导读:本文包含了启发式分配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:信道和功率分配,启发式Q学习,案例推理,认知无线电
启发式分配算法论文文献综述
徐琳,赵知劲[1]（2019）在《基于案例推理和启发式Q学习的资源分配算法》一文中研究指出针对集中式认知网络的信道和功率分配问题,提出了一种基于案例推理和启发式Q学习算法。为了提高Q学习算法的收敛速度,将当前分配问题与存储的历史案例进行相似度匹配,选取最相似案例的Q值,归一化处理后作为启发式Q学习算法的初值。为了提高启发式Q学习的算法性能,引入一个基于信息强度的指导函数,通过强调动作的重要性来改变动作策略;设计的奖赏函数反映了认知系统的能量效率。仿真结果表明,该算法可以明显提高认知网络信道和功率分配的认知系统能量效率和收敛速度。(本文来源于《计算机应用研究》期刊2019年12期）
屈力刚,宋昕一,田健琪,万景洋,肖龙[2]（2018）在《基于启发式算法的检测资源分配研究》一文中研究指出本文针对企业检测资源利用率低、检测设备分配不合理等现象,分析了检测资源分配多样性的原因,建立了检测资源能力模型。以检测时间为约束,总成本为目标函数,建立了检测资源分配模型,通过启发式算法进行了检测资源分配优化求解,提高了企业检测资源的利用率,实现了企业合理化规范化地分配检测资源。(本文来源于《锻压装备与制造技术》期刊2018年02期）
陈佳敏,朱琦[3]（2017）在《基于启发式蚁群算法的家庭基站信道分配方法》一文中研究指出针对由宏基站和家庭基站构成的异构蜂窝网络,提出一种结合图论与启发式蚁群算法的家庭基站信道分配方法.该算法基于图论建立家庭基站间的邻接矩阵,根据宏用户和家庭用户的信干噪比获得每个家庭基站的可用信道列表,并利用启发式信息和信息素来指导启发式蚁群算法的求解,以实现最大化家庭用户的平均吞吐量.仿真结果表明,所提算法既可保障宏用户及家庭用户的服务质量,又能提升总吞吐量.(本文来源于《应用科学学报》期刊2017年03期）
黄欣,万荣泽,刘桂英[4]（2016）在《基于启发式任务分配算法在车载控制网络中的应用》一文中研究指出在车载控制网络中,ECUs可以收集实时的交通信息,如交通拥堵信息和来自相邻车辆的碰撞警告等。然而,在收集信息过程中,在车载控制网络中ECUs会受到一系列的网络攻击,若车载控制网络出现故障,会威胁到司机的安全。为了提高车载控制网络的安全性,在此提出一种启发式任务分配方法,该方法把任务漏洞的不同概率作为一个新的目标功能,其中一个函数在ECUs中包含逻辑上的相互关联任务。仿真结果表明,与传统的随机任务分配方法相比,所提出的方法能够降低车载控制网络整体故障发生的概率。(本文来源于《河池学院学报》期刊2016年05期）
燕圣峰[5]（2016）在《基于启发式算法求解路由与波长分配问题》一文中研究指出现今光纤作为新的信息传播介质已经普遍应用到了城域网和广域网中,而波分复用技术(WDM)是当前光纤网络中常见的提高光纤网络吞吐量的一种技术,它的工作原理是利用不同光波互不干扰的特性,从而能在同一根光纤中同时应用多种光波传输业务。在WDM传输网络中,RWA(Routing and Wavelength Assignment)问题研究一直以来都是光网络领域的热点,其主要是指光网络中稀有资源(光波)分配以及业务集路径问题,当前已有的大多数RWA相关的算法对于求解大规模网络时效果都不理想,不能在给定的约束条件下尽可能地合理分配光波资源使得资源得到合理充分利用。考虑到波长连续性约束和波长数量最小化的目标,RWA问题已经被证明是NP难问题。本文提出了一种基于迭代禁忌的多邻域搜索算法(MN-ITS)来求解RWA问题。该算法没有采用其他算法普遍应用的分层方法,而是将波长分配与路由选择置于同一个目标函数下考虑,同时算法包含叁种不同的搜索邻域,并使用统一的增量评估方法来评估目标函数值。在迭代局部搜索过程中还结合了禁忌搜索、扰动等策略来提高算法搜索效率。为了验证MN-ITS算法的效果,本文使用被广泛验证的一些算例作为测试算例,同时将结果与其他算法进行对比。在所有测试的88个算例中,本文提出的算法能算出55个算例的下界。与当前最优算法VND算法对比过程中,有6个算例比它差,但是也有5个算例要优于VND算法,这充分说明了本文提出的算法具有较强的竞争性。(本文来源于《华中科技大学》期刊2016-05-01）
