导读:本文包含了交叉熵算法论文开题报告文献综述及选题提纲参考文献，主要关键词:阳极效应,交叉熵,支持向量机
交叉熵算法论文文献综述
李翘楚,潘浩,陈晓冉[1]（2019）在《基于改进交叉熵算法的阳极效应预测方法》一文中研究指出为了准确预测铝电解过程中的阳极效应故障,使用了改进的交叉熵算法(CEM)与支持向量机(SVM)的组合优化算法。针对传统交叉熵算法的无效样本过多、精度不足、可能陷入局部最优解等缺点,提出使用截断高斯分布作为参数采样函数,避免产生非正样本;同时引入"全局精英样本"的概念,保留了历次迭代中的最优样本,优化了参数更新策略;使用快速非支配排序和拥挤距离来计算样本的适应度值,提高了算法的全局搜索性能。实验结果表明,改进后的优化算法可以有效提高阳极效应预测的准确率。(本文来源于《国外电子测量技术》期刊2019年09期）
范自强[2]（2018）在《改进多目标交叉熵算法及其在应急调度优化问题中的应用》一文中研究指出多目标优化问题在科学与工程实践中普遍存在,进化多目标优化主要研究如何利用进化计算方法求解多目标优化问题,是现如今进化计算领域的研究热点之一。多目标交叉熵算法MOO CEM算法是一种非常有效的多目标进化算法,具有较强的全局搜索能力和较快的收敛速度。然而,基于一定阈值的精英种群提取策略导致了算法效率较低且求得解的分布性较差,易出现过度收敛或分布不均匀的现象。针对MOO CEM算法的不足,本文提出了一种改进多目标交叉熵算法MOCE-S算法。改进算法主要完成了叁个方面的改进:第一个方面是引入了基于浓度的免疫选择机制,依据促进低浓度高亲和度抗体,抑制高浓度低亲和度抗体的原则来对精英种群进行提取,以提高算法求得解的分布性;第二个方面是为了防止新的种群提取机制使算法的收敛性有所降低,本文采用了K均值聚类与直方图法相结合的方式对新样本群进行分类生成,以提高改进算法的收敛性能;第叁个方面是改善了对多目标优化问题中约束条件的处理手段,以更好的引导样本群向Pareto最优解方向进化。本文对MOCE-S,MOO CEM,NSGA-II以及NNIA四种算法在ZDT1,ZDT2,ZDT3以及OSY四种测试函数上进行了对比测试。算法对测试函数及相关性能指标的求解结果展现了MOCE-S算法在求解多目标优化问题上的优越性。最后,针对热点的应急调度优化问题,本文建立了一个多目标应急调度优化模型,以MOCE-S算法完成了以实际案例为背景的多目标应急调度优化问题的求解。(本文来源于《哈尔滨工业大学》期刊2018-06-01）
王桂荣,李歧强,丁然,王鲁浩[3]（2016）在《加工时间不确定的炼钢连铸生产调度串级交叉熵算法》一文中研究指出针对加工时间不确定的炼钢连铸生产调度问题,一方面考虑炉次精炼时间是运输时间和等待时间的线性增函数,并考虑分时电价,提出基于关键炉次的左右混合调整方法对各炉次精炼时间进行调整;另一方面,考虑炉次在各阶段的基本加工时间和连铸机最早开浇时间可在一定范围内选择,提出一种串级交叉熵算法进行求解.设计了不同的仿真实例,并将串级交叉熵算法与改进自适应遗传算法进行比较,验证了所提出算法的优越性.(本文来源于《控制与决策》期刊2016年07期）
孙丽杰,朱艳华[4]（2015）在《基于交叉熵算法的轨迹规划研究》一文中研究指出本文对等残留高度刀具轨迹规划方法进行了有规划的使用。用交叉熵算法对分片后的曲面进行首条加工轨迹的优选。将优选首条加工轨迹的等残留高度刀具轨迹规划方法与未规划的等残留高度刀具轨迹规划方法在高速铣削加工中的加工效率、加工质量等方面进行了研究分析。实验结果证实了规划后的等残留高度刀具轨迹规划方法在表面质量及加工效率上均得到了提高。(本文来源于《化学工程与装备》期刊2015年12期）
边莉,边晨源,田志龙[5]（2015）在《组合型交叉熵算法在电网故障诊断中的应用》一文中研究指出通过分析交叉熵算法的原理和特征,提出一种基于组合型交叉熵算法的电网故障诊断方法。考虑故障元件与保护器和断路器的动作关系,将电网故障诊断问题表示为使目标函数最小化的0-1整数规划问题,利用组合型交叉熵算法求该问题的最优解,依据最优解的情况识别故障元件。经过与粒子群算法和遗传算法的比较分析,得知本文采用的诊断方法具有收敛速度快、稳定性好等优点。对测试系统上多起故障情况进行了模拟测试,测试结果表明故障诊断结论全部正确,进一步证明了组合型交叉熵算法在电网故障诊断中具有一定的有效性、准确性和实用性。(本文来源于《电力系统及其自动化学报》期刊2015年10期）
