导读:本文包含了近似线性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:线性分式多乘积,全局优化,近似算法,计算复杂性
近似线性算法论文文献综述
申子慧,申培萍[1]（2019）在《线性分式多乘积规划问题的完全多项式时间近似算法》一文中研究指出本文针对线性分式多乘积规划问题,通过Charnes-Cooper转化将原问题转化为一个等价问题,借助此等价问题提出一个获得原问题全局近似最优解的算法,最终证明了算法的收敛性,且提供了算法运算时间的理论分析.(本文来源于《计算数学》期刊2019年02期）
申培萍,黄冰迪[2]（2018）在《线性分式多乘积规划问题的多项式时间近似算法》一文中研究指出本文首先将一般形式的线性分式多乘积规划问题(MP),转化为特殊形式的子问题.再根据子问题提出一种求解(MP)的完全多项式时间近似算法,并从理论上证明该算法的收敛性和计算复杂性,数值算例也说明了算法是可行的.(本文来源于《应用数学》期刊2018年04期）
王保军[3]（2018）在《线性微分方程近似解的LS-SVM算法研究》一文中研究指出微分方程的求解及其解的性质研究一直是微分方程研究的一项重要内容。在实际应用和科学研究中,多数微分方程很难获得解析解。近年来,随着计算机技术的发展,一些新的智能算法用于求解微分方程,它们克服了传统方法的缺点,可得到连续可微的近似解析解。其中最小二乘支持向量机(LS-SVM)在求解微分方程的问题中取得不错的效果,它将原微分方程作为约束条件加入到LS-SVM回归模型中,从而极大地提高了该算法的精确度和泛化能力。本文针对应用LS-SVM方法求解线性常微分方程时遇到的部分问题进行研究,并提出一种新的方法求解线性比例延迟微分方程。主要内容如下:首先,对于线性常微分方程,为了提高近似解的精度,提出了一种基于数值方法和LS-SVM回归的新方法,并应用于求解线性常微分方程。该方法将高精度的数值解作为约束条件加入到非线性LS-SVM回归模型中,并通过误差函数最小化获得该模型的最优参数,从而获得高精度的近似解。大量数值实验证明了我们的方法能提高近似解的精度。其次,对于高阶线性常微分方程,为了避免对核函数求高阶导数,将它转化为线性微分方程组,构建含有一阶导数形式的非线性LS-SVM回归模型,并利用最小化误差函数去获得合适的参数,最终通过求解叁个线性方程组获得高精度的近似解。数值实验验证了我们方法的有效性。最后,将LS-SVM算法推广到求解比例延迟微分方程。在该方法中,用等式约束代替不等式约束,避免了求解复杂的二次规划问题,通过求解一个线性方程组得到近似解。数值实验证明了我们方法的有效性。(本文来源于《西安电子科技大学》期刊2018-04-01）
申培萍,王路凡[4]（2018）在《一类广义线性多乘积问题的完全多项式时间近似算法》一文中研究指出本文针对一类广义线性多乘积问题提出一种求其全局最优解的完全多项式时间近似算法,并给出算法的理论分析和计算复杂性,数值结果表明本文算法有效可行.(本文来源于《应用数学》期刊2018年01期）
申培萍,申子慧[5]（2017）在《广义线性多乘积问题的完全多项式时间近似算法》一文中研究指出本文针对广义线性多乘积极小化问题,通过一系列的线性规划问题的解提出一种求其全局最优解的完全多项式时间近似算法,并给出该算法的计算复杂性,且数值算例验证该算法是可行的.(本文来源于《计算数学》期刊2017年03期）
陈绪君,朱宇芳,胡君红,马得宇[6]（2016）在《滑动窗近似线性依赖稀疏的核递推最小二乘算法》一文中研究指出针对测试训练期间变化的信道环境,提出一种新的滑动窗近似线性依赖稀疏的核递推最小二乘算法。该算法核矩阵的尺寸只与滑动窗口宽度有关。选择字典表中最近的L个数据测试近似线性依赖准则,减少系统开销并降低系统实现的复杂度,克服ALD-KRLS算法核矩阵随字典表线性增长的缺陷。当训练序列的自相关矩阵特征根谱大于40时,较SW-KRLS均方误差性能有近3 d B的改善,且具有更小的稳态失调特性。仿真结果表明,与ALD-KRLS算法和KRLS算法相比,该算法具有更快的收敛速度和较好的均方误差性能。(本文来源于《计算机工程》期刊2016年08期）
任泺锟,李慧嘉,贾传亮[7]（2016）在《近似线性时间的社团结构动态演化挖掘算法》一文中研究指出探测网络社团结构对于分析、设计复杂的自然或工程网络至关重要,然而现有的探测技术主要依托于最优化和启发式算法,不能兼顾计算效率和准确性。因此提出了一种基于演化迭代技术的动态社团探测算法,它能准确高效地发现网络中的社团结构。首先引入了一个离散时间的动态系统,通过描述社团划分收敛到特定指标最优的演化轨迹来确定社团划分。接着提出了一个一般化的指标函数,以确定网络中最优的社团数量及最稳定的社团结构。该指标函数极具概括性,改变相应的参数即可引申到各种已广泛应用的指标函数。针对参数选择的困难,利用图生成模型自动确定社团划分的指标函数。此算法效率很高,计算复杂度与稀疏网络中的节点数量呈近似线性关系。最后,在人工和真实网络中进行了大量的仿真实验来测试算法表现,结果显示所提算法能够揭示很多有价值的信息。(本文来源于《计算机科学》期刊2016年S1期）
