导读:本文包含了启发搜索论文开题报告文献综述及选题提纲参考文献，主要关键词:搜索引擎,智能化,档案管理,隐私保护
启发搜索论文文献综述
荆蕾[1]（2019）在《搜索引擎智能化对档案管理中隐私权保护的启发》一文中研究指出数字化和智能化是今后档案管理发展的必然趋势,那么当互联网技术被广泛运用到档案管理工作中之后,档案中记载的当事人的隐私权和所有权就很可能在有意或者无意之间被泄露出去,可是同时,随着社会发展档案信息不可避免的越来越多的被各个领域所广泛利用。档案作为一种特殊的信息载体,在使用过程中如何保护隐私权的问题就尤为重要,这也是档案管理环节中的一个弱点。档案管理中保护公民隐私,并不仅仅是保护档案材料,它是一门技术,也是一门艺术,智能化搜索引擎飞速发展的今天,保护档案材料中涉及隐私权的内容任重而道远。本文将对搜索引擎智能化对档案管理涉及到公民隐私权保护的问题进行初步探讨。(本文来源于《中外企业家》期刊2019年33期）
孙奥林,曹翔,肖旭,徐丽雯[2]（2019）在《基于生物启发神经网络的多AUV目标搜索》一文中研究指出针对多AUV(Autonomous Underwater Vehicle)目标搜索问题,引入生物启发神经网络,提出生物启发多AUV搜索算法。将水下栅格地图与生物启发神经网络相联系,神经网络中每一个神经元与水下栅格地图中的位置单元一一对应,根据该神经网络中神经元的在线活性输出值分布情况制定AUV局吸引,同时受障碍物的局部排斥,使AUV性,提高AUV目标搜索的实时性。静态环境和动态环境下仿真结果证明生物启发神经网络在多AUV目标搜索中的有效性。(本文来源于《舰船电子工程》期刊2019年03期）
李媛媛,贾志成,陈雷,郭艳菊[3]（2019）在《受启发的回溯搜索算法在优化问题中的应用》一文中研究指出回溯搜索算法是一种比较新且具有一定竞争力的群体智能优化算法。然而,它的搜索方程存在着开发能力和探索能力不平衡的缺点。针对这一问题,受贪婪机制和粒子群算法的启发,分别提出了一个在最优解附近进行深度开发的搜索方程和一个能够及时跳出局部极值的带扰动算子的搜索方程。在算法寻优过程中,将前一个开发能力较强的搜索方程和后一个搜索能力较强的搜索方程配合使用以确保算法的搜索能力在两方面尽可能地达到平衡。通过对标准测试函数的仿真实验并与其他算法相比较,结果表明所提出的算法在处理复杂的数值优化问题时表现出了良好的性能。(本文来源于《燕山大学学报》期刊2019年01期）
王海龙[4]（2018）在《基于自然启发的回溯搜索优化算法开采能力的改进研究》一文中研究指出优化是应用数学和计算科学领域中的重要研究分支,元启发式算法已经成为优化领域最热门的研究方向之一。随着计算机技术的不断发展,越来越多新颖高效的元启发式算法已经被广泛应用于多个工程应用领域。回溯搜索优化算法(BSA)是一种基于种群的新兴元启发式算法,其独具特色的记忆历史种群功能使得该算法在每次进化过程中能够同时利用当代信息和历史信息,此外BSA还拥有较强随机性的变异算子和依概率调用的双交叉机制,这些优点使得BSA具有强大的全局勘探能力。然而,BSA仍然存在不足:一方面,BSA的变异控制参数波动范围过大,易造成算法局部开采能力的不足,影响了收敛速度;另一方面,当历史信息和当代信息趋于相同时,算法易陷入局部最优。为此,本文在对BSA的改进和应用研究进行了全面地综述后,提出了两种基于自然启发的改进BSA以提高算法的优化性能,并将改进算法应用于实际约束工程优化问题的求解中,主要研究工作如下:1.介绍了BSA的设计原理和算法框架,分析了该算法的优缺点,并系统地综述了BSA的改进及其应用研究,为后续的算法改进研究提供了一定的基础;为检验BSA的性能,提出了基于BSA不等距节点分割的数值积分方法并用于求解复杂数值积分算例,算例的结果说明了BSA的性能较同类算法具有更强竞争力。2.针对BSA的变异控制参数(F)波动幅度较大从而影响收敛速度这一不足,提出了一种受模拟退火启发的改进回溯搜索优化算法(BSAISA)。通过学习模拟退火中的接受概率特性,重新设计了一种能够自适应减小的F值,该策略能够为算法在迭代前期的全局勘探和后期局部开采提供一个有效权衡。在两套约束优化测试集上的实验结果验证了改进算法的优秀性能。3.为进一步提高算法的性能,在BSAISA的改进研究基础上,又引入了一种新的自然启发改进策略,即物种进化规则,进而,提出了受模拟退火思想和物种进化规则而启发的新改进回溯搜索优化算法(SSBSA)。新的改进策略借鉴了物种进化规则中的指定保留机制,利用适应度反馈信息的指导,保留前代指定的历史种群oldP和参数F到下次迭代中,这种独特的保留机制可以提高BSA的局部开采能力并有效避免了算法陷入局部最优。SSBSA在若干约束工程优化问题上进行了仿真实验,实验结果验证了SSBSA的性能优于BSAISA和BSA;而且,其与其他同类算法的对比结果,验证了该算法在收敛速度方面更具竞争力。(本文来源于《长江大学》期刊2018-05-01）
