导读:本文包含了进化决策论文开题报告文献综述、选题提纲参考文献，主要关键词:信贷,金融学,认知,差分,螺旋桨,专家系统,系统。
进化决策论文文献综述写法
杨路春,杨晨俊,李学斌[1]（2019）在《基于多目标进化算法和决策技术的螺旋桨优化设计研究》一文中研究指出论文采用RNSGA-Ⅱ-SBJG优化算法,开展考虑兼顾推进效率、空泡、激振力及桨叶强度等要求的螺旋桨优化设计。该算法基于实数编码的非支配排序多目标遗传算法RNSGA-Ⅱ,并引入跳变基因算子以提升基因多样性、加快寻优进程。此外,还引入灰色关联度分析方法,通过计算Pareto解集与理想解的关联度,对优化解集进行评价排序。应用上述方法,对某集装箱船螺旋桨进行了船桨匹配和船机桨匹配情况下的优化设计。数值结果表明,Pareto解集分散良好,基于灰色关联度分析的优化解评价方法能够有效和合理地选取优化设计方案。(本文来源于《中国造船》期刊2019年03期）
张煜培,赵知劲,郑仕链[2]（2019）在《融合学习差分进化和粒子群优化算法的认知决策引擎》一文中研究指出为了提高认知无线电系统的参数决策速度和性能,提出一种融合粒子群和学习差分进化算法的认知无线电决策引擎(HPSO-BLDE)。首先,对学习差分进化算法引入自适应变异机制,使得每条染色体随个体适应度和平均适应度进行自适应变异,提高其局部寻优能力。然后,改进粒子群算法的学习因子,并加入扰动项,防止算法早熟;选用更合适的变换函数,将正反向速度转换为相同概率更新粒子位置,提高最优解的精度,从而提高粒子群算法的全局寻优能力。最后,在认知引擎模型中并行地运行改进的粒子群算法(IBPSO)和差分进化算法(IBLDE),每隔固定的迭代次数后,融合两种算法的最优个体信息,得到HPSO-BLDE算法,使IBPSO算法和IBLDE算法的种群兼具二者的优点,从而提高了最优解的求解精度并加快了收敛速度。多载波通信系统的参数决策仿真结果表明,IBPSO算法、IBLDE算法和HPSO-BLDE算法的性能优于已有的爬山遗传(HGA)算法、量子粒子群算法(BQPSO)和二进制学习差分进化算法(BLDE),其中HPSO-BLDE算法的性能最优。(本文来源于《计算机科学》期刊2019年06期）
王亚东,石全,张芳,尤志锋,夏伟[3]（2019）在《基于动态进化算法的多阶段备件供应优化决策》一文中研究指出由于实际备件保障工作中备件需求以间歇性需求为主,备件供应通常为多阶段的动态优化。针对以上问题,构建了多阶段备件供应数学模型。为求解动态优化模型,提出了一种元启发式动态进化算法。首先,在经典差分进化算法中增加了环境变化检测算子和环境变化响应策略,使得差分进化算法能够解决环境变化的动态优化问题。其次,提出了自适应莱维飞行策略,使得算法在环境发生变化时仍能保持良好的全局搜索能力和局部寻优能力。算例表明,所提出的动态自适应差分算法能够求得模型的最优可行解,且算法的分布性和收敛性均得到了很大的提升。(本文来源于《系统工程与电子技术》期刊2019年11期）
董南江[4]（2019）在《基于决策空间搜索的多目标进化优化方法研究》一文中研究指出在现实世界中存在着很多多目标优化问题(简称MOPs),多目标优化是对多个目标的同时优化,多目标优化算法已应用于许多科学工程领域。多目标进化算法(简称MOEAs)是一类基于群体智能的迭代优化算法,因其能够在单次运行中找到一组解被广泛地应用于求解多目标优化问题,受到越来越多研究者的关注。传统的多目标进化算法对于低维连续的多目标优化问题的优化效果表现良好,但是随着优化问题的目标个数不断增多,优化难度也将急剧增加,主要原因有:算法本身搜索能力不足,维数增加时选择压力变小,收敛性和分布性冲突难以平衡。