导读:本文包含了填充函数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:填充函数,全局最优值,深度学习
填充函数算法论文文献综述
叶成,吕柏权,倪陈龙[1]（2019）在《基于填充函数的深度学习优化算法》一文中研究指出提出了基于填充函数的深度学习优化算法,深度学习采用的是分层的训练机制,它通过最小化误差函数进行分层的无监督训练。第一步先使用无标签的训练样本对各层参数分层预训练,第二步使用有标签的训练样本对各层参数进行微调,从而有利于减少陷入局部极小点的可能性。另外,引进了填充函数法,使之能够跳出局部最小值,继续迭代至更小的极值点,得到精度更高的全局最优点。通过对5个基准测试函数进行仿真和统计数据,验证了改进后算法的有效性。(本文来源于《工业控制计算机》期刊2019年10期）
石礼堂,陈伟[2]（2018）在《整数规划问题的滤子填充函数算法》一文中研究指出全局优化是最优化的一个分支,非线性整数规划问题的全局优化在各个方面都有广泛的应用.填充函数是解决全局优化问题的方法之一,它可以帮助目标函数跳出当前的局部极小点找到下一个更好的极小点.滤子方法的引入可以使得目标函数和填充函数共同下降,省却了以往算法要设置两个循环的麻烦,提高了算法的效率.本文提出了一个求解无约束非线性整数规划问题的无参数填充函数,并分析了其性质.同时引进了滤子方法,在此基础上设计了整数规划的无参数滤子填充函数算法.数值实验证明该算法是有效的.(本文来源于《应用数学与计算数学学报》期刊2018年02期）
隋鑫[3]（2018）在《基于光滑技术与填充函数的优化算法研究》一文中研究指出全局优化方法的实际应用场景众多,遍及工程设计、智能交通、金融经济与图像处理等现实世界的诸多领域。近年来,目标问题的形式日益复杂,问题的规模也日益增大,这给传统优化方法带来了前所未有的挑战,主要体现在两个方面:其一,目标问题存在大量的局部极小点,限制了算法的求解效率。其二,优化算法容易陷入当前的极小点而难以跳转到更优的极小点,加剧了算法获取全局最优解的难度。本文针对以上问题,研究行之有效的解决方案,并提出相应的优化算法。填充函数算法作为一种高效的确定性优化算法,其基本原理是:先对目标函数执行极小化操作,获得目标问题的极小点,而如何跳出当前的极小点找到更优的解则需依赖填充函数。在当前的极小点处构造填充函数,并对其进行局部搜索,获得该填充函数的一个极小点,根据填充函数特有的性质,该点一定位于目标函数更优的一个谷内,因而从该点再次对目标函数极小化,能够获得目标函数的更优的点,从而克服了传统的局部搜索方法容易陷进局部极小的不足,协助算法找到新的极小点。使用光滑技术处理目标函数,能够保留目标函数中与当前极小点相同以及更优的点,并且平滑掉其他更差的点,这样便能显着降低局部极小点的数量,进而提升算法的效率。因此本文将上述两种方法结合在一起,提出有效的优化算法,主要工作如下:(1)针对优化问题的极小点众多且算法容易陷入局部极小的难点,我们提出了一种新的基于光滑技术和自适应策略的填充函数优化算法。这里我们首先对目标函数进行光滑处理,降低极小点数目,并在此基础上构造了一个新的填充函数。在新填充函数中,加入了一个常系数来动态调整目标函数值的变化范围,使得填充函数可以自适应调节浅谷,极大地降低了填充函数参数调节的难度。与此同时,为了提高对填充函数的搜索效率,我们提出了一个基于当前局部极小点与前一个局部极小点以及问题定义域的位置关系来确定填充函数初始点的方法。最后结合以上方法,提出新的填充函数优化算法。(2)为进一步提出更为有效的全局优化算法,我们基于光滑技术,构造了另一个新的填充函数。该填充函数只含一个参数,且不包含指数项,因此参数的调节更加简单。