导读:本文包含了不适应度函数论文开题报告文献综述及选题提纲参考文献，主要关键词:图像分割,最优化,遗传算法,MATLAB
不适应度函数论文文献综述
刘玲,梁广源[1]（2018）在《关于图像分割中的适应度函数修正和遗传算法实现》一文中研究指出在特殊的图像分割中,利用图像的灰度特征和最优化理论修正遗传算法的适应度函数,从而达到算法加速的效果, MATLAB数值试验表明了新方法的有效性.(本文来源于《韶关学院学报》期刊2018年09期）
邓一杰,刘克胜,朱凯龙,常超[2]（2019）在《基于动态适应度函数的模糊测试技术研究》一文中研究指出模糊测试是一种有效的自动化漏洞挖掘技术,主流模糊测试技术采用遗传算法生成测试用例,存在早熟现象,导致路径覆盖率不足。针对该问题,提出一种基于动态适应度函数的模糊测试方法。综合考虑了种子新度和路径深度因素,设计了根据测试阶段不同而动态变化的适应度函数,实现了基于动态适应度函数的模糊测试工具DynFuzzer。在BegBunch和CGC提供的测试集上进行实验,结果表明,与现有模糊测试工具相比,DynFuzzer路径覆盖率提高了40%,多发现了10%的bug。基于动态适应度函数的模糊测试方法能有效克服早熟问题,提高路径覆盖率,发现更多的bug。(本文来源于《计算机应用研究》期刊2019年05期）
朱春媚,莫鸿强[3]（2017）在《一类适应度函数的遗传算法编码》一文中研究指出针对在探讨适应度函数的周期性特点与整数编码元数之间的关联特性时,一阶积木块数量对编码性能的评价不一定成立的问题,提出以累积逃脱概率(AEP)作为遗传算法(GA)编码性能的评价指标,对以频率为正整数m的整数次幂的正弦函数为基函数线性组合构成的适应度函数编码展开研究。首先给出了该类适应度函数的一般形式和m进制整数编码的含义;然后介绍了AEP的定义,并根据函数特点制定了AEP的计算方法;最后分析比较了该类适应度函数在不同整数编码下的AEP,指出其采用m元整数编码时更容易进化。仿真结果表明,该类适应度函数采用m元整数编码时,其最终优化结果和群体适应度均值的上升时间皆明显优于其他编码,反映了AEP能有效评价编码的性能,并再次验证了对于该类适应度函数m元整数编码优于非m元整数编码的结论。(本文来源于《计算机应用》期刊2017年07期）
刘德华[4]（2017）在《优化CamShift算法的适应度函数的船舶跟踪改进算法》一文中研究指出针对内河船舶对象在动态背景下的目标跟踪展开研究,考虑船舶在内河运行环境的特点,以Cam Shift跟踪算法为基础,对其适应度函数进行优化设计,将期望值最优作为适应度函数的性能参量。设计中以目标区域颜色直方图概率密度和预测区域颜色直方图概率的期望值作为适应度函数,以此适应度作为视频帧中选择目标区域的参量。内河运行船舶实际摄制视频的跟踪分析结果表明:相对于传统的Cam Shift算法,改进后的算法提高了跟踪精度和系统稳定性。(本文来源于《重庆理工大学学报(自然科学)》期刊2017年06期）
杨朝兴,李思坤,王向朝[5]（2016）在《基于动态适应度函数的光源掩模优化方法》一文中研究指出提出了一种基于动态适应度函数的光刻机光源掩模优化方法(SMO)。动态适应度函数方法在遗传算法优化过程中采用动态适应度函数模拟真实光刻工艺条件误差对光刻结果的影响,得到对光刻工艺条件误差不敏感的优化光源和优化掩模。该方法无需优化权重系数,即可获得与权重优化后的加权适应度函数方法相近的工艺宽容度。典型逻辑图形的仿真实验表明,曝光剂量误差为15%时,动态适应度函数方法得到的优化光源和优化掩模的可用焦深达到200 nm,与加权适应度函数方法的优化效果相当。动态适应度函数方法也可用于降低SMO的优化光源和掩模对其他工艺条件误差如彗差的敏感度。(本文来源于《光学学报》期刊2016年01期）
玄登影,王福林,高敏慧,马海志[6]（2015）在《一种改进适应度函数的遗传算法》一文中研究指出针对遗传算法搜索导优中适应度函数的设计不当,将难以体现个体差异和选择操作的作用,从而造成早熟收敛的问题,构建了两种基于顺序的适应度函数的模型.适应度函数的设计使得在进化过程中控制选择压力,种群竞争力得到增强,早熟现象得到改善.并将改进的算法应用在复杂函数优化问题上,MATLAB优化结果表明,算法在种群多样性、搜索速度、计算精度上均有改善,推动遗传算法在工程领域的应用.(本文来源于《数学的实践与认识》期刊2015年16期）
孙涛[7]（2015）在《求解选址问题遗传算法的适应度函数选择》一文中研究指出配送中心选址是一个包含连续变量和离散变量的复杂的非线性模型,应用遗传算法求解这一连续选址问题,将配送中心的位置坐标进行编码,使用贪心算法给出分配方案与适应度函数,虽然贪心算法只根据距离给出近似最优的分配方案,但是结合遗传算法的全局寻优能力,能够得出整体最优解较好的近似。通过实例验证,与使用分枝定界法相比较,两种方法得到的最终目标函数值相差不大,而在计算时间上,使用贪心算法的遗传算法明显更具优势。(本文来源于《中国石油大学胜利学院学报》期刊2015年02期）