张智彤,倪建军,莫正佩[5]（2018）在《基于改进生物启发神经网络的机器人目标搜索方法》一文中研究指出针对未知环境下机器人目标搜索的问题,按照机器人能力不同对搜索区域进行划分,目标点在自己运动的过程中会在局部范围内留下信息素并且这些信息素会随着时间的流失而减少,机器人可以探测到这些信息素的多少进而影响机器人下一个搜索位置的选择。本文采用改进生物启发神经网络选取机器人探索范围内活性值最大的点作为下一个搜索位置。为了防止在连续的时间段内多次选择相同的点,引入禁忌搜索,把多次选择相同的点放入禁忌表中,可以有效防止陷入局部最优点。与随机搜索方式和原始的生物启发神经网络进行对比,验证了该方法对动态目标的搜索具有良好的效果。(本文来源于《计算机与现代化》期刊2018年04期）
李峰[6]（2017）在《生物启发的多机器人系统编队控制与协同搜索》一文中研究指出多机器人系统(MRS)是多个功能相对简单的机器人通过相互通信、协作等方式组成的整体系统。与传统单机器人相比,其结构松散,冗余度较高,因而具有更好的鲁棒性和并行处理能力。然而由于系统中个体的行为能力有限,所以设计合理的协同控制方式是提升系统整体性能的关键。本论文借助内分泌调节、情感调节以及免疫学习等生物网络调节机理和启发式智能思想,围绕MRS中编队控制和协同搜索两类典型协同问题,针对MRS动态建模、协同编队、协同目标搜索、协同进化等问题展开了一系列深入的研究。本论文旨在深入理解MRS中协同控制机理,从系统的内部状态协同和整体协同规划两个方面构建合理、高效的协同控制算法。本论文的主要贡献如下:(1)MRS编队控制问题广泛存在于工业生产、军事行动及日常生活当中,是系统内部状态控制的基础问题。为了解决系统协同编队和避障等问题,本文基于内分泌调节机理提出了一种新的非线性控制器。通过采用领航者跟随策略,所提的控制算法可以驱动MRS形成任意编队朝目标位置移动,与此同时避免与障碍物发生碰撞。文中理论证明了所提算法在李雅普诺夫意义下是渐近稳定的,且收敛于目标位置。(2)针对领航者跟随策略中固定领航者缺少灵活性和易于陷入局部困境的问题,为MRS提出了一种动态领航者选择模型。其中模糊推理系统被用于根据机器人自身状态和周围环境评估MRS是否被困。在模糊评估的基础上,我们提出了一种情感共识模型以触发领航者重选过程。此外,一种改进型贪婪算法被用于解决在线编队规划这一组合优化问题。通过仿真实验对比不同领航者切换策略,所提的方法可以显着提升机器人编队逃出困境的能力,在领航者故障或被摧毁的情况下,所提模型可以自主地重选领航者,继续完成任务,提高了MRS的鲁棒性和生存能力。(3)除了自身内部的状态协同外,MRS还被广泛应用于目标搜索、灾害救援、目标跟踪等领域,因此需要构建合理的外部运动协同控制算法,以解决强干扰、大尺度的协同搜索问题。本论文以搜救问题为基础,归纳出一类具有非高斯噪声扰动的复杂动态搜索问题。为了解决这一问题,构建了一种基于分布式采样的自适应实时协同搜索模型。模型采用分布式采样和自适应步长控制器,以平衡MRS的探索和发掘能力。采用两种不同信息共享方式,所提模型表现出了不同程度的协同搜索行为。仿真实验表明,在仅采用局部采样的条件下该模型表现出了良好的搜索和跟踪能力。通过分析实验结果,发现所提算法对采样点数量变化并不敏感,这使得该模型可以通过较少的计算量获得较高的搜索性能和跟踪精度。(4)在多目标动态搜索问题的基础上,讨论了在随机可观测条件下对多个逃逸目标进行搜索的问题。结合免疫应答机理,从机器学习的角度提出了一种适用于MRS解决一般动态问题的协同进化网络模型。所提出的模型主要包括两个部分,其中免疫细胞网络负责快速给出复杂动态问题的可行解,免疫学习算法对完整解决策略给出评价,并根据评价不断更新记忆库中的历史策略。亲合度较高的策略将被用于强化训练免疫细胞网络,以提高网络再次求解类似问题时的性能。对所提模型的记忆模块可视化后可以看到,在采用系统重复解决同一动态问题提后,模块中记忆细胞的分布涌现出明显的分簇现象。在搜索过程中系统从随机分配逐渐表现出了协同行为。对比实验表明采取所提模型可以显着提升系统的搜索性能。最后,对全文中所研究的多机器人协同控制问题做了总结,指出这一领域中亟待解决的问题和所采用的方法中的一些不足,并对该领域研究的发展方向和方法做了展望。(本文来源于《东华大学》期刊2017-03-01）
