导读:本文包含了适应值预测论文开题报告文献综述及选题提纲参考文献，主要关键词:适应值预测,人工蜂群算法,认知无线电,频谱分配
适应值预测论文文献综述
刘俊霞,贾振红[1]（2016）在《基于适应值预测的DABC认知无线电频谱分配算法》一文中研究指出针对认知无线网络频谱分配过程存在的问题,提出了基于适应值预测策略的双人工蜂群算法(FP-DABC)。该算法设计的干扰门限阈值,提高了用户的接入数量;适应值预测方法的使用,加快了分配效率;同时算法对频谱分配过程公平性和系统整体性能进行了优化。实验仿真结果表明:FP-DABC算法牺牲了部分网络效益的同时,在用户满意度、分配率、平均分配时间、用户公平性和系统整体性能上均优于颜色敏感图着色算法(CSGC)和人工蜂群算法(ABC)。(本文来源于《计算机工程与应用》期刊2016年18期）
赵宁,赵永志,付晨曦[2]（2014）在《具有适应值预测机制的遗传算法》一文中研究指出针对适应值计算费时的优化问题,提出一种具有适应值预测机制的遗传算法:为了有效控制预测适应值的准确度和预测频率,建立了一个基于可信度概念的适应值预测模型,引入可信度流失机制以减少预测误差的传播和累积,引入冗余个体剔除机制以减少计算消耗。利用3个基准函数对算法进行收敛性和有效性的测试,测试结果表明算法对于3个测试函数均能获得满意的最优解,并且都能减少60%以上的真实适应值计算次数。(本文来源于《国防科技大学学报》期刊2014年03期）
钱伟懿,刘瀛[3]（2013）在《随机期望值模型的适应值预测差分进化算法》一文中研究指出随机期望值模型是一类有着广泛应用背景的随机规划问题.针对此问题,提出了一种基于适应值预测的差分进化算法,该算法主要是把适应值预测技术、随机模拟技术与差分进化算法结合.最后,通过实例仿真,数值结果表明所提出的算法是有效的和可行的.(本文来源于《渤海大学学报(自然科学版)》期刊2013年03期）
余兵,张国有,崔志华[4]（2013）在《广义回归神经网络预测适应值的人工植物算法》一文中研究指出人工植物算法是最近几年提出来的一种新颖的智能优化算法,把一个植物的生长过程映射为一个智能优化问题。它为那些高维多模问题提出了一种新的解决方法,但是,当把人工植物算法应用到现实问题中时,有时会遇到适应值很耗时的计算,如优化目标和随机问题中存在随机因素的不确定规划问题,或适应值需要通过很多复杂计算才能近似计算等问题。所以,在人工植物算法中需要采取一些预测适应值的策略,采取了基于代进化控制的结合神经网络预测模型的策略(GAPOA)。(本文来源于《电脑开发与应用》期刊2013年07期）
任永金[5]（2013）在《面向适应值计算费时优化问题的PSO预测策略研究》一文中研究指出微粒群算法由于概念简单、收敛速度快并且有很强的全局优化能力，因此目前已经被广泛的应用到许多优化问题中。然而，作为以一种基于群体的优化算法，获得最优解之前大量的适应值计算极大的限制了微粒群算法在目标函数计算费时优化问题中的应用。为了缓解这一问题，常用的方法是构造计算高效的代理模型（又称预测模型、估值模型或元模型）替换实际的计算费时的性能评价函数，以减少整个优化过程的耗费时间。模型管理是群体算法使用代理模型时需要重点解决的问题，选择何种模型进行适应值估值，如何进行估值，何时进行估值等等都是使用代理模型时需要解决的问题。而不管选择何种代理模型，构建模型时样本选择的好坏会直接影响到使用模型估值的正确性。广义回归神经网络(General Regression Neural Network，GRNN)是径向基函数神经网络的一种特殊形式，与目前流行的前馈神经网络相比，它具有网络结构简单、训练时间短、参数少以及计算结果的全局收敛性等优点。因此，在本论文中，选用广义回归神经网络作为代理模型对适应值进行估计，对不同的样本选择策略展开深入研究，并提出单模型不同的样本更新策略和多模型样本更新策略。在单模型的样本更新策略中又提出了两种不同的取样策略：最大更新策略和拥挤度更新策略。最大更新策略是指在更新代理模型时用个体的实际计算的最新信息替换样本库中适应值最大的个体信息。拥挤度更新策略是指在更新代理模型时用当前实际计算的个体信息替换掉样本库中拥挤度最大的样本。以上两种取样方法用于算法运行的前期，而在算法后期，使用个体历史最优位置的信息作为样本集更新预测模型。仿真实验表明，上面的预测策略在保证算法的性能的前提下，增加了适应值的预测次数，从而节省了更多的时间。接下来本文又提出了基于多预测模型适应值估计取样策略。通过个体历史最优位置及其适应值构建一个体模型，同时采用每个个体的最新信息构建了一个预测模型。然后将两个预测值线性加权值作为粒子当前位置的适应值。仿真实验表明，该算法有很高的效率和性能。(本文来源于《太原科技大学》期刊2013-05-01）
许孝元,韩国强,闵华清[6]（2005）在《预测型关联规则演化学习的适应值函数》一文中研究指出为了提高基于遗传算法的分类预测准确度,探讨了评价规则质量的适应值函数,提出了基于置信度和支持度加权和的适应值函数,以取代传统的基于灵敏性和选择性的适应值函数.理论分析和实验结果都表明,文中提出的新适应值函数对于预测型关联规则演化搜索的引导作用明显地优于传统的适应值函数.新的适应值函数有利于改进基于遗传算法的机器学习.(本文来源于《华南理工大学学报(自然科学版)》期刊2005年05期）
适应值预测论文开题报告
（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：
针对适应值计算费时的优化问题,提出一种具有适应值预测机制的遗传算法:为了有效控制预测适应值的准确度和预测频率,建立了一个基于可信度概念的适应值预测模型,引入可信度流失机制以减少预测误差的传播和累积,引入冗余个体剔除机制以减少计算消耗。利用3个基准函数对算法进行收敛性和有效性的测试,测试结果表明算法对于3个测试函数均能获得满意的最优解,并且都能减少60%以上的真实适应值计算次数。
（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。
适应值预测论文参考文献
[1].刘俊霞,贾振红.基于适应值预测的DABC认知无线电频谱分配算法[J].计算机工程与应用.2016
[2].赵宁,赵永志,付晨曦.具有适应值预测机制的遗传算法[J].国防科技大学学报.2014
[3].钱伟懿,刘瀛.随机期望值模型的适应值预测差分进化算法[J].渤海大学学报(自然科学版).2013
[4].余兵,张国有,崔志华.广义回归神经网络预测适应值的人工植物算法[J].电脑开发与应用.2013
[5].任永金.面向适应值计算费时优化问题的PSO预测策略研究[D].太原科技大学.2013
[6].许孝元,韩国强,闵华清.预测型关联规则演化学习的适应值函数[J].华南理工大学学报(自然科学版).2005