导读:本文包含了量子克隆进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:多目标优化,人工免疫系统,克隆,混沌
量子克隆进化算法论文文献综述
朱命昊[1]（2011）在《量子克隆多目标进化算法研究》一文中研究指出科学与工程实践中的许多优化问题都可归结为多目标优化问题,这些目标通常相互竞争或相互冲突且无法直接比较优劣。而目前已有的多目标优化算法存在局部收敛、种群多样性差、时间复杂度高和对参数敏感等问题。因此,研究一种更高效的多目标优化算法非常具有科研价值和实际意义。人工免疫系统(AIS)是模仿生物免疫系统功能的一种智能方法,具有较强的识别、学习、记忆和自适应能力。量子进化算法(QEA)是一种以量子计算理论为基础的概率搜索算法,具有较好的群体多样性、全局寻优能力、群体规模较小但不影响算法的性能等优点。本文在分析多目标进化算法、人工免疫系统和量子进化算法的优缺点的基础上,基于混沌搜索的遍历性、量子计算的高效性和人工免疫系统中的抗体克隆选择学说,提出了两种用于求解多目标优化问题的量子克隆算法和量子克隆多目标进化算法的理论框架。本文的主要研究内容概括如下:(1)提出了一种新颖的多目标优化算法——混沌量子克隆多目标进化算法。该算法引入新的量子编码方法,并设计了相应的混沌量子旋转门变异算子提高算法的收敛性;对优势抗体进行比例克隆;采用拥挤距离保持种群的多样性和分布性。对算法的性能和复杂度进行了分析。理论分析和数值仿真证明了该算法的有效性。(2)提出了一种基于非均匀变异的量子克隆多目标进化算法。该算法将非均匀变异与混沌量子旋转门变异结合,设计了一种新的量子旋转门变异——非均匀混沌量子旋转门变异。同时采用动态混沌参量加快了算法的收敛速度,提高了算法的收敛性。对其性能进行了分析,理论分析和实验结果表明,该算法具有较好的收敛性和较快的收敛速度,最优解在Pareto-前端上均匀性较好、分布比较宽广。(本文来源于《西安科技大学》期刊2011-06-30）
李慧君[2]（2010）在《基于量子克隆进化算法的BP神经网络POLSAR图像分类》一文中研究指出POLSAR图像分类是POLSAR图像处理中的重要内容,也是POLSAR图像解译的关键技术之一。POLSAR图像分类是将POLSAR图像解译系统中的前端部分单独提取出来作为具体应用的典型实例。快速、准确的POLSAR图像分类是实现各种实际应用如目标检测与识别的前提。本文采用了一种基于量子克隆进化算法的BP神经网络分类器,并使用该分类器对POLSAR图像进行分类。该分类器包含两个步骤:使用量子克隆进化算法优化BP神经网络的初始权值和阈值;使用梯度下降法对权值和阈值进行精确调整。论文首先介绍了POLSAR图像分类的背景以及国内外的发展概况,然后介绍明了POLSAR图像的特征提取方法,并详细阐述了如何使用基于链式竞争策略的智能体遗传算法(LAGA)的并行式多准则特征选择算法对已提取的POLSAR图像特征进行选择,接着描述了量子克隆进化算法(QCEA)的起源、基本原理和算法流程,并采用了一种使用量子克隆进化算法来优化BP神经网络分类器的初始权值和阈值的方法。最后,将提取和选择后的POLSAR图像特征输入量子克隆进化算法优化后的BP神经网络分类器中,得到POLSAR图像的分类结果。综上所述,本文主要完成了两项工作:其一,提出基于量子克隆进化算法优化的BP神经网络的初始权值和阈值的方法,经过优化后的BP神经网络能够收敛到全局最优值,当该BP神经网络用于分类和函数优化时可以得到更加精确的结果;其二,将该分类器用于POLSAR图像的分类中,实验结果表明本文的算法与其他经典分类算法比较,分类结果图的效果更好,分类精度也更高。(本文来源于《哈尔滨工业大学》期刊2010-07-01）