本文利用连续多目标优化问题的特性针对高维多目标优化的难点所在,提出了基于决策空间的定向搜索策略(简称DS),该策略可以与基于支配关系的MOEA相结合。DS首先对优化问题进行采样分析,对问题特性进行解析得到收敛性子空间控制向量和分布性子空间控制向量。将算法搜索过程分为收敛性搜索阶段和分布性搜索阶段,分别对应收敛性子空间和分布性子空间,在不同阶段搜索时利用采样分析结果对生成子代个体的区域进行宏观的影响。将收敛性和分布性分阶段来考虑,这样避免了收敛性和分布性难以平衡的难点,同时具体在某一阶段内搜索资源相对集中,一定程度上增加了算法的搜索能力。为验证DS策略的有效性,本文实验部分将结合了DS策略的NSGA-II、SPEA2算法与原NSGA-II、SPEA2算法进行实验对比,并以DS-NSGA-II为例与其它高维算法MOEAD-PBI、NSGA-III、Hype、MSOPS、LMEA进行对比实验。实验结果表明DS策略的引入使得NSGA-II、SPEA2算法在高维多目标优化问题上性能有了显着的提高,DS-NSGAII与现有的经典的高维多目标算法相比较有了较强的竞争力。(本文来源于《湘潭大学》期刊2019-06-04）
王炫,王维嘉,宋科璞,王敏文[5]（2019）在《基于进化式专家系统树的无人机空战决策技术》一文中研究指出为解决传统专家系统方法无法应付非预期情况的问题,提出一种进化式的专家系统树方法来研究空战决策。以中距空战为例,建立2维典型空战模型,将遗传算法和专家系统相结合,建立进化式专家系统树框架和战术决策系统,并在一对一空战场景下对所建立的方法进行仿真验证。仿真结果表明:该方法通过在多种战场设定下对决策规则的离线进化,使决策系统可根据战场情况做出调整,在己方飞行性能不占优势的情况下达成制胜目标。(本文来源于《兵工自动化》期刊2019年01期）
朱瑞[6]（2018）在《供给侧改革背景下的绿色信贷决策研究——基于行为金融学的进化博弈模型》一文中研究指出在我国供给侧结构性改革的背景下,面对当今资源浪费与环境恶化等危机状况的频繁发生,人们对于绿色信贷的关注日益增加。我国已经陆续提出了一系列的绿色信贷政策,但在具体的实施过程中,效果不佳、绿色信贷比较集中。因此,我们应该转变原有的理性行为分析方式,运用行为金融学的视角,在此基础之上,构造进化博弈模型,分析绿色信贷银行与不同企业的信贷行为,寻求进化稳定点。(本文来源于《西部财会》期刊2018年09期）
朱瑞[7]（2018）在《供给侧改革背景下的绿色信贷决策研究——基于行为金融学的进化博弈模型》一文中研究指出在我国供给侧结构性改革的背景下,面对当今地球资源浪费与环境恶化等危机状况的频繁发生,人们对于绿色信贷的关注日益增加。我国已经陆续提出了一系列的绿色信贷政策,但在具体的实施过程中效果不佳,绿色信贷比较集中。因此,基于行为金融学的视角,构造进化博弈模型,分析绿色信贷银行与不同企业的信贷行为,寻求进化稳定点。结果表明,因为存在供给侧改革背景下的绿色信贷银行行为金融规范式,绿色信贷银行很难分化,应该改变绿色信贷决策规范,构建出新的信贷绩效评价体系。(本文来源于《华北金融》期刊2018年08期）
朱瑞[8]（2018）在《供给侧改革背景下的绿色信贷决策研究——基于行为金融学的进化博弈模型》一文中研究指出在我国供给侧结构性改革的背景下,面对当今地球资源浪费与环境恶化等危机状况的频繁发生,人们对于绿色信贷的关注日益增加。我国已经陆续提出了一系列的绿色信贷政策,但在具体的实施过程中效果不佳,绿色信贷比较集中。因此,我们应该转变原有的理性行为分析方式,从行为金融学的视角构造进化博弈模型,分析绿色信贷银行与不同企业的信贷行为,寻求进化稳定点。结果表明,因为存在供给侧改革背景下的绿色信贷银行行为金融规范式,绿色信贷银行很难分化,应该改变绿色信贷决策规范,构建出新的信贷绩效评价体系。(本文来源于《北方金融》期刊2018年04期）
