导读:本文包含了佳点集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,粒子,多维,子群,子粒,函数,测试。
佳点集论文文献综述
黄静,官易楠[1]（2019）在《基于佳点集粒子群算法的SVM参数优化方法》一文中研究指出针对传统的粒子群算法(PSO)初始种群随机生成而导致的算法稳定性差和易出现早熟等问题,提出了基于佳点集改进的粒子群算法(GSPSO),并将其优化支持向量机(SVM),构建一种高效的预测评估模型(GSPSOSVM)。首先采用佳点集方法使PSO中初始粒子均匀分布,然后利用GSPSO优化SVM的惩罚因子C和径向基核函数参数g以获取最佳参数值,提高SVM分类性和稳定性,最后将模型应用于旱情数据的评估预测。仿真实验结果表明:本模型在平均准确率和方差方面的准确都取得了很好的效果;对比分别用PSO和遗传算法(GA)优化的SVM模型,本模型的性能更好。(本文来源于《包装学报》期刊2019年02期）
屈原,涂霁阳,陈坤,金隼[2]（2019）在《基于佳点集的装配公差分析方法》一文中研究指出为提高传统的蒙特卡罗模拟方法进行公差数值分析时计算结果的收敛速度,基于数论中的佳点集理论构造出一种新的准蒙特卡罗法(quasi-Monte Carlo method)。在此基础上建立了基于确定性定位分析的白车身翼子板装配叁维偏差模型,分别采用传统的蒙特卡罗伪随机数序列和基于佳点集的准蒙特卡罗法序列对该模型进行公差数值分析。在理论分析基础上的结果表明,在进行高精度复杂机械产品的装配公差分析过程中,与传统的蒙特卡罗模拟方法相比,所提出的方法的计算结果所需要的统计样本较少并且精度较高。(本文来源于《机械设计与制造》期刊2019年04期）
孙家泽,王刚[3]（2018）在《利用佳点集遗传算法的白盒测试用例优先排序》一文中研究指出在软件演化过程中,测试用例优先排序作为一种高效实用的回归测试技术,对于提高缺陷的早期检测速率和降低测试成本有重要意义。针对传统遗传算法在白盒测试用例优先排序中收敛速度慢和稳定性差的问题,采用佳点集遗传算法求解白盒测试用例优先排序问题。算法根据程序实体覆盖矩阵对个体进行编码,以程序实体覆盖平均百分比作为适应度函数,采用随机抽样选择算子和佳点集交叉算子产生新一代种群。实验选择6个典型的基准开源项目,以语句、分支和方法作为程序实体,实验结果表明佳点集遗传算法收敛速度快、稳定性好,为回归测试提供了一个有效的测试用例优先排序方法,有助于尽早发现软件缺陷,降低测试成本。(本文来源于《计算机工程与科学》期刊2018年10期）
张涛,刘彩云,崔健[4]（2018）在《佳点集遗传算法在求函数最大值中的应用》一文中研究指出在库存管理决策、供应链协调、业务数据特征选择等最优化理论研究中,佳点集遗传算法可有效地帮助解决复杂模型化函数求最大值问题,在研究佳点集遗传算法的基础上,结合实例给出了一个算法模型实践。(本文来源于《吉林工程技术师范学院学报》期刊2018年03期）
马骏,项铁铭[5]（2018）在《一种基于佳点集原理与引力搜索的新型蜻蜓算法》一文中研究指出为改进标准蜻蜓算法(DA)存在的收敛质量不高、全局寻优能力欠佳、易陷入局部最优等问题,利用基于佳点集原理的方法初始化种群,将其与万有引力搜索算法(GSA)结合,改进步长更新公式,并引入考虑维度变化的更新全局最优解方法,提出一种新的改进蜻蜓算法(DGSDA)。通过对10个测试函数的测试结果表明,改进后的DGSDA收敛速度快,全局寻优能力强,寻优精度高。(本文来源于《软件导刊》期刊2018年01期）
李海坤,谢珍建,陈正方,张文嘉[6]（2016）在《基于佳点集-量子粒子群算法的交直流系统无功优化方法研究》一文中研究指出随着高压直流输电工程和区域电网互联建设的不断推进,交直流互联电网的规模越来越大,其对电网的无功平衡也提出了新的要求。提出一种基于佳点集量子粒子群的交直流系统无功优化方法。该方法建立交直流系统及其潮流计算模型;以系统网损为目标函数,建立交直流输电无功优化模型,并考虑系统节点电压以及发电机无功出现越界的情况;通过引入佳点集并对量子粒子群算法进行改进,给出了使用佳点集量子粒子群优化算法的求解步骤。通过采用IEEE30节点算例进行验证,并与量子粒子群算法比较,结果表明:该文方法具有快速的收敛能力、良好的稳定性,优化性能也有较明显的提高。(本文来源于《电力科学与技术学报》期刊2016年03期）