邓晓平,申建平,桑会平,马路娟[8]（2015）在《基于近似线性MMSE的频域Turbo均衡算法研究》一文中研究指出Turbo均衡将Turbo码的迭代译码思想扩展到信道均衡领域,通过迭代的方式在信道均衡器和解码器之间进行数次软信息交互,从而能够达到比传统均衡处理更优的抗多径干扰性能。针对Turbo均衡在实际应用中的复杂度过高的问题,给出了一种基于近似线性MMSE的频域Turbo均衡算法。该算法通过快速傅里叶变换将基于MMSE准则信道均衡处理转换到频域进行,从而避免了复杂的矩阵求逆运算。仿真结果表明,相对于时域的近似线性Turbo均衡算法,该算法在时不变多径信道下能够以相对较低的复杂度实现更好的抗多径干扰性能。(本文来源于《无线电工程》期刊2015年05期）
万芮,徐姿[9]（2014）在《广义交替近似梯度算法的线性收敛分析》一文中研究指出针对两个可分凸函数的和在线性约束下的极小化问题,在交替方向法的框架下,提出广义的交替近似梯度算法.在一定的条件下,该算法具有全局及线性收敛性.数值实验表明该算法有好的数值表现.(本文来源于《运筹学学报》期刊2014年03期）
刘平平[10]（2014）在《近似线性规划算法的改进与应用》一文中研究指出近似线性规划算法是众多求解非线性问题的算法之一,它主要通过将非线性规划问题进行一阶泰勒展开得到近似线性规划问题,通过对近似线性规划问题求解得到原问题的近似最优解。但该算法在实施过程中存在很多缺陷,如：迭代点不满足某些约束条件或不能使目标函数减少时算法边界调整的判定条件以及边界调整步骤过于粗略简单；算法最优解的判定条件无理论依据支持；求解新迭代点依赖其他算法；实施过程中受到诸如初始点、步长限制量、缩小系数等人为设置因素影响较大等,这些因素都从不同程度上影响着算法的精度以及收敛性。基于对近似线性规划算法的研究分析,本课题主要从下列叁个方面分别对近似线性规划算法进行改进并提出近似线性过滤规划算法：1)采用最速搜索的思想来取代近似线性规划算法依赖其他线性规划方法求解新迭代点；2)采用评价函数来确保所求迭代点具有良好的方向性和空间性,并引入线性过滤集的思想加强算法的收敛性与可靠性；3)引入移入/移出向量来克服人工设定步长限制量和缩小系数的人为因素干扰,并且细化了边界调整判定及步骤。文中采用大量的非线性问题对近似线性过滤规划算法进行测试,测试结果表明近似线性过滤规划算法具有较高的精度和良好的收敛性。为验证近似线性过滤规划算法在实际优化问题中的应用效果,本课题分别建立了锅炉清洗调度和苯与甲苯闪蒸分离过程的优化模型,将近似线性过滤规划算法优化的结果与现有的结果进行比较得知,经近似线性过滤规划算法优化的结果更具有实际意义。(本文来源于《北京化工大学》期刊2014-05-24）
近似线性算法论文开题报告
（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：
本文首先将一般形式的线性分式多乘积规划问题(MP),转化为特殊形式的子问题.再根据子问题提出一种求解(MP)的完全多项式时间近似算法,并从理论上证明该算法的收敛性和计算复杂性,数值算例也说明了算法是可行的.
（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。
近似线性算法论文参考文献
[1].申子慧,申培萍.线性分式多乘积规划问题的完全多项式时间近似算法[J].计算数学.2019
[2].申培萍,黄冰迪.线性分式多乘积规划问题的多项式时间近似算法[J].应用数学.2018
[3].王保军.线性微分方程近似解的LS-SVM算法研究[D].西安电子科技大学.2018
[4].申培萍,王路凡.一类广义线性多乘积问题的完全多项式时间近似算法[J].应用数学.2018
[5].申培萍,申子慧.广义线性多乘积问题的完全多项式时间近似算法[J].计算数学.2017
[6].陈绪君,朱宇芳,胡君红,马得宇.滑动窗近似线性依赖稀疏的核递推最小二乘算法[J].计算机工程.2016
[7].任泺锟,李慧嘉,贾传亮.近似线性时间的社团结构动态演化挖掘算法[J].计算机科学.2016
[8].邓晓平,申建平,桑会平,马路娟.基于近似线性MMSE的频域Turbo均衡算法研究[J].无线电工程.2015
[9].万芮,徐姿.广义交替近似梯度算法的线性收敛分析[J].运筹学学报.2014
[10].刘平平.近似线性规划算法的改进与应用[D].北京化工大学.2014