导读:本文包含了进化非选择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:克隆选择算法,协同进化,多策略,混沌系统
进化非选择算法论文文献综述
石建平,李培生,刘国平,刘鹏[1]（2019）在《双层协同进化克隆选择算法及其应用》一文中研究指出为解决克隆选择算法收敛速度慢、收敛精度低等问题,提出了双层协同进化克隆选择算法,该算法的每一层使用不同的进化方案进行寻优搜索,并通过信息共享实现了层间的协同进化,形成层内竞争与层间协作的进化模式.通过构建基于多种进化策略的混合协同进化机制,实现了不同进化策略在优化过程中的优势互补与信息增值,达到有效平衡算法的全局探索与局部开发的目的,同时也较好避免了算法的早熟收敛问题.用10个标准测试函数来验证所提出算法的可行性与有效性,仿真实验结果表明:相比克隆选择算法及其两个改进的算法,本文提出的优化算法具有全局搜索能力强、稳定性好、收敛速度快、收敛精度高等优势,且测试函数维度的增加对本文算法的收敛性能影响不大,其优势更加凸显.针对混沌系统控制与同步中的系统参数估计问题,以Lorenz混沌系统的参数估计为例,进行了未知参数估计的数值仿真,结果显示本文算法实现了混沌系统参数的高精度估计,是一种有效的混沌系统参数估计方法.(本文来源于《哈尔滨工业大学学报》期刊2019年11期）
李森[2]（2019）在《基于多目标进化优化的癌症数据特征选择算法研究》一文中研究指出近年来,癌症逐渐成为全球死亡的主要原因,研究人员为了解决癌症问题付出了巨大的努力。随着微阵列技术的发展,基因表达谱数据被广泛接受,并在癌症诊断研究中产生了深远的影响。基因表达谱数据一般具有高维小样本的特点,研究人员通过不断地研究已经证明了部分基因与癌症相关,但是大部分的基因是与癌症无关或者仅有很少的联系,这些基因的加入对癌症诊断无效甚至会有负面影响。本文为了选取出具有代表性的特征并以提高分类效果而使用特征选择方法去除那些冗余特征。癌症数据的高维性决定了本文所有解决的问题是一个多目标优化问题,特征子集的分类效果和特征数是本文同时要考虑的问题。同时,有部分癌症数据处于类别不平衡状态,因此,本文基于多目标进化算法针对癌症数据的特点设计出了两个特征选择算法。本文的主要研究工作如下:(1)本文提出了用于癌症诊断的识别分子特征的启发式算法(HAMS)。在解决数据维度比较大的数据集时,大多数基于多目标进化优化的特征选择方法会选择先对数据集进行预处理使得维度降到一定的程度,缩小了搜索空间以降低搜索难度,但是一般的数据预处理部分只是简单的用相关性等方法去除一部分特征,而本文最终要寻找的是一个特征子集整体,这样简单的预处理可能会去除一些在特征子集整体中很重要的特征。在HAMS算法中精英指导更新策略贯穿着种群的更新过程,为了使下一代的种群往更好的方向发展,精英指导更新策略使用精英个体计算出一个概率模型,再用概率模型生成一个新的种群。为了加速维度的收敛,本文在生成新种群的过程中加入了截断策略,这种策略使得特征数随着代数的增加而加速收敛。最后对精英个体与新种群合并后的种群使用非支配排序方法产生子代种群。本文在五个癌症数据集上对HAMS和七个特征选择方法进行了比较实验,实验表明HAMS在癌症诊断上可以使用更少的特征达到更好的精度。本文对用HAMS得到的特征进行了生物分析,发现它们中大部分是和癌症相关的。(2)本文提出了解决多类不平衡癌症数据诊断问题的特征选择算法(MOCID-FS)。癌症数据一般是使用微阵列技术得到的数据集,由于其探针数量、样本来源等原因,癌症数据一般具有高维度小样本的特性。虽然癌症数据的样本数量不多,但是很多癌症数据都有类别不平衡的特点,甚至有的癌症数据还是重度不平衡度状态,这对特征选择的分类性能有很大的影响,在分类器训练的过程中很容易忽略小类别样本的分类。