导读:本文包含了全局搜索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:二分搜索算法,全局求解,频繁项目集,求解准确率
全局搜索算法论文文献综述
曾俊义[1]（2019）在《二分搜索算法在全局频繁项目集求解中的应用》一文中研究指出为了解决常规算法在全局频繁项目求解中,存在求解准确率与求解速率较低的不足,提出二分搜索算法在全局频繁项目集求解中的应用。依托全局频繁项目集的确定,利用频繁项目k和全局隶属度函数x的计算,实现候选项目集的生成,优化全局频繁项目集求解体系;根据数据的动态求解,实现全局频繁项目集的更新计算,完成二分搜索算法在全局频繁项目集求解中的应用,实验数据表明,提出的全局频繁项目集求解方法,较传统求解方法具有较高的求解准确率和求解速率,适合于全局频繁项目集的求解。(本文来源于《现代计算机》期刊2019年19期）
翟军昌,秦玉平[2]（2019）在《反向学习全局和声搜索算法》一文中研究指出提出一种反向学习全局和声搜索(OLGHS)算法.基于反向学习技术初始化和声记忆库,提高初始和声向量的质量;通过当前最差和声向当前最优和声学习进化,提高算法的全局搜索性能;通过其他和声向量之间不断回溯交互的随机学习策略,提高算法局部搜索性能;用由两种不同学习策略随机交叉动态产生的新和声与反向和声二者较优的个体更新和声记忆库,提高算法的搜索性能.将OLGHS算法与其他启发式优化算法以及目前文献中较优的改进HS算法进行性能测试,测试结果表明OLGHS算法具有较高的寻优精度和较快的收敛速度.(本文来源于《控制与决策》期刊2019年07期）
翟军昌,秦玉平[3]（2018）在《随机交叉全局和声搜索算法》一文中研究指出针对和声搜索算法易陷入局部最优的不足,提出了一种随机交叉全局和声搜索(RCGHS)算法。通过最差和声向最优和声学习提高算法的全局搜索性能,引入其他和声向最优和声学习的交互策略提高算法的局部搜索性能。将两种学习策略随机交叉动态产生新和声,平衡算法的全局搜索和局部搜索性能。在和声记忆库更新阶段,利用即兴创作产生的和声向量与随机反向学习产生的和声向量中较优的个体更新和声记忆库。将RCGHS算法与目前文献中较优的几种改进HS算法、ABC算法、PSO算法和GWO算法进行性能测试,测试结果表明RCGHS算法具有较高的寻优精度和较快的收敛速度。(本文来源于《计算机工程与应用》期刊2018年12期）
王周闯,戴紫彬,李伟[4]（2016）在《高效适配NLBF型序列密码的全局定向搜索算法》一文中研究指出针对序列密码中非线性布尔函数(NLBF)适配算法不具普遍性及资源消耗较多的问题,提出一种基于NLBF与项和真值表相结合的全局定向搜索算法。首先,通过NLBF中与项比率的分析,得出合理的查找表(LUT)适配形式;随后,提出布尔函数归类算法,归类算法从高次到低次搜索NLBF中全部与项,并对各与项进行"吸收"及"合并"处理;最后,提出基于真值表的配置信息生成算法,该算法通过遍历真值表的方式,生成LUT存储的配置信息以完成NLBF的运算。对序列密码进行适配发现,布尔函数归类算法能完成现有NLBF型序列密码的适配,且对常用的ACH-128、Trivium及Grain等算法更易适配;同时从对比结果可以看出,全局定向搜索算法的资源消耗较基于Shannon分解定理的适配算法及遗传算法明显要少;同时从资源消耗情况来看,4输入LUT消耗最多,6输入LUT消耗最少。(本文来源于《计算机应用》期刊2016年09期）
孙莉,王传伟,潘浩[5]（2016）在《求解全局优化问题的两阶段模式搜索算法》一文中研究指出将Matlab中全局优化工具箱中的模式搜索求解器与割峰函数结合,提出一个两阶段模式搜索算法。首先通过模式搜索求解器求解包含多个极小值的优化问题,返回结果后,在当前迭代点处定义割峰函数,继而采用模式搜索求解器进一步极小化辅助函数寻找比当前结果更好的下降点。该算法简单易行,数值结果表明新算法提高了模式搜索求解器获得全局解的效率。(本文来源于《山东农业大学学报(自然科学版)》期刊2016年03期）
夏红刚,欧阳海滨,高立群,孔祥勇[6]（2016）在《全局竞争和声搜索算法》一文中研究指出提出一种全局竞争和声搜索(GCHS)算法,给出随机局部平均和声和全局平均和声的概念,建立竞争搜索机制,实现每次迭代产生两个和声向量并进行竞争选择.设计自适应全局调整和局部学习策略,平衡算法的局部搜索和全局搜索,详细分析参数HMS、HMCR和PAR对算法优化性能的影响.数值结果表明,GCHS算法在精度、收敛速度和鲁棒性方面比和声搜索算法及最近文献中提出的7种优秀改进和声搜索算法要好.(本文来源于《控制与决策》期刊2016年02期）