何怡[7]（2011）在《浅谈启发搜索算法的一些具体应用》一文中研究指出本文对人工智能中的经典启发式搜索算法——A*算法,进行了较为详细的介绍,并以八数码问题(华容道问题)为例,对传统的启发函数(不在位的将牌的个数)进行了改进,改进后的启发函数采用每个将牌与其目标位置距离的综合。实践证明,新的启发函数能够大大提高搜索效率和节省搜索空间。(本文来源于《青春岁月》期刊2011年24期）
王建雄[8]（2011）在《博弈树启发搜索算法在五子棋游戏中的应用研究》一文中研究指出博弈是启发式搜索的一个重要应用领域,博弈的过程可以用一棵博弈搜索树表示,通过对博弈树进行搜索求取问题的解,搜索策略常采用α-β剪枝技术。在深入研究α-β剪枝技术的基础上,结合五子棋游戏特征,设计了五成/双叁、估值函数和α-β剪枝算法相结合的改进博弈树搜索算法,实现了人机智能对弈的五子棋游戏。(本文来源于《科技情报开发与经济》期刊2011年29期）
Mithun,M,Bhasskar,Mohan,Benerji,Sydulu,M[9]（2011）在《基于启发搜索空间遗传算法的安全控制最优潮流方法(英文)》一文中研究指出提出了一种新的可用于安全控制最优潮流问题的遗传算法。该算法应用了一个全新的启发式搜索空间技术,具有更快的收敛速度,缩减了计算的负担。实验采用IEEE 30 bus系统,并以传统的简单遗传算法(SGA),自适应遗传算法(AGA),粒子群技术(PSO),差别演变(DE)作为进行实验比较,结果表明,在具有以及不具有(N-1)断电的偶然性的实例分析中,本文所提算法有更好的鲁棒性,在优化问题上有较好的应用前景。(本文来源于《昆明理工大学学报(自然科学版)》期刊2011年03期）
郑书朋,郑淑涛,朱思滨,韩俊伟[10]（2011）在《基于启发搜索策略的飞行仿真系统实时调度算法》一文中研究指出针对飞行仿真系统中多种类型任务并发执行及任务具有严格定时限制和时序约束的特点,探讨了飞行仿真系统混合任务集的实时调度问题.通过建立混合任务集调度模型,把飞行仿真系统实时调度描述成一种受约束的在状态空间上的路径寻优问题.基于对启发式估价函数的设计,利用启发式搜索策略在所有符合约束的状态节点中搜索使启发式估价函数值最小的节点,经节点扩展得到了使混合任务集延迟时间最小的可行调度.建立飞行仿真系统混合任务集实时调度构架对调度算法进行试验验证,结果表明,该算法有效解决了飞行仿真系统中多种类型任务集成调度问题,并能以较低的时间开销满足飞行仿真系统对响应时间的一致性要求.(本文来源于《沈阳工业大学学报》期刊2011年01期）
启发搜索论文开题报告
（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：
针对多AUV(Autonomous Underwater Vehicle)目标搜索问题,引入生物启发神经网络,提出生物启发多AUV搜索算法。将水下栅格地图与生物启发神经网络相联系,神经网络中每一个神经元与水下栅格地图中的位置单元一一对应,根据该神经网络中神经元的在线活性输出值分布情况制定AUV局吸引,同时受障碍物的局部排斥,使AUV性,提高AUV目标搜索的实时性。静态环境和动态环境下仿真结果证明生物启发神经网络在多AUV目标搜索中的有效性。
（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。
启发搜索论文参考文献
[1].荆蕾.搜索引擎智能化对档案管理中隐私权保护的启发[J].中外企业家.2019
[2].孙奥林,曹翔,肖旭,徐丽雯.基于生物启发神经网络的多AUV目标搜索[J].舰船电子工程.2019
[3].李媛媛,贾志成,陈雷,郭艳菊.受启发的回溯搜索算法在优化问题中的应用[J].燕山大学学报.2019
[4].王海龙.基于自然启发的回溯搜索优化算法开采能力的改进研究[D].长江大学.2018
[5].张智彤,倪建军,莫正佩.基于改进生物启发神经网络的机器人目标搜索方法[J].计算机与现代化.2018
[6].李峰.生物启发的多机器人系统编队控制与协同搜索[D].东华大学.2017
[7].何怡.浅谈启发搜索算法的一些具体应用[J].青春岁月.2011
[8].王建雄.博弈树启发搜索算法在五子棋游戏中的应用研究[J].科技情报开发与经济.2011
[9].Mithun,M,Bhasskar,Mohan,Benerji,Sydulu,M.基于启发搜索空间遗传算法的安全控制最优潮流方法(英文)[J].昆明理工大学学报(自然科学版).2011
[10].郑书朋,郑淑涛,朱思滨,韩俊伟.基于启发搜索策略的飞行仿真系统实时调度算法[J].沈阳工业大学学报.2011