本文基于多目标进化优化算法提出了MOCID-FS算法,为了更好的解决问题,本文使用数据集中每个类别的AUC(ROC曲线下与坐标轴围成的面积)值和特征数目作为目标函数,此外本文在种群初始化和变异时都使用优化的策略选择对分类精度有促进效果的特征并且尽可能降低特征的数目。本文在四个数据集上和五个在处理不平衡数据方面经典的算法进行比较实验,实验表明MOCID-FS的效果更优秀。(本文来源于《安徽大学》期刊2019-05-01）
郭伟[3]（2019）在《大样本高维数据下基于进化多目标优化的特征选择算法研究》一文中研究指出特征选择作为机器学习和数据挖掘任务的重要数据预处理技术之一,其目的在于从原始特征中选择相关特征子集,以获得更好的预测结果,更低的计算成本和更好的模型解释性。然而,在实际应用中,如信息检索、生物特征识别中广泛存在大样本数据和高维数据给现有的特征选择算法带来巨大挑战。现有的特征选择算法将特征数和所选特征子集上的精度加权为一个目标,利用梯度法求解,虽然可以获得好的效果,但是需要有先验知识,并且要求优化函数是凸和光滑的。本文将特征数目和该特征子集上的精度作为两个独立的目标,以多目标的方式求解,并采用具有良好全局搜索能力的进化算法作为优化工具。本文针对性的提出了两种特征选择算法,分别用于解决大样本数据和高维数据下的特征选择问题。本文的主要工作包括以下两个部分:(1)大样本数据下的特征选择问题。由于样本数目大,导致计算代价昂贵。本文以训练数据量为O(n2)的Pairwise排序问题为例提出基于进化多目标优化的特征选择算法MOFSRank,该算法包括叁个策略:1、多目标实例选择策略:该策略从训练实例中选择具有代表性的实例,通过消除训练实例中可能存在的冗余数据,给后续的特征选择选取数目少、代表性强的实例;2、多目标特征选择策略:在上述工作的基础之上,同时为了进一步提升算法在特征选择中的性能,本文采用了一个自适应的变异概率,以得到排序精度高、冗余度低的特征子集;3、Pareto集成策略:该策略采用了一个混合集成思想,利用集成的思想,将策略2的所得Pareto最优集中的非支配个体加以集成,以产生更好的特征组合。实验结果表明,MOFSRank算法可以在选取较少特征的情况下达到很好的排序结果。(2)高维数据下的特征选择问题。由于存在巨大的搜索空间,需要大量的评价次数从而使优化过程付出巨大的计算代价。本文针对此问题提出基于进化多目标优化的指导模型算法GMA。该算法包括两个策略:1、自适应缩减策略:该策略可以快速剔除不相关和冗余特征,降低搜索空间。同时,实验结果表明当数据维度越高,其优势更为明显;2、指导模型预筛选策略:该策略利用已有的函数适应度值训练指导模型,并让指导模型帮助筛选种群个体,因此能减少真实评价次数,加速算法搜索。在多个高维数据集上的实验结果表明,GMA算法可以在高维数据集中,以较低的计算代价获得更好的特征子集。(本文来源于《安徽大学》期刊2019-05-01）
朱必熙,张艳红[4]（2018）在《基于差分进化算法的图像分割参数选择方法研究》一文中研究指出通过将差分进化算法引入差异度实验法图像分割参数的选择,根据参考图与差异度准则选择最佳的分割参数,可在一定程度上减少分割参数选择的盲目性。利用设计的软件原型系统对航空彩色图像的"最优"分割参数的选择进行实验分析,结果表明该方法可以获得较理想的分割参数及分割结果。同时,也可看出对于多尺度图像分割方法,较理想的分割结果对应的分割参数并不是唯一的。(本文来源于《武夷学院学报》期刊2018年12期）
