导读:本文包含了问题求解环境论文开题报告文献综述及选题提纲参考文献，主要关键词:资源任务分配,自主智能,精确算法,启发式算法
问题求解环境论文文献综述
彭欣炜[1]（2019）在《微控制器硬件环境下的静态资源任务分配问题求解方法研究》一文中研究指出随着人工智能的发展,自主智能设备将是未来应用领域的重要产品,其中的重要能力之一是能够自主优化地把有限的资源分配给既定的任务,以取得最大的工作效果。针对一些自主智能产品小型化、难以携带常规计算机的特点,本文研究微控制器硬件环境下静态资源任务分配问题的求解算法本文针对广告投放问题与工程应用中的两类需求,分别建立了两类静态资源任务分配问题模型。通过微控制器性能与应用领域的调研,采用一款主流微控制器作为算法的求解计算机,设计了叁类改进求解算法,并选取两类国际标准算例集对各类算法进行测试,最后根据当前文献最优解做改进效果的对比,验证了改进方法的有效性与实用性本文的研究成果包括(1)提出了基于直接枚举算法改进的剪枝枚举算法,通过分部枚举与松弛贪婪上界的方式改进直接枚举算法,结果表明该算法适用于小规模问题的精确求解(2)提出了基于贪婪求解算法改进的贪婪交换算法,将贪婪解与循环交换算法结合,并对比了两层循环交换与叁层循环交换的求解效果,结果表明该算法适用于实时性要求高的较大规模问题近似最优求解(3)提出了基于模拟退火的贪婪交换算法,在贪婪求解的交换改进算法基础上做了模拟退火改进。加入模拟退火决策能进一步提升贪婪交换算法的求解效果,结果表明该算法适用于实时性要求低而精确度要求高的近似最优问题求解(4)运用叁类改进求解算法针对广告投放问题的具体应用做了分配方案的求解,分析结果表明,叁类改进求解算法分别适用于具体工程应用中不同规模的场合。本文提出的求解方法能很好地应用于微控制器求解情况下的资源任务分配问题,测试覆盖了国际标准测试集中所有规模的算例,可根据规模来选择这类硬件条件下适用的求解算法。改进算法在求解各类规模静态资源任务分配问题的精确解和近似最优解时具有一定优势,对微控制器硬件环境下的资源任务分配问题求解方法研究具备很好的参考价值。(本文来源于《北京交通大学》期刊2019-06-01）
姜晓波,凃康玮[2]（2019）在《虚拟现实环境下的工业造型设计复杂问题求解优化》一文中研究指出通过先进的人机交互方式,虚拟现实技术可以有效提高工业造型设计的工作效率。但是,工业产品的造型设计问题一般性质十分复杂,传统的优化方法很难实现该问题的求解。因此,提出一种基于虚拟现实技术和多目标遗传优化的工业造型设计系统。对采用的虚拟现实系统整体结构及其相关软硬件参数进行介绍。对产品造型设计的流程进行分析,并在产品造型设计中应用排序多目标遗传算法。软件开发语言为Visual C++6.0,并采用模拟开发软件Vega实现CAD数据转换。系统运行测试结果表明,所提出系统能够有效提高产品造型优化设计的质量、缩短设计周期。(本文来源于《现代电子技术》期刊2019年09期）
程坤[3]（2019）在《云环境下中间数据集存储问题微分算法求解》一文中研究指出当我们在云环境下运行一个科学工作流时,将会产生大量的有用的中间数据集,然而,这些庞大的数据集的全部存储或者重新生成都是高成本的。所以我们根据数据集的有价值的信息来存储一些数据集,并在需要时重新计算其余数据集,以便让其的总成本最小化,这就是中间数据集存储问题(IDS)。本文将IDS问题转化为最优化求解问题,提出了基于动态的调整变异模式的微分进化算法,实验结果表明本文提出的微分进化算法能够很好的找到总成本最小化的选(本文来源于《电子世界》期刊2019年05期）
谭旭杰,邓长寿,吴志健,彭虎,朱鹊桥[4]（2018）在《云环境下求解大规模优化问题的协同差分进化算法》一文中研究指出差分进化是一种求解连续优化问题的高效算法。然而差分进化算法求解大规模优化问题时,随着问题维数的增加,算法的性能下降,且搜索时间呈指数上升。针对此问题,本文提出了一种新的基于Spark的合作协同差分进化算法(SparkDECC)。SparkDECC采用分治策略,首先通过随机分组方法将高维优化问题分解成多个低维子问题,然后利用Spark的弹性分布式数据模型,对每个子问题并行求解,最后利用协同机制得到高维问题的完整解。通过在13个高维测试函数上进行的对比实验和分析,实验结果表明算法加速明显且可扩展性好,验证了SparkDECC的有效性和适用性。(本文来源于《智能系统学报》期刊2018年02期）