翟军昌,高立群,欧阳海滨,刘宏志[7]（2015）在《改进的新颖全局和声搜索算法》一文中研究指出为了提高和声搜索算法的寻优性能,提出了改进的新颖全局和声搜索(INGHS)算法.通过差分向量范数定义和声记忆库多样性,以和声记忆库的多样性信息为指导实现位置动态更新,并结合变异操作更新和声记忆库.算法采用动态位置更新策略产生新和声,在寻优早期具有较好的全局搜索性能,在寻优后期具有较好的局部搜索性能,提高了算法跳出局部最优的能力.利用7个标准测试函数对所提算法与目前已知文献中优秀的改进HS算法进行性能测试,测试结果表明所提算法具有较好的寻优性能.(本文来源于《东北大学学报(自然科学版)》期刊2015年10期）
翟军昌,高立群,欧阳海滨,孔祥勇[8]（2015）在《一种自适应全局和声搜索算法》一文中研究指出针对新颖全局和声搜索(NGHS)算法过早收敛的问题,提出自适应全局和声搜索(AGHS)算法.引入差分向量范数定义和声记忆库多样性,给出新的位置更新策略,排除变异操作.以和声记忆库多样性信息为指导动态产生新和声,提高算法对解空间信息开发的能力,避免算法因过早收敛、易陷入局部最优的不足.AGHS算法操作更简单,需要设置的参数更少,将其与目前文献中较优的几种改进HS算法、PSO算法和GA算法进行性能测试,测试结果表明AGHS算法具有较高的寻优精度和较快的收敛速度.(本文来源于《控制与决策》期刊2015年11期）
秦强,冯蕴雯,薛小锋[9]（2016）在《全局最优导向模糊布谷鸟搜索算法及应用》一文中研究指出针对标准布谷鸟搜索算法探索能力强而开发能力较弱、收敛速度慢及计算精度较差等问题,提出了具有全局最优导向的模糊布谷鸟搜索算法。在鸟窝更新公式中引入全局最优导向策略,在产生新的鸟窝位置时利用到当前最优鸟窝位置信息,以保持鸟窝的多样性并提高算法的开发能力。另外,采用模糊逻辑规则对布谷鸟算法中的搜索步长和外来鸟蛋被发现概率这2个重要参数进行自适应调整,以提高算法的全局收敛性能和求解精度。通过2个经典结构可靠性分析极限状态方程测试该算法的性能,并将其应用于某飞机舱门锁定机构可靠性分析中。实验结果表明,与粒子群算法、标准布谷鸟搜索算法和改进布谷鸟搜索算法相比,所提出的全局最优导向模糊布谷鸟搜索算法在进行可靠性分析中,能够有效地提高解的精度并增加收敛速度,寻优效果更优。(本文来源于《北京航空航天大学学报》期刊2016年01期）
魏峻[10]（2015）在《基于全局和声搜索算法的特征基因选择方法》一文中研究指出鉴于DNA微阵列数据中无关基因和冗余基因对分类精度和效率的影响,提出一种基于全局和声搜索的特征基因选择方法,首先采用ReliefF算法对微阵列基因数据集排序,取排序靠前的N个基因构成初选基因子集,然后利用全局和声搜索算法选择特征基因.两个公共微阵列数据集上的仿真实验表明,该算法全局搜索能力强,分类精度高,能够有效地剔除噪声和冗余基因,是一种有效的特征基因选择算法.(本文来源于《内蒙古师范大学学报(自然科学汉文版)》期刊2015年03期）
全局搜索算法论文开题报告
（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：
提出一种反向学习全局和声搜索(OLGHS)算法.基于反向学习技术初始化和声记忆库,提高初始和声向量的质量;通过当前最差和声向当前最优和声学习进化,提高算法的全局搜索性能;通过其他和声向量之间不断回溯交互的随机学习策略,提高算法局部搜索性能;用由两种不同学习策略随机交叉动态产生的新和声与反向和声二者较优的个体更新和声记忆库,提高算法的搜索性能.将OLGHS算法与其他启发式优化算法以及目前文献中较优的改进HS算法进行性能测试,测试结果表明OLGHS算法具有较高的寻优精度和较快的收敛速度.
（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。
全局搜索算法论文参考文献
[1].曾俊义.二分搜索算法在全局频繁项目集求解中的应用[J].现代计算机.2019
[2].翟军昌,秦玉平.反向学习全局和声搜索算法[J].控制与决策.2019
[3].翟军昌,秦玉平.随机交叉全局和声搜索算法[J].计算机工程与应用.2018
[4].王周闯,戴紫彬,李伟.高效适配NLBF型序列密码的全局定向搜索算法[J].计算机应用.2016
[5].孙莉,王传伟,潘浩.求解全局优化问题的两阶段模式搜索算法[J].山东农业大学学报(自然科学版).2016
[6].夏红刚,欧阳海滨,高立群,孔祥勇.全局竞争和声搜索算法[J].控制与决策.2016
[7].翟军昌,高立群,欧阳海滨,刘宏志.改进的新颖全局和声搜索算法[J].东北大学学报(自然科学版).2015
[8].翟军昌,高立群,欧阳海滨,孔祥勇.一种自适应全局和声搜索算法[J].控制与决策.2015
[9].秦强,冯蕴雯,薛小锋.全局最优导向模糊布谷鸟搜索算法及应用[J].北京航空航天大学学报.2016
[10].魏峻.基于全局和声搜索算法的特征基因选择方法[J].内蒙古师范大学学报(自然科学汉文版).2015