张树威[6]（2016）在《面向叁次分配问题的高效启发式算法设计》一文中研究指出叁次分配问题(AP3问题)是一种经典的组合优化问题,是线性分配问题的直接推广。线性分配问题是在两个基数相同的有限集合上进行一对一分配。线性分配问题可以使用匈牙利算法在多项式时间内完成最优值求解。叁次分配问题,是在叁个基数相同的有限集合上进行分配,但叁次分配问题已经被证明是NP难问题,因此不存在多项式时间算法求解叁次分配问题的最优值。而叁次分配问题具有很广泛的应用领域,因此目前学术界已经提出了许多启发式算法来求解叁次分配问题的次优解。本文首先基于NP难问题求解的有效策略“肌肉”(最优解的并集),提出了一种基于近似“肌肉”的束搜索(Beam Search)算法来求解叁次分配问题。该算法首先对问题进行分析,求解出其近似“肌肉”,减小搜索空间,再使用束搜索在所得的近似“肌肉”上完成求解。通过“肌肉”和束搜索来合理地缩小问题搜索空间,达到了问题求解质量和算法运行时间开销的平衡。通过在标准数据集上进行实验,从实验结果中可以发现,和现有的启发式算法相比,本文提出的算法可以求得质量较好解,并且在规模较大的问题上也可以在合理的运行时间内完成求解。该算法不仅仅是一个求解叁次分配问题的有效求解算法,更是束搜索的一种有效的改进方法。对于大规模的叁次分配问题,本文提出了一种基于数学规划求解器的超启发式算法对其进行求解。数学规划求解器是一种专门用于求解数学规划问题的工具,可以在较短的时间内完成对规模较小的问题实例的求解。而对于规模较大的问题,数学规划求解器受内存大小和问题复杂度的影响,可能无法在合理时间内完成求解。本文提出了一个超启发式算法,通过在求解的不同阶段使用不同的算子构建出大规模的叁次分配问题的子问题,然后使用数学规划求解器对子问题进行求解,进而完成对大规模的叁次分配问题的求解。使用数学规划求解器的优势在于,只需要将问题转化为数学规划的格式作为求解器的输入即可,需要很少的领域知识来构建对应问题的启发式算法,有很好的可移植性。实验表明,该算法可以在较短的时间内求出大规模的叁次分配问题的具有较高质量的解,并具有很好的适应性。(本文来源于《大连理工大学》期刊2016-03-20）
张忠平,冯玉鹏,张雪楠[7]（2016）在《基于标准差及二次分配的启发式网格资源调度算法》一文中研究指出网格资源调度策略直接影响网格的性能,因此网格资源调度算法成为网格技术研究中的一个热点.本文针对网格的异构性,以资源调度的负载均衡、有效资源利用率的性能提高以及最小化任务集的时间跨度(Makespan)为目标,采用启发式算法的思想,通过引入预测机制推断任务集合中网格任务大小的分布情况,从而分析出任务集合的特性,根据任务集特性选择合适的资源调度策略,再通过二次分配的思想使网格系统中各个资源快速达到负载平衡和最小化任务集的时间跨度,提出一种基于标准差及二次分配的网格资源调度算法,最后采用Braun等人提出的仿真模型基准验证了算法的有效性.(本文来源于《小型微型计算机系统》期刊2016年02期）
彭书名[8]（2015）在《基于超启发式遗传算法的TD-SCDMA频率分配机制研究》一文中研究指出随着移动通信行业的发展,特别是移动互联网及应用的迅速发展,移动通信业务量急剧增加,诸如移动社交、移动支付等移动通信服务已成为人们必不可少的基础服务。但是,可用于承载移动信号的频率资源是十分有限的,业务量剧增与有限频率资源的矛盾成为了移动通信网络进一步发展的严重阻碍。为了充分利用频率资源,提高移动通信网络的质量,必须要解决频率分配问题。传统的解决频率分配问题的方法,如剪枝法等确定性方法,其计算时间太长,在有效的时间内根本不可能求得问题的解;模拟退火等元启发式算法,由于过早收敛,分配的频率的干扰较大,分配方案的质量较低。针对传统算法在时间和质量上的缺陷,本文提出一种超启发式遗传算法来解决TD-SCDMA的频率分配问题。首先,针对频率分配的质量问题,设计了一种超启发式遗传算法来解决频率分配问题。在此算法中,设计了6种面向频率分配问题的低层启发式策略,以及高层的遗传算法。在此基础上,以网络的观点来看待频率分配问题,提出一种先分配重点小区后分配非重要小区的策略。