高立群,邹德旋,孔祥勇[9]（2014）在《反向学习和声搜索算法优化高维函数问题》一文中研究指出提出一种反向学习和声搜索(OLHS)算法,该算法设计了随机位置更新操作,进一步提高算法的全局搜索能力;融合了反向学习技术,拓宽解空间的开发,增加解的多样性;引进了小概率变异策略,平衡算法的聚集和发散过程,防止算法陷入局部最优;采用了模拟退火选择机制,推动和声记忆库的更新,增加新解的有效利用.对10个高维标准函数进行了测试,同基本和声搜索算法及最近文献中提出的7种优秀改进和声搜索算法相比较,结果表明本文算法具有更好的优化性能.最后,分析了关键参数F和Pm对算法优化性能的影响.(本文来源于《小型微型计算机系统》期刊2014年03期）
王鹏,黄焱,任超,郭又铭[10]（2013）在《多尺度量子谐振子高维函数全局优化算法》一文中研究指出函数优化问题与量子谐振子从高能态向基态收敛过程具有相似的概率解释,结合基于高斯尺度函数的多尺度二进信息采样方法,提出了高维函数优化问题的多尺度量子谐振子算法模型,该算法模型将高维函数优化过程分为尺度收敛和量子谐振子收敛两个步骤,物理模型明确,无需编码和复杂的初始条件设定,即可实现高维函数优化.通过对15种典型二维优化测试函数和6种典型的高维优化测试函数进行实验和分析表明,多尺度量子谐振子算法可以快速精确地获得高维函数的全局最优解,同时采用"降频"方法可以提高对具有"高频"成分函数的搜索速度.(本文来源于《电子学报》期刊2013年12期）
维函数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
灰狼优化算法(GWO)具有较强的局部搜索能力和较快的收敛速度,但在解决高维和复杂的优化问题时存在全局搜索能力不足的问题.对此,提出一种改进的GWO,即新型反向学习和差分变异的GWO(ODGWO).首先,提出一种最优最差反向学习策略和一种动态随机差分变异算子,并将它们融入GWO中,以便增强全局搜索能力;然后,为了很好地平衡探索与开采能力以提升整体的优化性能,对算法前、后半搜索阶段分别采用单维操作和全维操作形成ODGWO;最后,将ODGWO用于高维函数和模糊C均值(FCM)聚类优化.实验结果表明,在许多高维Benchmark函数(30维、50维和1 000维)优化上, ODGWO的搜索能力大幅度领先于GWO,与state-of-the-art优化算法相比, ODGWO具有更好的优化性能.在7个标准数据集的FCM聚类优化上,与GWO、GWOepd和LGWO相比, ODGWO表现出了更好的聚类优化性能,可应用在更多的实际优化问题上.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
维函数论文参考文献
[1].邹德龙,王宝华.一种混合优化算法面向高维函数优化的研究[J].计算机工程与应用.2019
[2].张新明,王霞,康强.改进的灰狼优化算法及其高维函数和FCM优化[J].控制与决策.2019
[3].章海锋.3维函数光子晶体的特性研究[J].激光技术.2018
[4].王泽森.一维函数磁振子晶体的带隙研究[D].内蒙古师范大学.2017
[5].朱丽华,王庆喜.基于协同的高维函数优化[J].科技视界.2017
[6].廉侃超.求解高维函数优化的混合智能算法[J].计算机时代.2017
[7].罗晓鹏.飞行器设计中的高维函数逼近理论研究[D].西北工业大学.2014
[8].李国成,肖庆宪.求解高维函数优化问题的交叉熵蝙蝠算法[J].计算机工程.2014
[9].欧阳海滨,高立群,邹德旋,孔祥勇.反向学习和声搜索算法优化高维函数问题[J].小型微型计算机系统.2014
[10].王鹏,黄焱,任超,郭又铭.多尺度量子谐振子高维函数全局优化算法[J].电子学报.2013
论文知识图