刘京运[9]（2018）在《DeepMatrix助力企业决策的AI进化》一文中研究指出以"决策·进化"为主题的中国行业AI决策系统发布会近日在北京召开。百分点集团正式发布了行业AI决策系统Deep Matrix及覆盖五大行业的决策系统产品,致力于推动企业组织跨越智能鸿沟、向智能决策方向迈进。(本文来源于《机器人产业》期刊2018年01期）
郭振华[10]（2017）在《进化、大脑与保险决策》一文中研究指出本文通过回顾大脑进化过程进而讨论保险决策,大致的逻辑是:进化形成现在的大脑结构,大脑结构决定人的决策和行为,自然也就决定了人类会如何进行保险决策。文中介绍了人脑进化过程,说明进化形成的人脑绝非最佳设计,不完美的大脑必然导致非理性的决策,人脑具有双重决策系统,人类具有叁种决策和行为模式。(本文来源于《中国保险》期刊2017年10期）
进化决策论文开题报告范文
（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：
为了提高认知无线电系统的参数决策速度和性能,提出一种融合粒子群和学习差分进化算法的认知无线电决策引擎(HPSO-BLDE)。首先,对学习差分进化算法引入自适应变异机制,使得每条染色体随个体适应度和平均适应度进行自适应变异,提高其局部寻优能力。然后,改进粒子群算法的学习因子,并加入扰动项,防止算法早熟;选用更合适的变换函数,将正反向速度转换为相同概率更新粒子位置,提高最优解的精度,从而提高粒子群算法的全局寻优能力。最后,在认知引擎模型中并行地运行改进的粒子群算法(IBPSO)和差分进化算法(IBLDE),每隔固定的迭代次数后,融合两种算法的最优个体信息,得到HPSO-BLDE算法,使IBPSO算法和IBLDE算法的种群兼具二者的优点,从而提高了最优解的求解精度并加快了收敛速度。多载波通信系统的参数决策仿真结果表明,IBPSO算法、IBLDE算法和HPSO-BLDE算法的性能优于已有的爬山遗传(HGA)算法、量子粒子群算法(BQPSO)和二进制学习差分进化算法(BLDE),其中HPSO-BLDE算法的性能最优。
（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。
进化决策论文参考文献
[1].杨路春,杨晨俊,李学斌.基于多目标进化算法和决策技术的螺旋桨优化设计研究[J].中国造船.2019
[2].张煜培,赵知劲,郑仕链.融合学习差分进化和粒子群优化算法的认知决策引擎[J].计算机科学.2019
[3].王亚东,石全,张芳,尤志锋,夏伟.基于动态进化算法的多阶段备件供应优化决策[J].系统工程与电子技术.2019
[4].董南江.基于决策空间搜索的多目标进化优化方法研究[D].湘潭大学.2019
[5].王炫,王维嘉,宋科璞,王敏文.基于进化式专家系统树的无人机空战决策技术[J].兵工自动化.2019
[6].朱瑞.供给侧改革背景下的绿色信贷决策研究——基于行为金融学的进化博弈模型[J].西部财会.2018
[7].朱瑞.供给侧改革背景下的绿色信贷决策研究——基于行为金融学的进化博弈模型[J].华北金融.2018
[8].朱瑞.供给侧改革背景下的绿色信贷决策研究——基于行为金融学的进化博弈模型[J].北方金融.2018
[9].刘京运.DeepMatrix助力企业决策的AI进化[J].机器人产业.2018
[10].郭振华.进化、大脑与保险决策[J].中国保险.2017