邱傲,项铁铭[7]（2016）在《基于佳点集原理的多维竞争文化入侵杂草算法》一文中研究指出针对入侵杂草算法收敛速度较慢,解决复杂高维问题时仍难跳出局部最优的不足,提出了基于佳点集原理的多维竞争文化入侵杂草算法.首先,采用佳点集原理均匀的初始化种群,从而提高初始解的质量;其次,采用多维竞争的机制,使算法更容易跳出局部最优;最后,将改进的入侵杂草算法嵌入到文化框架中,通过不断更新信念空间知识对种群进行全局指导,提高算法的收敛速度.通过5个经典测试函数的测试表明,算法不仅收敛速度快,而且跳出局部最优的能力也得到很大的提升.(本文来源于《杭州电子科技大学学报(自然科学版)》期刊2016年03期）
王培崇[8]（2015）在《融合佳点集机制的动态搜索烟花爆炸搜索算法》一文中研究指出为了克服烟花爆炸搜索算法容易早熟的弱点,提高其求解性能,提出一种融合佳点集变异机制的动态搜索烟花爆炸算法。首先为了提高算法的求解精度,每一次迭代过程均针对当前最佳个体执行动态随机搜索,加强对当前最佳的局部搜索。另一方面,当种群的拥挤程度超越设定的阈值λ时,除保留10%的优秀个体外,其余个体基于佳点集机制进行重新初始化,帮助种群摆脱局部最优的约束。最后,在6个Benchmark函数上的实验表明,该算法能快速收敛、克服早熟,并且具有较佳的鲁棒性。(本文来源于《计算机应用与软件》期刊2015年08期）
安艳召,成卫,陈昱光[9]（2015）在《基于佳点集协同进化粒子群的信号配时优化》一文中研究指出针对基本粒子群优化算法在迭代过程中容易陷入局部极值的问题,引入佳点集理论和协同进化算法,提出了一种改进的粒子群优化算法即基于佳点集方法的协同进化粒子群优化算法;以排队长度、延误时间及通行能力建立优化约束模型,对过饱和状态下的交叉口使用仿真软件VISSIM对改进的优化算法进行试验,对现状与优化后的结果进行对比分析。结果显示,运用基于佳点集方法的协同进化粒子群优化算法能有效优化信号配时,降低排队长度与延误时间,提高通行能力,解决多目标约束优化问题。(本文来源于《公路与汽运》期刊2015年04期）
王培崇,李丽荣,高文超,汪慎文[10]（2015）在《应用佳点集的混合反向学习人工鱼群算法》一文中研究指出为了改善人工鱼群算法求解精度较低、容易过早收敛的弱点,提出了一种应用佳点集和反向学习的人工鱼群算法。改进算法在迭代中对当前种群中部分优质个体执行一般动态反向学习,生成它们的反向种群,引导种群向包含全局最优的解空间逼近,以提高算法的平衡和探索能力。当种群的拥挤程度超过阈值λ时,利用佳点集机制对大部分个体重新初始化,以帮助算法脱离局部最优的约束。在六个Benchmark函数上的实验表明,该算法收敛速度快、求解精度高,适合求解函数优化问题。(本文来源于《计算机应用研究》期刊2015年07期）
佳点集论文开题报告
（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：
为提高传统的蒙特卡罗模拟方法进行公差数值分析时计算结果的收敛速度,基于数论中的佳点集理论构造出一种新的准蒙特卡罗法(quasi-Monte Carlo method)。在此基础上建立了基于确定性定位分析的白车身翼子板装配叁维偏差模型,分别采用传统的蒙特卡罗伪随机数序列和基于佳点集的准蒙特卡罗法序列对该模型进行公差数值分析。在理论分析基础上的结果表明,在进行高精度复杂机械产品的装配公差分析过程中,与传统的蒙特卡罗模拟方法相比,所提出的方法的计算结果所需要的统计样本较少并且精度较高。
（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。
佳点集论文参考文献
[1].黄静,官易楠.基于佳点集粒子群算法的SVM参数优化方法[J].包装学报.2019
[2].屈原,涂霁阳,陈坤,金隼.基于佳点集的装配公差分析方法[J].机械设计与制造.2019
[3].孙家泽,王刚.利用佳点集遗传算法的白盒测试用例优先排序[J].计算机工程与科学.2018
[4].张涛,刘彩云,崔健.佳点集遗传算法在求函数最大值中的应用[J].吉林工程技术师范学院学报.2018
[5].马骏,项铁铭.一种基于佳点集原理与引力搜索的新型蜻蜓算法[J].软件导刊.2018
[6].李海坤,谢珍建,陈正方,张文嘉.基于佳点集-量子粒子群算法的交直流系统无功优化方法研究[J].电力科学与技术学报.2016
[7].邱傲,项铁铭.基于佳点集原理的多维竞争文化入侵杂草算法[J].杭州电子科技大学学报(自然科学版).2016
[8].王培崇.融合佳点集机制的动态搜索烟花爆炸搜索算法[J].计算机应用与软件.2015
[9].安艳召,成卫,陈昱光.基于佳点集协同进化粒子群的信号配时优化[J].公路与汽运.2015
[10].王培崇,李丽荣,高文超,汪慎文.应用佳点集的混合反向学习人工鱼群算法[J].计算机应用研究.2015
论文知识图
