导读:本文包含了频率分配问题论文开题报告文献综述及选题提纲参考文献，主要关键词:需求不确定,基于频率,多集装箱分配,MIP问题
频率分配问题论文文献综述
刘微微[1]（2017）在《需求不确定情形下基于船舶发船频率的多集装箱分配问题研究》一文中研究指出随着社会的不断发展,进出口贸易在国有经济扮演着举足轻重的角色。传统的集装箱运输主要以“港到港”或“站到站”的形式为主。船公司为了减小分配难度,总是将集装箱在不同港口之间的转运、联运手动拆解为起运港“直达”中转港,集装箱再从中转港“直达”目的港,分配好后再根据人工经验,对分配结果进行调整。此种分配方式在无形中会为公司增加很多无必要的成本。在运输过程中,中转的现象越来越常见,所以如何将中转考虑在内,在网络中分配集装箱流量使船公司的效益最大就有着重要意义。本文主要研究了在船舶发船频率既定情形下,集装箱在网络中如何分配能使得网络整体效益达到最大的问题,研究此问题本文主要包括如下3个主要方面:第一,构建基于船舶发船频率的多集装箱分配问题的数学模型。本文以集装箱的航行时间以及在港停留时间之和最小为目标函数,考虑了港口的流量平衡限制条件以及路径流量限制条件,除此之外,还结合港口特征增加了港口装卸能力的限制条件以及多集装箱优先权的限制条件。在本文中多集装箱主要特指干货箱和冷藏箱两种集装箱。由于冷藏箱必须放在设有通电插座的船槽上,因而具有较高的优先权。在模型中,本文用船型大小限制多集装箱的优先权,使模型能更真实的反映现实情况。第二,采用连续变量与(0-1)变量成绩线性化方法将MIP问题线性化。建模结束之后,为了求解模型,本文引入新(0-1)变量以判断路径是否具有吸引力,若计算结果显示,在该条路径上分配流量可获益,则0-1变量为1,该路径具有吸引力;若计算结果表示,在该路径上分配流量不可获益,则0-1变量取0,该路径不具有吸引力。此时模型为非线性方程,若直接求解,需耗费大量时间设计程序与算法。本文运用新型线性化方法,将原模型转化成线性方程,可采用常规线性规划求解方法求解,大幅度降低了模型的求解难度和复杂度,这也是本文的重点所在,最后在虚拟网络中验证分配算法。第叁,考虑需求的不确定性提出集装箱延迟拒绝策略。本文通过考虑需求的不确定性将流量分配结果在时间上实现动态联动。本文设定若需求过大,集装箱在本周不能及时运出,则在港口堆场并在下周优先装船,若堆场一周后仍无法运出,则拒绝运输。文中根据这个条件分类讨论了当需求变动时可能会出现的集装箱延迟拒绝策略,具体分析了两种优先权不一样的集装箱需求变动时相邻周次之间集装箱的延迟数量和拒绝数量,并重新建立了需求不定情形下的基于船舶发船频率的多集装箱分配模型,共同寻求相邻周之间最优合理分配方案,并采用蒙特卡洛随机算法求解。实验结果表明本文提出的集装箱分配模型可全面刻画优先权不同的集装箱分配问题,线性化处理方法有效降低了模型的求解难度,能够在更短的时间内生成满意的集装箱分配方案,可有效运用在集装箱分配问题的研究中。(本文来源于《东南大学》期刊2017-12-01）
刘俊霞[2]（2016）在《SM-DPSO算法在频率分配问题上的应用》一文中研究指出针对移动通信频率分配过程中已有算法存在收敛率低和算法收敛时间长的问题,提出了基于选择性变异(SMDPSO)的双粒子群优化算法,并用于解决频率分配问题。提出算法将粒子群划分为两个子群采用不同的更新策略,使算法易跳出局部最优解;对单个粒子进行选择性变异,提高了种群多样性的同时加快了算法的收敛速度。仿真结果表明:SM-DPSO能较好的解决移动通信的频率分配问题,提高了算法的收敛率和收敛速度。(本文来源于《电子设计工程》期刊2016年15期）
