适应度地貌论文_尹兆远

导读:本文包含了适应度地貌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:地貌,启发式,算法,神经网络,粒子,最优,局部。

适应度地貌论文文献综述

尹兆远^[1]（2015）在《基于粒子群的连续优化问题适应度地貌分析及应用研究》一文中研究指出连续优化问题属于最优化问题的一个大类,而使用启发式算法对其进行求解,是目前一个普遍使用的手段。启发式算法的运行效率由算法设计与问题结构共同决定,然而对于问题结构缺乏一套行之有效的分析方法,使对连续优化问题的解空间缺乏相应的信息与知识,导致所应用算法与问题并不一定相匹配,造成求解效率低下。本文尝试将普遍应用于组合优化问题中的适应度地貌分析引入连续优化问题中,提出一种结合粒子群算法进行连续优化问题适应度地貌分析的方法,通过适应度地貌分析反映问题特征,并以此为依据选择与设计有针对性的算法进行问题求解。首先,证明在测试函数上运行良好的算法并不一定能适用于新问题,即新问题不一定能享受旧算法的免费午餐。其次,提出一种结合粒子群进行探测的适应度地貌描绘方法,将粒子群在解空间中运行时多次停留于同一位置的个体最优解作为寻找局部极值的依据,绘制解空间的适应度地貌。最后,将这一方法运用在人工神经网络权值训练中,证明人工神经网络的解空间适应度地貌具有阶梯下降的特征,并针对这一特征设计了一种具有针对性的算法,证明有该算法设计比普适性的改进在处理人工神经网络权值训练中更有效。(本文来源于《广西大学》期刊2015-06-01）

姜毅^[2]（2013）在《扰动型超启发式算法的适应度地貌分析》一文中研究指出适应度地貌分析已经在构造型超启发式算法空间上得到了应用,并发现了其地貌空间的高中立性、位置偏移,以及全空间的凸面、大坑结构等特征。Ochoa在用图染色算法求解课程表问题时,对超启发式算法空间进行了适应度地貌分析。最终结论证实超启发式算法空间中的最优解被包围在众多的局部最优解之中,而不是孤立于地貌空间。文中建议利用这些特征,设计出更高效的超启发式算法。在另一篇文章中,Ochoa通过基于调度规则的超启发式算法在混合车间调度问题实例上的应用,作者研究了超启发式算法空间的地貌特征。文中的研究证实了超启发式算法空间适合用适应度地貌进行分析,并且两者之间存在很大的相关性。尽管如此,适应度地貌分析在扰动型超启发式算法空间上的应用尚属空白。这是由于构造型超启发式算法与扰动型超启发式算法建立问题实例的解的过程是不同：构造型超启发式算法是从一个空解开始,一步一步的构造出完整的解;而扰动型超启发式算法是从一个完整解开始,逐步的对这个解进行优化。对于构造型超启发式算法来说,一个启发式算法序列执行结束后,产生一个固定的解；而对于扰动型超启发式算法,一个启发式算法序列执行结束后,所产生的解是不确定。另外,初始解的选择对扰动型超启发式算法的影响较大,而对构造型超启发式算法则没有影响。正是基于这些原因,至今为止还没有人在扰动型超启发式算法空间进行过适应度地貌分析。本文的目的正是弥补这个空白。本文所用的一些方法,有效的减小了初始解对扰动型超启发式算法的影响,并寻求用多个解的适应度的平均值作为一个启发式算法序列的适应度。此外,本文主要采用了适应度地貌分析中的适应度距离相关性分析来探讨局部最优网络中局部最优解的适应度和距离之间的关系,发现局部最优解的适应度和距离之间存在正相关的关系；用局部最优解的跳离分析来寻求找到一个最佳的变异数使当前解能够跳离局部最优,以便指导算法设计。(本文来源于《大连理工大学》期刊2013-05-30）

适应度地貌论文开题报告

（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：

适应度地貌分析已经在构造型超启发式算法空间上得到了应用,并发现了其地貌空间的高中立性、位置偏移,以及全空间的凸面、大坑结构等特征。Ochoa在用图染色算法求解课程表问题时,对超启发式算法空间进行了适应度地貌分析。最终结论证实超启发式算法空间中的最优解被包围在众多的局部最优解之中,而不是孤立于地貌空间。文中建议利用这些特征,设计出更高效的超启发式算法。在另一篇文章中,Ochoa通过基于调度规则的超启发式算法在混合车间调度问题实例上的应用,作者研究了超启发式算法空间的地貌特征。文中的研究证实了超启发式算法空间适合用适应度地貌进行分析,并且两者之间存在很大的相关性。尽管如此,适应度地貌分析在扰动型超启发式算法空间上的应用尚属空白。这是由于构造型超启发式算法与扰动型超启发式算法建立问题实例的解的过程是不同：构造型超启发式算法是从一个空解开始,一步一步的构造出完整的解;而扰动型超启发式算法是从一个完整解开始,逐步的对这个解进行优化。对于构造型超启发式算法来说,一个启发式算法序列执行结束后,产生一个固定的解；而对于扰动型超启发式算法,一个启发式算法序列执行结束后,所产生的解是不确定。另外,初始解的选择对扰动型超启发式算法的影响较大,而对构造型超启发式算法则没有影响。正是基于这些原因,至今为止还没有人在扰动型超启发式算法空间进行过适应度地貌分析。本文的目的正是弥补这个空白。本文所用的一些方法,有效的减小了初始解对扰动型超启发式算法的影响,并寻求用多个解的适应度的平均值作为一个启发式算法序列的适应度。此外,本文主要采用了适应度地貌分析中的适应度距离相关性分析来探讨局部最优网络中局部最优解的适应度和距离之间的关系,发现局部最优解的适应度和距离之间存在正相关的关系；用局部最优解的跳离分析来寻求找到一个最佳的变异数使当前解能够跳离局部最优,以便指导算法设计。

（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。