传统的填充函数方法大多使用固定方向和固定步长来确定初始搜索点,很显然,该类方法没能考虑问题的差异性以及得到的点的优劣,搜索效率较低。为进一步增强对填充函数的搜索效率,我们吸收了单纯形法的求解思想,采用反射、扩展和收缩等操作,设计了一种新的确定填充函数初始点的方法,并在此基础上,提出一种新的填充函数优化算法。由于上述确定初始点的方法在执行过程中带有一部分随机策略,因而整个的优化过程也相应地增添了一定的随机性和局部寻优能力,提高了算法的优化效率。最后我们采用12个广泛应用的标准测试函数对新算法进行数值实验,并挑选了四个代表性的填充函数算法与新算法进行详细的对比分析。实验结果表明,新提出的两个算法均有效并且算法的求解效率很高。(本文来源于《西安电子科技大学》期刊2018-06-01）
高乐[4]（2018）在《一类改进填充函数法及混合优化算法的研究》一文中研究指出全局优化问题渗透于生活各个方面,求解该问题的有效方法层现迭出。多个局部最优解的存在是求解全局优化问题的一个难点,而传统的优化方法难以取得好的求解效果,智能算法的提出很好地解决了该难点,粒子群算法由于其易实现和计算快速等优点,已广泛应用于求解此类问题。由于问题的多极值、高维等特性,粒子群算法在进化后期容易陷入局部最优。因此,研究可避免算法陷入局部最优解行之有效且更加高效的方法具有理论意义和现实意义。本文针对粒子群算法在求解存在多个局部最优解的全局优化问题时容易陷入局部最优的缺陷,引入了跳出局部最优解的机制。在粒子群算法框架的基础上,融合填充函数法可跳出局部最优的优点,提出了基于改进的填充函数法和粒子群算法的混合算法。首先,对于填充函数法,构造了一类新的形式简单、不含指数项的单参数填充函数,该函数无需进行多个参数的繁琐调节过程,防止了由于指数项存在可能导致原问题的最优点丢失,同时该函数连续可微,且理论上证明了函数具有良好的解析性质;鉴于选择更优的初始点能够加强局部搜索的思想,设计了一个新的带有均匀策略的局部搜索方法;基于以上两点,提出了一种改进的填充函数算法,并通过数值实验说明了算法的有效性和高效性。其次,对于混合优化算法,本文使用自适应粒子群算法作为算法框架,将新的填充函数算法嵌入到粒子群算法,构建了基于填充函数法混合粒子群算法的改进粒子群算法,强化了两种算法各自的搜索能力。该算法在已得到的一个局部最优解处使用填充函数法有助于算法跳出当前局部最优解,避免了算法迭代过程中陷入局部最优的现象,令算法能找到一个更好的解,提高了求解多极值全局优化问题的效率。最后,在CEC'2013测试集中6个基准函数的30维和50维上分别进行实验及算法对比分析来测试改进粒子群算法的性能,结果表明改进的粒子群算法是稳定的,且效率更高,能更加高效地解决多峰全局优化问题。(本文来源于《西安科技大学》期刊2018-06-01）
纪洪霞[5]（2018）在《解箱式约束全局优化问题的滤子填充函数算法研究》一文中研究指出本文主要分析研究了箱式约束全局优化问题的滤子填充函数法。在不同章节分别构造了不同的填充函数,并对它们的填充性质进行了验证。由于滤子技术能够避免罚参数选择的困难,也不需要目标函数的梯度信息,只需要比较两个目标函数的函数值大小,简单方便且效果较好,于是将滤子技术引入,与构造的两个不同的填充函数进行结合,形成了本文的滤子填充函数法。在算法的迭代过程中,利用滤子技术来判断是否接受当前迭代点。文章最后也给出了数值算例对算法进行试验,结果能够表明算法的可行性与有效性。文章的具体结构如下:第一章,介绍了最优化问题、填充函数及有关滤子方法的相关理论。第二章,构造了一个单参数填充函数并证明了其填充性质。以目标函数值和填充函数值构成的数对作为滤子中的元素,将滤子与构造的新的单参数填充函数结合,形成单参数滤子填充函数算法。初始点在整个闭箱内随机产生。第叁章,构造了一个无参数填充函数并证明了其填充性质,此函数无参数,无指数项,极小化填充函数的初始点在整个有界闭箱内随机产生,将构造的无参数填充函数与滤子技术结合,形成无参数滤子填充函数算法。第四章,给出四个关于全局优化的数值算例,数值结果显示滤子填充函数算法是可行有效的。(本文来源于《青岛大学》期刊2018-05-21）