其次,针对超启发式遗传算法分配频率时,某些小区容易陷入局部最优,低层启发式策略选择这些小区重新分配频率时导致无效搜索的情况,设计了一种禁忌搜索表来辅助低层启发式策略来跳过这些小区,提高算法的执行效率。最后,针对超启发式算法解决大规模或超大规模网络的频率分配时间过长的问题,提出了一种基于区域划分的频率分配方法。该算法将服务区域用一个公共区域分为两部分,然后使用超启发式遗传算法并行分配这两个部分的频率,提高频率分配的效率。在两个实际的TD-SCDMA网络的实验结果表明,超启发式遗传算法能够获得比现有方法更优的频率分配方案,而基于区域划分的频率分配方法能够在保证质量的前提下,大大降低频率分配的执行时间开销。本文从频率分配质量和时间开销上研究频率分配问题,分别设计了超启发式遗传算法以及基于区域划分的超启发式遗传算法来解决频率分配问题。实验结果表明,本文算法能兼顾频率分配质量和执行时间开销两个条件,取得较好的频率分配方案。分配质量和时间上的优越性对于解决实际生活中的频率分配问题有着重要的意义。(本文来源于《湖南大学》期刊2015-05-05）
林万里,武欣嵘,王帅[9]（2014）在《战术数据链中一种启发式时隙分配算法》一文中研究指出在战术数据链中,现有的时隙分配算法主要关注战术信息传输的时延指标,而对时延抖动指标考虑较少。为了满足战术信息传输的时延抖动指标以及实时性的特点,提出一种基于最小时延抖动的启发式时隙分配算法。首先将时隙分配问题描述为一个规划问题,而后将该规划问题映射成有向完全图中的求解含确定边数的不含回路最短循环有向径环问题,最后给出具体的算法步骤。仿真结果检验了算法的有效性,算法能够通过提高计算量来获得时延抖动更小的时隙分配方案,能够满足战术信息的传输需求。(本文来源于《军事通信技术》期刊2014年04期）
李瑞莹,李枚楠[10]（2014）在《基于Monte Carlo和启发式算法的网络可靠性分配》一文中研究指出在AGREE分配法的基础上,提出一种基于Monte Carlo仿真和启发式算法的网络可靠性分配方法,实现了对网络部件重要度和网络可靠性的仿真计算,并采用启发式算法迭代实现了网络可靠性分配.该方法适合对拓扑结构复杂的网络进行可靠性分配工作,可有效解决网络部件重要度计算复杂性问题.以中国教育网(CERNET)骨干网为案例,应用本方法实现了75%网络节点连通可靠性指标的分配,并通过与基于解析计算得出结果的对比分析,证明了本方法的有效性和实用性.(本文来源于《北京理工大学学报》期刊2014年07期）
启发式分配算法论文开题报告
（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：
本文针对企业检测资源利用率低、检测设备分配不合理等现象,分析了检测资源分配多样性的原因,建立了检测资源能力模型。以检测时间为约束,总成本为目标函数,建立了检测资源分配模型,通过启发式算法进行了检测资源分配优化求解,提高了企业检测资源的利用率,实现了企业合理化规范化地分配检测资源。
（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。
启发式分配算法论文参考文献
[1].徐琳,赵知劲.基于案例推理和启发式Q学习的资源分配算法[J].计算机应用研究.2019
[2].屈力刚,宋昕一,田健琪,万景洋,肖龙.基于启发式算法的检测资源分配研究[J].锻压装备与制造技术.2018
[3].陈佳敏,朱琦.基于启发式蚁群算法的家庭基站信道分配方法[J].应用科学学报.2017
[4].黄欣,万荣泽,刘桂英.基于启发式任务分配算法在车载控制网络中的应用[J].河池学院学报.2016
[5].燕圣峰.基于启发式算法求解路由与波长分配问题[D].华中科技大学.2016
[6].张树威.面向叁次分配问题的高效启发式算法设计[D].大连理工大学.2016
[7].张忠平,冯玉鹏,张雪楠.基于标准差及二次分配的启发式网格资源调度算法[J].小型微型计算机系统.2016
[8].彭书名.基于超启发式遗传算法的TD-SCDMA频率分配机制研究[D].湖南大学.2015
[9].林万里,武欣嵘,王帅.战术数据链中一种启发式时隙分配算法[J].军事通信技术.2014
[10].李瑞莹,李枚楠.基于MonteCarlo和启发式算法的网络可靠性分配[J].北京理工大学学报.2014