导读:本文包含了自适应优化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:符号LMS算法,FPGA,自适应噪声抵消
自适应优化算法论文文献综述
王志铎,马令坤,张俊涛[1]（2019）在《自适应噪声抵消算法优化与FPGA实现》一文中研究指出针对自适应噪声抵消算法在FPGA上资源占用和运算速度的问题,提出了一种降低运算量的符号LMS算法,分析其较于传统LMS算法的优点,设计了一种基于状态机和符号LMS算法的自适应噪声抵消器,首先采用高性能音频编解码芯片WM8731对含噪音频信号和噪声信号采样,然后噪声抵消器对所得的两路信号进行自适应滤波去除噪声信号,最后用音频芯片输出去除噪声后的音频信号.实验结果表明噪声抵消器可达到快速有效的噪声抵消效果.(本文来源于《陕西科技大学学报》期刊2019年06期）
曹文梁,康岚兰[2]（2019）在《高斯过程回归超参数自适应选择粒子群优化算法》一文中研究指出超参数优化是减少高斯过程回归(Gaussian process regression,GPR)学习方法计算量,提高高斯模型性能的一个重要问题。为解决超参数优化问题中先验知识匮乏,对初始值过分依赖且易陷入局部最优等问题,文章引入粒子群优化(particle swarm optimization,PSO)算法,并结合差分速度更新公式及自适应变异策略,提出了一种自适应差分粒子群-高斯过程回归优化(adaptive differential particle swarm optimization-Gaussian process regression,ADPSO-GPR)算法对GPR中超参数进行自适应优化。该算法在线性与非线性两类时序回归序列上与多种主流超参数优化算法进行对比,实验结果表明,采用该文算法优化超参数后的GPR具有较高的拟合精度及泛化能力。(本文来源于《合肥工业大学学报(自然科学版)》期刊2019年11期）
陈维佳[3]（2019）在《基于FPGA的自适应频谱分析优化算法的研究》一文中研究指出传统的频谱分析算法计算量大,且计算结果准确率低、花费成本高。为了解决上述问题,提出一种新的基于FPGA的自适应频谱分析优化算法。使用迭代优化的思路计算出误差信号均方值的曲面梯度,根据梯度值得到滤波优化计算公式,通过研究确定信号滤波算法时域结果、频域结果,同时获取不确定信号滤波算法时域结果、频域结果。将自适应频谱看成一个有限的长序列,将长序列分成多个小段,求出每一段样本的功率谱,利用平均加权思路得到功率谱平均值,即优化后的频谱分析结果。为检测所提算法有效性,与传统算法进行实验对比,在序列段为2段和8段两种情况下进行实验,结果表明,所提算法的计算结果准确率有了大大提高。(本文来源于《电子设计工程》期刊2019年22期）
朱会霞,刘佳鑫,刘凤超,李彤煜,王辉暖[4]（2019）在《自适应遗传算法优化种植业结构与资源分配问题》一文中研究指出研究了种植业结构与农业资源分配最优组合问题,采用自适应遗传算法求解有约束问题的方法,对四种农作物在耕地面积和氮、磷、钾肥供应量一定情况下,最大纯收益数学模型进行了优化。仿真结果验证了自适应遗传算法的正确性和实用性,为该类问题的优化提供了一种新的方法,也为农业生产部门种植业结构与农业资源的合理规划提供了科学的依据。(本文来源于《辽宁工业大学学报(自然科学版)》期刊2019年06期）
赵云涛,谌竟成,李维刚[5]（2019）在《融合自适应差分进化机制的多目标灰狼优化算法》一文中研究指出针对灰狼算法易于陷入局部最优问题,提出了一种融合自适应差分进化机制的多目标灰狼优化算法。首先,将外部种群Archive按目标函数值的距离进行分组以避免存储相似个体。其次,设置头狼选择机制,在外部种群中选择头狼。最后,在更新过程中引入差分进化,择优选择下一代灰狼,同时差分进化参数可根据候选解加权目标函数值动态地自适应调整,平衡算法的局部开发与全局探测性能。基于8个多目标测试函数的验证结果表明,提出的多目标灰狼优化算法的收敛性与分布性优于其他3种算法。(本文来源于《计算机科学》期刊2019年S2期）
杨伊,范馨月,周非,郭浩田[6]（2019）在《无线传感器网络中能效优化的自适应节点选择算法》一文中研究指出在无线传感器网络多目标跟踪的传感器管理问题中,跟踪精度和传感器节点寿命是两个重要的性能指标。针对在提高跟踪精度时现有算法复杂度较高的问题,本文采用基于目标预测位置的Mahalanobis距离为传感器节点观测信息量度量,同时利用叁角形面积和原理来解决节点共线问题;针对节点剩余能量分布不均的问题,本文基于节点的剩余能量以及能量消耗,利用模糊逻辑计算任务节点、休眠节点的概率,并用标准差来衡量节点概率之间的差异。因此,综合考虑跟踪精度和传感器节点剩余能量分布,设计综合优化指标,提出能效优化的自适应节点选择算法。仿真结果表明,该算法在保证一定跟踪精度的同时使得网络中节点的剩余能量分布较为均匀。(本文来源于《传感技术学报》期刊2019年11期）
任宇佳[7]（2019）在《基于自适应遗传算法的自动化立体仓库入库货位分配优化研究》一文中研究指出本文针对企业在货位分配中存在的问题,提出了以出入库效率,巷道作业均衡以及同类产品相邻为原则的多目标入库货位分配模型,采用基于自适应遗传算法的权重系数变化法对模型进行求解,并进行算法的对比,验证有效性。(本文来源于《中国储运》期刊2019年11期）