张慧雯[6]（2018）在《基于填充函数和随机微分方程的两种优化算法》一文中研究指出对于全局优化问题的研究,填充函数算法一直是一种有效的求解方法。在局部优化的方法中,梯度投影法因为简单实用而得到广泛的应用,而滤子作为评判标准以其良好的数值结果也成为求解问题的有效工具之一。为了优化全局优化算法,本文将滤子技术和填充函数方法结合,提出基于梯度投影的广义滤子填充函数算法,并将其用于求解带线性约束的非凸全局优化问题。文章首先给出一个新的广义填充函数并讨论了其相关性质,特别是该函数在边界上的表现。然后提出了任意初始点下求解约束全局优化问题的算法并证明了算法特性,尤其是边界问题的合理处理。最后列出的数值试验效果证明了算法的有效性。此外,从随机算法角度考虑,本文在随机微分方程中引入梯度投影,提出投影随机微分方程。文章首先讨论了该随机过程在边界上的表现,并进一步解释投影随机微分方程的解与原约束优化问题的最优解之间的关系。然后提出基于随机微分方程的投影算法用于求解带线性约束的全局优化问题,并证明该随机算法的收敛性。最后给出数值结果以说明有效性。(本文来源于《华东理工大学》期刊2018-04-13）
高岳林,吴佩佩[7]（2017）在《非线性整数规划的一个新的无参数填充函数算法》一文中研究指出离散填充函数是一种用于求解多极值优化问题最优解的一种行之有效的方法.已被证明对于求解大规模离散优化问题是有效的.本文基于改进的离散填充函数定义,构造了一个新的无参数填充函数,并在理论上给出了证明,提出了一个新的填充函数算法.该填充函数无需调节参数,而且只需极小化一次目标函数.数值结果表明,该算法是高效的、可行的.(本文来源于《计算数学》期刊2017年03期）
吴佩佩[8]（2017）在《非线性整数规划问题的填充函数算法研究》一文中研究指出填充函数法是求解全局最优化问题的一类有效的优化方法,是确定性算法中的一种.因算法原理简单且仅需用到成熟的局部极小化算法而被人们熟识.纵观填充函数发展历程,研究该算法的关键在于构造一类形式简单,含参数少且易于调节的并具有良好性质的填充函数.因此,从填充函数构造和算法上进行创新显得尤为重要.本文针对非线性整数规划问题的填充函数算法进行了一些改进和创新,希望在理论上有所深化,在算法效率方面有所提升.主要工作内容如下:(1)依据填充函数的基本思想,针对含参数多、参数选取难,调节繁琐等缺点构造一个单参数填充函数,当参数足够大时,就无需进行参数调节,数值结果表明该算法是有效的;(2)构造了一个基于领域搜索的单参数填函数,将改进的离散邻域搜索算法加入到传统的填充函数算法中以避免数值结果溢出,基于新算法进行数值检验,结果表明算法是有效的;(3)在改进的填充函数定义的基础上,构造了一个无参数填充函数,不仅满足填充性质,而且只需极小化一次目标函数,大大减少了因循环迭代引起的计算量;(4)针对一般的约束整数规划问题,本文将罚函数思想同填充函数算法相结合,讨论了该方法的性质,设计了新的算法,数值试验证明这种方法对处理约束整数规划是有效、可行的.(本文来源于《北方民族大学》期刊2017-04-01）