张强,李盼池[5]（2019）在《进化策略自主选择的改进混洗蛙跳算法》一文中研究指出针对经典混合蛙跳优化算法寻优精度不高和易陷入局部收敛区域的缺点,本文提出一种基于进化策略自主选择的混洗蛙跳算法。算法中最差个体根据不同知识来源采取4种进化策略,每次迭代通过计算每种进化策略的立即价值、未来价值和综合奖励来决定最差个体的进化方式,并通过个体进化策略概率变异算法来提升寻优速度和避免陷入局部最优解。利用10个Benchmark函数对本文算法与8种进化算法进行性能比较。实验表明:所提的算法能较好地平衡全局探索能力和局部挖掘能力,可以用较少的迭代次数获取较优结果,具有很好的收敛速度和精度。(本文来源于《哈尔滨工程大学学报》期刊2019年05期）
罗校清[6]（2018）在《使用角度选择策略的第二代Pareto强度进化算法》一文中研究指出现实世界中的许多优化问题都是多目标优化问题,其中有许多多目标优化问题无法用传统的数学方法解决。进化优化的方法能在一次运行后获得一组逼近真实Pareto前沿的折衷解。针对第二代Pareto强度进化算法收敛性不足的问题,提出使用角度选择策略的第二代Pareto强度进化算法。采用个体之间的角度信息来表示个体的收敛性及分布性,使用该方法改进第二代Pareto强度进化算法的种群修剪方法,进一步增加收敛压力,同时保持好的分布性。实验结果表明,SPEA2+算法能有效地解决具有2个和3个目标的优化问题。(本文来源于《计算机应用与软件》期刊2018年07期）
马理胜,张均东,任光[7]（2018）在《基于环境Pareto支配选择差分进化算法的舰船电网重构》一文中研究指出为提高差分进化算法在舰船电网重构中寻找最优解的准确性,避免陷入局部最优,采用一种环境Pareto支配的选择策略,对变异后得出的可行解与优秀不可行解同时进行选择,根据改进的选择策略对优秀不可行解加以利用.针对舰船电网重构的离散多目标优化问题,采用0,1,2离散编码和无参数变异算子进行离散操作,并利用混沌初始化提高种群多样性.仿真实验表明,相比其他算法,本文算法具有更好的故障恢复方案、收敛性和稳定性,并能有效避免陷入局部最优.(本文来源于《大连海事大学学报》期刊2018年02期）
谢光磊[8]（2018）在《肿瘤亚型分析中针对基因表达数据差分进化特征选择算法的研究》一文中研究指出生命的遗传物质DNA,我们可以将其蕴含的若干基因同时监测,利用芯片杂交技术和测序技术在单次试验中测度这些基因的表达水平,然后基于大数据进行科学分析研究,以帮助我们了解生命的奥秘。特别是二代测序技术的逐渐发展产生了大量的基因组数据,替代了 Sanger测序技术的地位。另外叁代、四代测序技术的崭露头角体现了其大片段、单分子等测序特点所带来的优势。这些高通量测量技术在打破传统实验手段局限性的同时,其快速发展伴随着各种生物基因组数据的累积。另外大型、跨学科、跨国的研究项目相继启动及展开,其相应综合型生物数据库互联网平台为科学研究和精准医疗做出了巨大的贡献。因此,挖掘和解释数据的模式与规律成为当今的热点主题,特别是生物信息学中各种方法的应用,成功解决了分类、聚类、关联分析等相应研究的问题。另外机器学习算法对基因表达数据模式识别能较智能化的识别具有生物学意义的基因,并使其在实际生活应用中帮助生物医学临床的诊断和治疗。其中各种特征选择方法的相继发展成为高通量基因表达数据集模式识别和基因筛选的常规手段。虽然监督学习的特征选择方法在对大数据集的学习中十分高效、快捷,但对于像基因表达数据这样高维的数据来说,随着维数的增加其计算效率迅速降低甚至成为一个NP问题。优化搜索算法的发展成功解决了该问题,其中应用最多的启发式优化搜索算法如各种进化算法发展迅速。在进化算法家族中遗传算法、差分进化算法在其优化搜索上展现了其独特的竞争力,其中差分进化算法以其鲁棒性、快速收敛等特点迅速成为研究人员关注的焦点。