边莉,秦凯[6]（2015）在《基于交叉熵算法优化支持向量机的矿用电机故障诊断》一文中研究指出为了能够准确的识别出异步电机的轴承故障,鉴于支持向量机在处理小样本数据情况下有着独特的优势,提出了一种基于交叉熵算法优化支持向量机的故障诊断方法。利用交叉熵算法对支持向量机进行参数寻优,解决了支持向量机模型参数选取的盲目性缺点,采用多分类方法对矿用异步电机的轴承故障进行分类,利用收集到的轴承故障数据选取训练样本和测试样本,建立故障预测模型。仿真结果表明:利用交叉熵算法优化支持向量机的模型参数具有较快的收敛速度,该诊断模型具有较高的诊断精度。(本文来源于《第十届全国采矿学术会议论文集——专题四：机电与自动化》期刊2015-09-09）
李大字,李野,宋天恒,靳其兵[7]（2015）在《基于交叉熵算法的无模控制器在多变量时滞系统中的应用》一文中研究指出多变量时滞系统广泛存在于工业对象中,受到广泛的关注。多变量时滞系统的控制器必须同时解决多变量和时滞问题。通常用于处理多变量问题的解耦方法是建立在精确模型的基础上,但复杂工业对象难以精确建模,再加上时滞问题需要进行预估,从而增大了控制难度。本文采用无模控制来设计多闭环控制系统,并用改进的交叉熵算法进行控制器的参数整定,可以有效处理多变量时滞问题,具有有良好的鲁棒性和抗抗干扰性。最后将无模控制器应用于多变量时滞系统的控制问题,并与其他控制器进行比较,分析证明了无模控制器的有效性。(本文来源于《第26届中国过程控制会议（CPCC2015）论文集》期刊2015-07-31）
边晨源[8]（2015）在《基于组合型交叉熵算法的电网故障诊断方法研究》一文中研究指出采用优化技术的电网故障诊断方式由于其理论基础严密,实用性好等优点,越来越受到人们的重视。但仍有一些需要解决的问题:如完全描述故障情形的诊断模型建立问题;优化算法迭代过程中的实时性问题;以及报警信息不完备或畸变时诊断系统的容错性问题。对于输电网的故障诊断,本文以保护器和断路器动作信息(开关量)之间的关联关系和动作逻辑,建立诊断模型,并引入权重因子用以平衡保护拒动对目标函数的影响。然后采用组合型交叉熵算法(CCE)对模型寻优,进而识别故障元件。通过对算例中多种典型故障进行仿真测试,本文方法均能正确识别故障元件,若故障情形伴随有保护器和断路器误动、拒动以及多重故障,诊断结论同样正确,证明算法具有一定的容错能力。对于配电网的故障定位,以分段开关处FTU检测到的故障过电流信息为依据,建立故障定位数学模型。融入故障过电流方向性因素,使得传统模型同样适用于含分布式电源的配电网故障定位建模中。然后同样利用CCE对模型寻优,识别故障馈线区段。仿真算例分别从IEEE33节点系统和典型多电源配电网中提取故障情形,其中包括单点、多点故障和少量信息畸变等复杂情况,本文方法能够定位正确的故障区段,证明了其有效性和容错性。针对优化技术解决电网故障诊断时所存在的问题,文中分别从输电网和配电网两方面出发,研究了有效反映故障情形的诊断模型建立方式,重点在于提出采用CCE对故障诊断模型寻优的思路。该算法收敛速度快,精度高,在报警信息缺失、畸变及多重复杂故障时均能有效收敛于最优解,具有容错性。仿真过程中将CCE与遗传算法(GA)、粒子群算法(PSO)在收敛性上进行比较,进一步证明CCE满足电网故障诊断对准确性和实时性的要求。(本文来源于《黑龙江科技大学》期刊2015-06-30）
李野[9]（2015）在《基于交叉熵算法的无模控制器研究》一文中研究指出在实际过程中,存在着大量导致系统扰动的因素。这些扰动既可能产生于已知的系统时滞、参数的时变特性、系统的内部耦合等因素,也可能源自于信号噪声、环境变化等未知因素。扰动的存在会严重影响系统建模的精确性,进而对基于模型的控制方法形成挑战。无模控制(MFC)算法无需复杂的数学模型,可以通过系统的输入输出信息对扰动进行估计,弥补了许多基于模型的控制方法在抗干扰能力方面的不足。本课题的大体研究方向如下：1.多变量时滞系统广泛存在于工业对象中。复杂的工业对象通常难以精确建模,再加上需要对时滞问题进行预估,从而增大了控制难度。本文采用无模控制(MFC)来设计多变量闭环控制系统,并用改进的交叉熵算法进行控制器的参数整定。仿真结果表明所提控制策略能有效处理多变量时滞问题,具有良好的鲁棒性和抗干扰性。2.无模控制可以通过在线估计对系统扰动进行预估,增强系统的抗干扰能力;通过调节常参数α[和PID参数优化控制性能,提高控制精度。根据分数阶微积分的特性,本文研究了分数阶系统的无模控制问题,提出了分数阶无模控制策略。较之于传统的无模控制方法,分数阶无模控制器具有更多的可调参数,增加了控制自由度。仿真研究表明,所提出的方法在保持其抗扰性能的基础上实现了提高动态性能、保证控制品质的目标。3.锅炉汽包系统的控制系统设计是一个典型的多目标优化问题。一方面要保证锅炉液位的稳定性,另一方而要严格控制供给的消耗。同时,锅炉系统还具有虚假液位和参数时变等特性,增加了控制难度。本文以锅炉汽包系统为例研究了控制系统的多目标优化问题。利用频率直方图和Pareto排序法,本文将单目标交叉熵算法改进为多目标交叉熵算法(MOCE),并以标准多目标问题(MOO)对算法进行了验证。仿真结果表明,MOCE能够有效优化多目标问题,提高控制系统性能。(本文来源于《北京化工大学》期刊2015-06-01）