杨朝兴,李思坤,王向朝[8]（2014）在《基于动态适应度函数的光刻机光源掩模优化方法》一文中研究指出光源与掩模优化(SMO)技术同时优化光源照明模式和掩模图形,是增大工艺窗口、降低工艺因子的关键光刻机分辨率增强技术之一。基于遗传算法的SMO不需要掌握光刻流程的先验知识,可以实现对光源照明模式和掩模图形的自动优化[1]。为了提高优化结果的工艺鲁棒性,降低对焦深、曝光剂量等工艺条件波动的敏感度,通常使用不同工艺条件下的适应度函数的权重和作为SMO的适应度函数。权重系数是影响优化质量的重要参数,但是其设置通常需要大量模拟实验,导致SMO总时间成本增加。本文提出了一种基于动态适应度函数的鲁棒的SMO方法。该方法的适应度函数由静态适应度函数(工艺条件为理想值)和动态适应(本文来源于《第十五届全国光学测试学术交流会论文摘要集》期刊2014-10-26）
吉志龙,马元巍,王德忠[9]（2014）在《遗传算法动态修正核素大气扩散模型的适应度函数研究》一文中研究指出放射性核素大气扩散模型中,基于示踪实验获得的经验扩散参数依赖于具体的实验条件,在事故条件下,由于风场、大气湍流、地表状态等与实验条件存在差异,经验扩散参数难以准确反映实际扩散过程。为了弥补这一不足,可以以经验参数为先验值,使用实际观测数据对其进行实时动态修正。本文基于遗传算法,建立动态修正模型,通过数值模拟得到4种适应度函数对修正结果的影响。结果表明,根据观测误差设置不同权重的适应度函数修正效果更好。在此基础上,使用Kincaid实验数据集进行模型预测能力的验证,结果表明,使用遗传算法对拉格朗日扩散模型中的扩散参数进行修正,可明显提高扩散模型的预测能力。(本文来源于《核技术》期刊2014年04期）
杨水清,杨加明,孙超[10]（2014）在《改进的乘幂适应度函数在遗传算法中的应用》一文中研究指出在遗传算法优化过程中,引导搜索的主要依据是适应度函数。通过评估常见的几种适应度函数,兼顾保持种群的多样性和算法的收敛性,由乘幂尺度变换,提出了一种改进的乘幂适应度函数。以叁个典型的测试函数为例,在相同遗传操作和参数情况下,分别采用常见的与改进的适应度函数进行优化比较。结果表明,所改进的乘幂适应度函数能明显提高算法的收敛精度、收敛速度和收敛稳定性,对提高遗传算法的整体性能有重要的意义。(本文来源于《计算机工程与应用》期刊2014年17期）
不适应度函数论文开题报告
（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：
模糊测试是一种有效的自动化漏洞挖掘技术,主流模糊测试技术采用遗传算法生成测试用例,存在早熟现象,导致路径覆盖率不足。针对该问题,提出一种基于动态适应度函数的模糊测试方法。综合考虑了种子新度和路径深度因素,设计了根据测试阶段不同而动态变化的适应度函数,实现了基于动态适应度函数的模糊测试工具DynFuzzer。在BegBunch和CGC提供的测试集上进行实验,结果表明,与现有模糊测试工具相比,DynFuzzer路径覆盖率提高了40%,多发现了10%的bug。基于动态适应度函数的模糊测试方法能有效克服早熟问题,提高路径覆盖率,发现更多的bug。
（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。
不适应度函数论文参考文献
[1].刘玲,梁广源.关于图像分割中的适应度函数修正和遗传算法实现[J].韶关学院学报.2018
[2].邓一杰,刘克胜,朱凯龙,常超.基于动态适应度函数的模糊测试技术研究[J].计算机应用研究.2019
[3].朱春媚,莫鸿强.一类适应度函数的遗传算法编码[J].计算机应用.2017
[4].刘德华.优化CamShift算法的适应度函数的船舶跟踪改进算法[J].重庆理工大学学报(自然科学).2017
[5].杨朝兴,李思坤,王向朝.基于动态适应度函数的光源掩模优化方法[J].光学学报.2016
[6].玄登影,王福林,高敏慧,马海志.一种改进适应度函数的遗传算法[J].数学的实践与认识.2015
[7].孙涛.求解选址问题遗传算法的适应度函数选择[J].中国石油大学胜利学院学报.2015
[8].杨朝兴,李思坤,王向朝.基于动态适应度函数的光刻机光源掩模优化方法[C].第十五届全国光学测试学术交流会论文摘要集.2014
[9].吉志龙,马元巍,王德忠.遗传算法动态修正核素大气扩散模型的适应度函数研究[J].核技术.2014
[10].杨水清,杨加明,孙超.改进的乘幂适应度函数在遗传算法中的应用[J].计算机工程与应用.2014