因此我们在基因表达数据集上使用Ahmed Al-Ani等人提出的一种随机种群进化优化算法---差分进化特征选择算法,解决特征基因选择问题。然而发现该算法的缺点,由此我们改进该算法适用于基因表达数据集,其中将控制进化速率的尺度因子视为一种偏态分布,然后基于染色体空间结构变动的事实改进基因排列的固定方式以及使种群波动性进化。另外考虑到机器学习中基因表达数据集普遍的类不平衡特性,将训练数据集和测试数据集保持其类别构成比几乎相同,同时利用权重精度评估分类器模型的性能,由此缓解牺牲少数类的训练影响。算法优化的适应度函数我们考虑了不同特征基因子集大小的影响,根据Dashtban M.等人提出的罚分策略,将适应度函数由权重精度和罚分项组成。另外,我们从Laura Cantini等人发现microRNA-mRNA互作网络中潜藏着分子亚型而获得灵感,在对于肿瘤亚型的研究中,将算法优化的特征基因子集与肿瘤多类亚型探索联系起来,然后特征基因构建样本关系网络,利用极大平面过滤图算法PMFG过滤该网络,并使用拓扑图形划分算法初步探索肿瘤亚型划分的可行性。在本研究工作中改进的差分进化特征选择算法即模拟了宏观的物种进化方式,又模拟了微观分子间位置关系的演变,以实现算法更近似模拟研究对象的活动规律。在真实的数据应用上,表现出该算法高效的计算能力和良好的结果。而且在肿瘤亚型拓扑探索研究中,我们将特征基因作为媒介构建样本关系网络,其中每个基因都能高效判别。然后以对照组作为一个独立社团为基准即参照物,利用PMFG算法过滤网络,拓扑划分方法实现肿瘤亚型的划分,而相应的特征基因集值得进一步研究分析。虽然没有验证拓扑划分的生物学意义,但我们的研究工作在大数据肿瘤背景下提供了借鉴之处。(本文来源于《南方医科大学》期刊2018-05-01）
赵琳敬,葛宝臻,陈雷[9]（2019）在《基于变异交叉方程与进化选择机制的回溯优化改进算法》一文中研究指出针对回溯搜索优化算法存在的收敛速度慢、容易陷入局部最优等问题,提出了一种改进算法。利用t分布产生变异尺度系数,加快了算法收敛速度;完善交叉方程结构,引入最优个体控制种群搜索方向,有效提高了算法开发能力;最后提出进化选择机制,引入差分进化算法变异因子,一定概率下以较差解替换较优解,避免算法陷入局部最优。在数值实验中,选取了15个测试函数进行仿真测试,并与五种表现良好的算法进行了比较,结果表明,该算法在收敛速度及搜索精度方面有明显优势。(本文来源于《计算机应用研究》期刊2019年07期）
胡春海,李涛,刘永红,齐凡[10]（2018）在《基于改进差分进化算法的运动想象脑机接口频带选择》一文中研究指出由于人脑对事件响应频带各不相同,为了准确确定个体最优滤波频带,提出一种多策略变异算子和时变非线性交叉因子差分进化算法对运动想象EEG频带进行处理,采用共空间模式算法提取特征向量,利用线性分类器进行分类识别。使用该方案对BCI competition Ⅲ-dataset 4a受试者的EEG数据进行了10次5倍交叉分类实验。实验结果表明,该算法稳定性强、耗时少,解决了运动想象BCI特征提取中的最优频带选择问题。(本文来源于《计量学报》期刊2018年02期）
进化非选择算法论文开题报告
（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：