刘才俊,胡洁,宋述刚[8]（2019）在《一种自适应变异策略的集体决策优化算法》一文中研究指出集体决策优化算法(collective decision optimization algorithm, CDOA)是一种基于种群的进化算法。该算法具有收敛速度快的特点,但同时算法易陷入局部最优。针对这一缺陷,提出了一种自适应变异策略的集体决策优化算法(adaptive collective decision optimization algorithm, ACDOA)。其中,自适应变异策略是在每一个个体变异的过程中根据一定的概率自适应的在2个不同功能的变异算子中选择1个变异算子进行变异,该变异策略使得迭代前期算法能尽可能多的选择多样性强的变异算子进行变异,而在迭代后期算法能尽可能多的选择局部搜索能力强的算子进行变异以确保个体快速、稳定的向最优值靠近。利用3个经典的测试函数对算法进行了仿真试验,结果表明, ACDOA与CDOA相比有更快的收敛速度和更大的种群多样性,同时也保留了原算法良好的局部搜索能力。(本文来源于《长江大学学报(自然科学版)》期刊2019年10期）
赵祥龙,陈捷,洪荣晶,王华,李媛媛[9]（2019）在《基于Wavelet leader和优化的等距映射算法的回转支承自适应特征提取》一文中研究指出为了解决回转支承振动信号微弱,特征信息不易提取的问题,提出基于Wavelet leader方法和经混合灰狼算法优化的等距映射算法(HGWO-ISOMAP)的多分形自适应特征提取方法.利用Wavelet leader计算多分形特征,挖掘振动数据的几何结构信息,构造高维特征矩阵;通过HGWO优化后的ISOMAP算法对高维特征矩阵进行自适应特征筛选;将筛选后的特征矩阵输入到经遗传算法(GA)优化的最小二乘支持向量机(LSSVM)中进行故障状态识别.为了验证所提方法的优越性,采用课题组自主研发的回转支承综合性能试验台对某型号回转支承进行全寿命实验.结果表明,相比一般时域、时频域、频域特征提取方法,所提方法能提高识别精度,缩短计算时间,为回转支承特征提取提供新的有效途径.(本文来源于《浙江大学学报(工学版)》期刊2019年11期）
李雨泰,李伟良,尚智婕,王洋,董希杰[10]（2019）在《基于云自适应粒子群优化算法和随机森林回归(CAPSO-RFR)的负载均衡预测》一文中研究指出针对传统的云计算资源负载预测算法存在精度低和误差大的缺点,将云自适应粒子群算法应用于随机森林回归参数的选择,提出一种基于CAPSO-RFR的云计算资源均衡负载预测算法。研究结果表明,CAPSO-RFR可以有效提高云计算资源负载预测的精度,为云计算资源的规划、调度以及云计算平台的性能优化提供决策依据。(本文来源于《微型电脑应用》期刊2019年10期）
自适应优化算法论文开题报告
（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：
超参数优化是减少高斯过程回归(Gaussian process regression,GPR)学习方法计算量,提高高斯模型性能的一个重要问题。为解决超参数优化问题中先验知识匮乏,对初始值过分依赖且易陷入局部最优等问题,文章引入粒子群优化(particle swarm optimization,PSO)算法,并结合差分速度更新公式及自适应变异策略,提出了一种自适应差分粒子群-高斯过程回归优化(adaptive differential particle swarm optimization-Gaussian process regression,ADPSO-GPR)算法对GPR中超参数进行自适应优化。该算法在线性与非线性两类时序回归序列上与多种主流超参数优化算法进行对比,实验结果表明,采用该文算法优化超参数后的GPR具有较高的拟合精度及泛化能力。
（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。
自适应优化算法论文参考文献
[1].王志铎,马令坤,张俊涛.自适应噪声抵消算法优化与FPGA实现[J].陕西科技大学学报.2019
[2].曹文梁,康岚兰.高斯过程回归超参数自适应选择粒子群优化算法[J].合肥工业大学学报(自然科学版).2019
[3].陈维佳.基于FPGA的自适应频谱分析优化算法的研究[J].电子设计工程.2019
[4].朱会霞,刘佳鑫,刘凤超,李彤煜,王辉暖.自适应遗传算法优化种植业结构与资源分配问题[J].辽宁工业大学学报(自然科学版).2019
[5].赵云涛,谌竟成,李维刚.融合自适应差分进化机制的多目标灰狼优化算法[J].计算机科学.2019
[6].杨伊,范馨月,周非,郭浩田.无线传感器网络中能效优化的自适应节点选择算法[J].传感技术学报.2019
[7].任宇佳.基于自适应遗传算法的自动化立体仓库入库货位分配优化研究[J].中国储运.2019
[8].刘才俊,胡洁,宋述刚.一种自适应变异策略的集体决策优化算法[J].长江大学学报(自然科学版).2019
[9].赵祥龙,陈捷,洪荣晶,王华,李媛媛.基于Waveletleader和优化的等距映射算法的回转支承自适应特征提取[J].浙江大学学报(工学版).2019
[10].李雨泰,李伟良,尚智婕,王洋,董希杰.基于云自适应粒子群优化算法和随机森林回归(CAPSO-RFR)的负载均衡预测[J].微型电脑应用.2019