祝毅鸣,刘莹[10]（2014）在《基于改进交叉熵算法的随机需求车辆路径设计方法》一文中研究指出传统的车辆路径规划方法无法有效地应对实时在线客户需求量随机变化的情形且收敛速度过慢,为了克服其缺点,设计了一种基于蒙特卡罗和重要性采样的交叉熵车辆路径规划方法;首先对随机动态车辆路径规划问题进行了数学建模,然后,描述了蒙特卡罗和交叉熵算法实现稀有事件概率估计的原理,并引入Tsallis熵实现对传统交叉熵的改进,采用蒙特卡罗多次采样获得的费用期望作为路径真实费用的估计值,通过交叉熵算法对重要性概率密度函数和分位数进行不断更新,以增加重要样本获取的概率,从而实现最优路径的获取;最后定义了具体的基于Tsallis熵的随机动态车辆路径规划方法;在MATLAB仿真工具下进行试验,结果表明文中方法能有效地解决随机动态车辆路径问题,与其它方法相比,具有收敛速度快和收敛精度高的优点,是一种有效的随机动态车辆路径规划方法。(本文来源于《计算机测量与控制》期刊2014年11期）
交叉熵算法论文开题报告
（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：
多目标优化问题在科学与工程实践中普遍存在,进化多目标优化主要研究如何利用进化计算方法求解多目标优化问题,是现如今进化计算领域的研究热点之一。多目标交叉熵算法MOO CEM算法是一种非常有效的多目标进化算法,具有较强的全局搜索能力和较快的收敛速度。然而,基于一定阈值的精英种群提取策略导致了算法效率较低且求得解的分布性较差,易出现过度收敛或分布不均匀的现象。针对MOO CEM算法的不足,本文提出了一种改进多目标交叉熵算法MOCE-S算法。改进算法主要完成了叁个方面的改进:第一个方面是引入了基于浓度的免疫选择机制,依据促进低浓度高亲和度抗体,抑制高浓度低亲和度抗体的原则来对精英种群进行提取,以提高算法求得解的分布性;第二个方面是为了防止新的种群提取机制使算法的收敛性有所降低,本文采用了K均值聚类与直方图法相结合的方式对新样本群进行分类生成,以提高改进算法的收敛性能;第叁个方面是改善了对多目标优化问题中约束条件的处理手段,以更好的引导样本群向Pareto最优解方向进化。本文对MOCE-S,MOO CEM,NSGA-II以及NNIA四种算法在ZDT1,ZDT2,ZDT3以及OSY四种测试函数上进行了对比测试。算法对测试函数及相关性能指标的求解结果展现了MOCE-S算法在求解多目标优化问题上的优越性。最后,针对热点的应急调度优化问题,本文建立了一个多目标应急调度优化模型,以MOCE-S算法完成了以实际案例为背景的多目标应急调度优化问题的求解。
（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。
交叉熵算法论文参考文献
[1].李翘楚,潘浩,陈晓冉.基于改进交叉熵算法的阳极效应预测方法[J].国外电子测量技术.2019
[2].范自强.改进多目标交叉熵算法及其在应急调度优化问题中的应用[D].哈尔滨工业大学.2018
[3].王桂荣,李歧强,丁然,王鲁浩.加工时间不确定的炼钢连铸生产调度串级交叉熵算法[J].控制与决策.2016
[4].孙丽杰,朱艳华.基于交叉熵算法的轨迹规划研究[J].化学工程与装备.2015
[5].边莉,边晨源,田志龙.组合型交叉熵算法在电网故障诊断中的应用[J].电力系统及其自动化学报.2015
[6].边莉,秦凯.基于交叉熵算法优化支持向量机的矿用电机故障诊断[C].第十届全国采矿学术会议论文集——专题四：机电与自动化.2015
[7].李大字,李野,宋天恒,靳其兵.基于交叉熵算法的无模控制器在多变量时滞系统中的应用[C].第26届中国过程控制会议（CPCC2015）论文集.2015
[8].边晨源.基于组合型交叉熵算法的电网故障诊断方法研究[D].黑龙江科技大学.2015
[9].李野.基于交叉熵算法的无模控制器研究[D].北京化工大学.2015
[10].祝毅鸣,刘莹.基于改进交叉熵算法的随机需求车辆路径设计方法[J].计算机测量与控制.2014