熊瑶[5]（2018）在《两类不确定环境下供应链随机优化问题的数学建模与求解》一文中研究指出近年来不确定环境下供应链运作与协调问题的研究日益受到学术界和企业界的关注,供应链生产计划是一个由供应商、制造商工厂、仓库和分销渠道组成的复杂网络,运营过程包括获得原材料、将原材料转换为特定成品以及将产品分发给客户.在供应链优化过程中,最大的挑战是源于系统中存在的众多随机因素,如何协调供应链中各参与者的利益,最大程度匹配上游的供给和下游的需求,一直是供应链问题研究领域的热点.本文主要研究基于需求不确定和供需同时不确定环境下的两类供应链随机优化问题,具体内容将从以下两个方面分别进行阐述:第一,针对需求不确定的情形,建立了一个多工厂-多分销商关于易腐败产品的两阶段供应链随机优化模型,以最小化企业期望成本为目标,引入二阶随机占优约束来刻画决策者的风险偏好.为了求解此问题,首先我们将原问题等价转化为一个单阶段的随机优化问题,然后采用样本均值近似方法来逼近带有随机变量的期望函数,随后提出一个光滑罚函数算法进行求解,这种方法可以得到全局解,且避免引入新的变量和约束条件.同时,我们对每一步转化后的模型都进行了收敛性分析,结果表明转化后模型的最优值以指数速率依概率接近于1收敛到原问题的最优值.数值结果验证了模型及算法的有效性.第二,针对供给和需求同时不确定的情形,构建了一个更符合实际地被随机变量截断的多源供应链随机优化模型,该模型的目标函数由于决策变量被随机供给所截断,从而导致模型是非凸的.针对此类非凸优化模型的求解,我们采用一种新颖的转化技巧将非凸问题转化为一个等价的凸优化问题,类似地,使用样本均值近似方法逼近期望值函数,并对模型中的加号函数进行了光滑化处理,最终得到的模型是一个一般的非线性整数规划问题,数值测试验证了被随机变量截断的多源供应链优化模型和算法的有效性.(本文来源于《湘潭大学》期刊2018-04-10）
郝娟,张着洪,凃歆[6]（2018）在《噪声环境下RSSI定位问题及其求解的果蝇优化算法》一文中研究指出针对未知节点的定位过度依赖于接收信号强度指示(Received Signal Strength Indicator,RSSI)物理测量的精度问题,将传统RSSI定位模型转化为非约束期望值规划模型,进而设计随机环境下的新型果蝇优化算法寻找未知节点的位置。该算法利用弧形分组将果蝇群均衡划分为子群,对果蝇个体实施混合变异,加速寻优进程,提高收敛速度和寻优精度。比较性的数值实验显示,该算法的收敛速度快,对未知节点的定位精度高,其应用于RSSI定位问题是可行的。(本文来源于《计算机工程与应用》期刊2018年07期）
李晨,胡志坚,仉梦林,贺建波,陈珍[7]（2017）在《电力系统动态环境经济调度问题的建模与求解》一文中研究指出为了在电力系统优化调度中同时兼顾整个时段的经济和环境效益,该文建立了考虑阀点效应和系统网损的电力系统动态环境经济调度模型,提出了一种改进的多目标教与学优化算法对模型进行求解。算法引入了反向学习策略、外部最优解集策略、基于个体稀疏度的教师选取策略、模糊满意度和动态班级策略,通过动态启发式随机约束处理与罚函数相结合的方法对违背约束的个体进行修正与惩罚。最后,用10机算例对文中提出的模型和算法进行了仿真测试,并与其他算法进行了对比。仿真结果表明文中算法的有效性和优越性。(本文来源于《电力系统及其自动化学报》期刊2017年07期）
曹圣灵[8]（2017）在《运用双子种群算法求解动态环境下无线Mesh网络骨干节点部署问题》一文中研究指出无线Mesh网络是一种应用型的无线网络,自从上世纪九十年代被提出以来,许多研究者一直密切关注着它。无线Mesh网络技术与传统的无线网络技术相比,它部署简单、稳定系强、带宽高、可扩展性强。正是因为无线Mesh网络具有这么多更适合现代化生活的优点,所以研究者们期待着运用它来替代传统的无线网络技术。将目前无线Mesh网络骨干节点部署研究从算法所运行的环境来区分的话,可以分为静态环境和动态环境这两种不同的情况。不同于静态环境下的无线Mesh网络骨干节点部署优化问题,动态环境下网络的状态是实时发生变化的。静态环境下的部署算法已经相当成熟,动态环境下的骨干节点部署算法还亟待完善,而动态环境下的研究更加具有现实意义与价值。因此本文研究动态环境下无线Mesh网络骨干节点的部署问题,根据用户需求点的位置与数量的变化来调整核心网络中节点的部署位置。本研究运用TSDPSO算法来感知环境变化,算法使用双子种群差异进化策略提高优化效率,每当经过一个周期T后检测用户需求点是否发生了改变。评估当前放置方案能否满足网络的连通性及所有用户需求点的带宽需求,若不能则主子群采取空间对称位移映射,更新节点部署位置以适应需求变化。