吕柏权,张静静,李占培,刘廷章[9]（2018）在《基于变换函数与填充函数的模糊粒子群优化算法》一文中研究指出本文提出了一种基于变换函数与填充函数的模糊粒子群优化算法(Fuzzy partical swarm optimization based on filled function and transformation function,FPSO-TF).以基于不同隶属度函数的多回路模糊控制系统为基础,进一步结合变换函数与填充函数,使该算法减少了陷入局部最优的可能,又可以跳出局部极小值点至更小的点,快速高效地搜索到全局最优解.最后采用基准函数对此算法进行测试,并与几种不同类型的改进算法进行对比分析,验证了此算法的有效性与优越性.(本文来源于《自动化学报》期刊2018年01期）
何兰[10]（2016）在《解决全局最优化问题的新的填充函数算法》一文中研究指出最优化理论和方法是一门应用性很强的学科,它广泛应用于生产管理、经济金融、环境工程、交通运输与国防等重要领域.因此全局优化研究成为一个重要课题.近年来,现有的全局优化方法大体可以分为叁大类：第一类是从局部最优中选取全局最优的方法,更确切的说,调用辅助函数找到比当前局部极小点更优的点；第二类是启发式算法或随机性算法；第叁类是解决具有特殊结构问题的算法,比如凹极小化和D.C.规划.本论文是在已有的填充函数算法的基础上,改进填充函数的定义,提出新的填充函数形式以达到算法计算上的提高.具体内容如下第一章,给出全局最优化问题的背景知识,介绍了几种常见的全局最优化算法及其特点,如：D.C.规划、分支定界法、打洞函数法和填充函数法.第二章,改进了传统的填充函数定义,在此基础上给出了一个新的含单参的填充函数形式,验证了该函数所应满足的一些性质,并以此函数设计相应的算法来解决无约束全局优化问题,最后通过数值实验,验证了算法的有效性.第叁章,构造了一个无参数的填充函数.基于这种函数,提出了积分填充函数算法(IFFA)来解决无约束全局优化问题.最后,给出一些测试问题的数值结果作为算法的补充.(本文来源于《上海大学》期刊2016-04-01）
填充函数算法论文开题报告
（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：
全局优化是最优化的一个分支,非线性整数规划问题的全局优化在各个方面都有广泛的应用.填充函数是解决全局优化问题的方法之一,它可以帮助目标函数跳出当前的局部极小点找到下一个更好的极小点.滤子方法的引入可以使得目标函数和填充函数共同下降,省却了以往算法要设置两个循环的麻烦,提高了算法的效率.本文提出了一个求解无约束非线性整数规划问题的无参数填充函数,并分析了其性质.同时引进了滤子方法,在此基础上设计了整数规划的无参数滤子填充函数算法.数值实验证明该算法是有效的.
（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。
填充函数算法论文参考文献
[1].叶成,吕柏权,倪陈龙.基于填充函数的深度学习优化算法[J].工业控制计算机.2019
[2].石礼堂,陈伟.整数规划问题的滤子填充函数算法[J].应用数学与计算数学学报.2018
[3].隋鑫.基于光滑技术与填充函数的优化算法研究[D].西安电子科技大学.2018
[4].高乐.一类改进填充函数法及混合优化算法的研究[D].西安科技大学.2018
[5].纪洪霞.解箱式约束全局优化问题的滤子填充函数算法研究[D].青岛大学.2018
[6].张慧雯.基于填充函数和随机微分方程的两种优化算法[D].华东理工大学.2018
[7].高岳林,吴佩佩.非线性整数规划的一个新的无参数填充函数算法[J].计算数学.2017
[8].吴佩佩.非线性整数规划问题的填充函数算法研究[D].北方民族大学.2017
[9].吕柏权,张静静,李占培,刘廷章.基于变换函数与填充函数的模糊粒子群优化算法[J].自动化学报.2018
[10].何兰.解决全局最优化问题的新的填充函数算法[D].上海大学.2016