李阳阳[3]（2004）在《量子克隆进化算法研究》一文中研究指出人类已步入信息时代，物质、能量、信息是人类赖以生存的叁大资源。以计算机为核心的现代信息处理和以数字化通信为特征的现代信息传输正在紧密地结合起来，将人类带入到未来崭新的信息时代。作为智能信息科学发展中有生命活力的一个研究方向，计算智能已经引起了广泛的关注。近年来普遍认为：计算智能是在神经网络、模糊系统、进化计算叁个分支发展相对成熟的基础上，相互融合而形成的一种新的计算方法。事实上，“计算智能”(或“智能计算”)是一个内蕴相当丰富的概念，长期以来，分布于世界各地的计算机科研人员都在因循不同的方向、通过各异的途径来设法接近这一概念的实质。实际上，计算智能是一门跨越包括物理学、数学、计算机科学、通讯、生理学、进化理论和心理学等学科在内的深奥科学。因此，引入各领域的有效知识对它进行研究，就能为建立一种更统一的智能系统设计和优化方法提供基础，也是计算智能一个必然的发展趋势。本文研究了一种将量子理论运用到进化计算当中并结合人工免疫系统中的克隆选择学说的量子克隆进化算法，提出了它的理论框架，证明了其收敛性，并讨论了它的应用。理论分析和仿真结果证明：量子克隆进化算法是全局收敛的，且具有快速进化求优的能力。本文主要内容概括如下： (1)本文将量子理论与人工免疫系统中的克隆选择学说思想相结合提出了一种新颖的学习算法——量子克隆进化算法，证明了该算法收敛性，仿真试验表明：该算法是可行有效的。给出了克隆算子的具体实现方法； (2)在分析进化算法的不足和瓶颈问题后，提出了量子克隆进化计算的理论框架，其中包括：量子克隆遗传算法、量子克隆进化策略、量子克隆进化规划。(本文来源于《西安电子科技大学》期刊2004-01-01）
刘芳,李阳阳[4]（2003）在《量子克隆进化算法》一文中研究指出本文在量子进化算法的基础上结合基于克隆选择学说的克隆算子 ,提出了改进的进化算法———量子克隆进化策略算法 (QCES) .它既借鉴了量子进化算法的高效并行性又利用克隆算子来代替其中的变异和选择操作 ,以增加种群的多样性 ,避免了早熟 ,且收敛速度快 .本文不仅从理论上证明了该算法的收敛 ,而且通过仿真实验表明了此算法的优越性(本文来源于《电子学报》期刊2003年S1期）
量子克隆进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：
POLSAR图像分类是POLSAR图像处理中的重要内容,也是POLSAR图像解译的关键技术之一。POLSAR图像分类是将POLSAR图像解译系统中的前端部分单独提取出来作为具体应用的典型实例。快速、准确的POLSAR图像分类是实现各种实际应用如目标检测与识别的前提。本文采用了一种基于量子克隆进化算法的BP神经网络分类器,并使用该分类器对POLSAR图像进行分类。该分类器包含两个步骤:使用量子克隆进化算法优化BP神经网络的初始权值和阈值;使用梯度下降法对权值和阈值进行精确调整。论文首先介绍了POLSAR图像分类的背景以及国内外的发展概况,然后介绍明了POLSAR图像的特征提取方法,并详细阐述了如何使用基于链式竞争策略的智能体遗传算法(LAGA)的并行式多准则特征选择算法对已提取的POLSAR图像特征进行选择,接着描述了量子克隆进化算法(QCEA)的起源、基本原理和算法流程,并采用了一种使用量子克隆进化算法来优化BP神经网络分类器的初始权值和阈值的方法。最后,将提取和选择后的POLSAR图像特征输入量子克隆进化算法优化后的BP神经网络分类器中,得到POLSAR图像的分类结果。综上所述,本文主要完成了两项工作:其一,提出基于量子克隆进化算法优化的BP神经网络的初始权值和阈值的方法,经过优化后的BP神经网络能够收敛到全局最优值,当该BP神经网络用于分类和函数优化时可以得到更加精确的结果;其二,将该分类器用于POLSAR图像的分类中,实验结果表明本文的算法与其他经典分类算法比较,分类结果图的效果更好,分类精度也更高。
（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。
量子克隆进化算法论文参考文献
[1].朱命昊.量子克隆多目标进化算法研究[D].西安科技大学.2011
[2].李慧君.基于量子克隆进化算法的BP神经网络POLSAR图像分类[D].哈尔滨工业大学.2010
[3].李阳阳.量子克隆进化算法研究[D].西安电子科技大学.2004
[4].刘芳,李阳阳.量子克隆进化算法[J].电子学报.2003