采用BPSO算法来部署无线Mesh网关,该算法初始化一个粒子群,在D维二进制空间里搜索极值,粒子群依据粒子历史最优解和种群最优解不断地探寻并调整自己的物理坐标,以此得到问题的最优解,确定无线Mesh网关的位置。确定网关位置后迭代从未部署MRC集合中,优先选择可覆盖流量最大、实际覆盖半径最小的节点,补充到骨干点集合,直至用户需求点的网络带宽需求得到满足。本文所模拟的场景是在一个有着足够多且恰当的部署候选位置,并且已经将用户的需求离散化为需求点的二维几何平面。无线Mesh网络骨干节点假设是在这个二维的几何平面上进行部署,并且已经在预先安排的部署区域中给定了固定数量的骨干节点候选部署位置,同时无线Mesh路由器与无线Mesh网关需要部署的数量也是确定的。本文参照由麻省理工大学所搭建的着名WMN实验床,Roofnet实验网络平台来设置参数,通过模拟的用户需求点发生位置和数量的变化实现动态环境。实验结果说明,本研究能在动态环境中得到有效的部署方案。(本文来源于《湘潭大学》期刊2017-06-06）
尹志扬,余世明[9]（2016）在《求解环境车辆路径问题的多种群伊藤算法》一文中研究指出针对传统伊藤算法收敛速度慢、易陷入局部最优解的缺陷,重新设计了环境温度调节函数,并改进了粒子漂移和波动时的路径权重更新规则,使粒子更符合布朗运动的特性。把多种群概念引入到算法中,利用种群信息加快算法的收敛速度和寻优能力。利用2-opt局部优化和反转优化进一步改进前5个最优解。最后,考虑车辆载重量对燃料消耗率的影响,对最少碳排放的环境车辆路径问题模型进行改进,利用改进后的算法进行仿真求解。实验结果表明,改进后的算法提高了搜寻最优解的能力并加快了收敛速度,有效防止了停滞现象。(本文来源于《计算机科学》期刊2016年12期）
陈赟玥[10]（2015）在《一个面向生物分子网络比对的问题求解环境的可视化实现方法》一文中研究指出随着传统生物学的蓬勃发展,产生了大量的基因数据,搭建一个高性能、稳定、易扩展的生物分子网络对比平台是一个亟待解决的问题。本文介绍了一个高效的、开源的、可扩展的Web工具平台——Galaxy平台,并且利用其原有的已封装好的生物分子网络对比的相关工具,借助D3.js,开发了一个开源易用的,能够可视化的生物信息学PSE(Problem Solving Environment,问题求解环境)系统。(本文来源于《计算机光盘软件与应用》期刊2015年02期）
问题求解环境论文开题报告
（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：
通过先进的人机交互方式,虚拟现实技术可以有效提高工业造型设计的工作效率。但是,工业产品的造型设计问题一般性质十分复杂,传统的优化方法很难实现该问题的求解。因此,提出一种基于虚拟现实技术和多目标遗传优化的工业造型设计系统。对采用的虚拟现实系统整体结构及其相关软硬件参数进行介绍。对产品造型设计的流程进行分析,并在产品造型设计中应用排序多目标遗传算法。软件开发语言为Visual C++6.0,并采用模拟开发软件Vega实现CAD数据转换。系统运行测试结果表明,所提出系统能够有效提高产品造型优化设计的质量、缩短设计周期。
（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。
问题求解环境论文参考文献
[1].彭欣炜.微控制器硬件环境下的静态资源任务分配问题求解方法研究[D].北京交通大学.2019
[2].姜晓波,凃康玮.虚拟现实环境下的工业造型设计复杂问题求解优化[J].现代电子技术.2019
[3].程坤.云环境下中间数据集存储问题微分算法求解[J].电子世界.2019
[4].谭旭杰,邓长寿,吴志健,彭虎,朱鹊桥.云环境下求解大规模优化问题的协同差分进化算法[J].智能系统学报.2018
[5].熊瑶.两类不确定环境下供应链随机优化问题的数学建模与求解[D].湘潭大学.2018
[6].郝娟,张着洪,凃歆.噪声环境下RSSI定位问题及其求解的果蝇优化算法[J].计算机工程与应用.2018
[7].李晨,胡志坚,仉梦林,贺建波,陈珍.电力系统动态环境经济调度问题的建模与求解[J].电力系统及其自动化学报.2017
[8].曹圣灵.运用双子种群算法求解动态环境下无线Mesh网络骨干节点部署问题[D].湘潭大学.2017
[9].尹志扬,余世明.求解环境车辆路径问题的多种群伊藤算法[J].计算机科学.2016
[10].陈赟玥.一个面向生物分子网络比对的问题求解环境的可视化实现方法[J].计算机光盘软件与应用.2015