近年来,癌症逐渐成为全球死亡的主要原因,研究人员为了解决癌症问题付出了巨大的努力。随着微阵列技术的发展,基因表达谱数据被广泛接受,并在癌症诊断研究中产生了深远的影响。基因表达谱数据一般具有高维小样本的特点,研究人员通过不断地研究已经证明了部分基因与癌症相关,但是大部分的基因是与癌症无关或者仅有很少的联系,这些基因的加入对癌症诊断无效甚至会有负面影响。本文为了选取出具有代表性的特征并以提高分类效果而使用特征选择方法去除那些冗余特征。癌症数据的高维性决定了本文所有解决的问题是一个多目标优化问题,特征子集的分类效果和特征数是本文同时要考虑的问题。同时,有部分癌症数据处于类别不平衡状态,因此,本文基于多目标进化算法针对癌症数据的特点设计出了两个特征选择算法。本文的主要研究工作如下:(1)本文提出了用于癌症诊断的识别分子特征的启发式算法(HAMS)。在解决数据维度比较大的数据集时,大多数基于多目标进化优化的特征选择方法会选择先对数据集进行预处理使得维度降到一定的程度,缩小了搜索空间以降低搜索难度,但是一般的数据预处理部分只是简单的用相关性等方法去除一部分特征,而本文最终要寻找的是一个特征子集整体,这样简单的预处理可能会去除一些在特征子集整体中很重要的特征。在HAMS算法中精英指导更新策略贯穿着种群的更新过程,为了使下一代的种群往更好的方向发展,精英指导更新策略使用精英个体计算出一个概率模型,再用概率模型生成一个新的种群。为了加速维度的收敛,本文在生成新种群的过程中加入了截断策略,这种策略使得特征数随着代数的增加而加速收敛。最后对精英个体与新种群合并后的种群使用非支配排序方法产生子代种群。本文在五个癌症数据集上对HAMS和七个特征选择方法进行了比较实验,实验表明HAMS在癌症诊断上可以使用更少的特征达到更好的精度。本文对用HAMS得到的特征进行了生物分析,发现它们中大部分是和癌症相关的。(2)本文提出了解决多类不平衡癌症数据诊断问题的特征选择算法(MOCID-FS)。癌症数据一般是使用微阵列技术得到的数据集,由于其探针数量、样本来源等原因,癌症数据一般具有高维度小样本的特性。虽然癌症数据的样本数量不多,但是很多癌症数据都有类别不平衡的特点,甚至有的癌症数据还是重度不平衡度状态,这对特征选择的分类性能有很大的影响,在分类器训练的过程中很容易忽略小类别样本的分类。本文基于多目标进化优化算法提出了MOCID-FS算法,为了更好的解决问题,本文使用数据集中每个类别的AUC(ROC曲线下与坐标轴围成的面积)值和特征数目作为目标函数,此外本文在种群初始化和变异时都使用优化的策略选择对分类精度有促进效果的特征并且尽可能降低特征的数目。本文在四个数据集上和五个在处理不平衡数据方面经典的算法进行比较实验,实验表明MOCID-FS的效果更优秀。
（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。
进化非选择算法论文参考文献
[1].石建平,李培生,刘国平,刘鹏.双层协同进化克隆选择算法及其应用[J].哈尔滨工业大学学报.2019
[2].李森.基于多目标进化优化的癌症数据特征选择算法研究[D].安徽大学.2019
[3].郭伟.大样本高维数据下基于进化多目标优化的特征选择算法研究[D].安徽大学.2019
[4].朱必熙,张艳红.基于差分进化算法的图像分割参数选择方法研究[J].武夷学院学报.2018
[5].张强,李盼池.进化策略自主选择的改进混洗蛙跳算法[J].哈尔滨工程大学学报.2019
[6].罗校清.使用角度选择策略的第二代Pareto强度进化算法[J].计算机应用与软件.2018
[7].马理胜,张均东,任光.基于环境Pareto支配选择差分进化算法的舰船电网重构[J].大连海事大学学报.2018
[8].谢光磊.肿瘤亚型分析中针对基因表达数据差分进化特征选择算法的研究[D].南方医科大学.2018
[9].赵琳敬,葛宝臻,陈雷.基于变异交叉方程与进化选择机制的回溯优化改进算法[J].计算机应用研究.2019
[10].胡春海,李涛,刘永红,齐凡.基于改进差分进化算法的运动想象脑机接口频带选择[J].计量学报.2018