何署芳[3]（2015）在《基于图染色的频率分配问题的研究》一文中研究指出频率分配问题是一种完全多项式非确定性问题,属于多目标组合最优化问题。通常,频率分配的算法包括确定性算法、启发式算法、计算智能方法等。确定性算法每步可以得到确定的结果,但运行时间不能确定;启发式算法通常可以在合理的时间内解出答案,但不能保证每次的效率;计算智能方法具有自学习、自组织、自适应的特征和简单、通用、鲁棒性强、适于并行化处理的优点。本文研究的图染色算法就是计算智能方法的一种。针对大多数频率分配算法在收敛性、均衡性等方面存在的不足,结合图论图染色的特性,本文主要研究了图顶点染色算法和广义图染色算法在频率分配问题上的应用。论文围绕频率分配的关键技术,从以下几个方面展开了研究:(1)针对传统频率分配算法收敛性差、时间复杂度高、局部搜索能力不强等缺点,提出了一种基于图顶点染色的混合优化算法。该算法首先通过遗传算法产生后代解对问题进行初始化,然后根据图节点度的大小,将图中顶点进行排序染色,在相同的空间复杂度的情况下降低了编码执行的随机性,提高了整个系统的公平性;同时,利用禁忌搜索算法对搜索空间进行双领域交替搜索,减少算法陷入局部最优而产生的迂回,大大提高了算法的收敛速度。(2)针对频率分配问题中产生的邻频干扰,提出了一种新的基于广义图染色(T-Colorings)的优化算法。该算法以图顶点染色的混合优化算法为基础,把网络中的每个节点视为是独立、同步运行的,通过分布式并行执行,有效地提高了算法运行速度。在网络拓扑发生变化时,广义图染色优化算法只需在对比原来信息和现在信息之后,对局部做出少量修改补偿来完成新的频谱分配,而不需要重新生成分配方案,显着降低了系统开销。(3)本文通过图染色基准问题在Microsoft Visual Studio.NET 2013平台上进行测试。实验结果表明基于图顶点染色的混合优化算法在考虑到对用户的公平性的基础上,有较好的寻优能力和更快的收敛速度,能准确地得出满足全局最优的目标解。通过费城实例进行仿真实验测试,实证了广义图染色优化算法在一定程度上提高了信号间的抗干扰能力,实现了频率资源的最大化。(本文来源于《江西理工大学》期刊2015-05-30）
徐美荣,王玉振[4]（2015）在《Conflict-free着色问题及其在频率分配中的应用》一文中研究指出研究了超图的conflict-free着色问题。利用矩阵半张量积方法给出了conflict-free着色的两个充要条件,建立了一个可以确定出所有conflict-free着色方案的新算法。把结果应用于频率分配问题,说明了理论结果的有效性和应用性。(本文来源于《山东大学学报(工学版)》期刊2015年01期）
布仁巴图[5]（2014）在《固定频率分配问题的综述》一文中研究指出本文对固定频率分配问题进行了简单的介绍,叙述了固定频率分配问题中所考虑的干扰因素、数学模型,并且讨论了固定频率分配问题的一些典型的算法。(本文来源于《阴山学刊(自然科学版)》期刊2014年02期）
布仁巴图[6]（2014）在《基于遗传算法的固定频率分配问题研究》一文中研究指出无线电频率是一种有限的资源。随着通信网络和通信技术的发展,有限的频率资源和日益增多的频率需求量之间的矛盾面临着新的挑战。频率分配问题(Frequency-Assignment-Probelm)是指,在考虑一些干扰因素并且满足小区频率需求量的前提下,寻找一种频率分配方案。是一种典型的NP-Complete组合优化问题。小区频率需求量是频率分配问题的硬约束条件,然而目前主流使用的二进制编码方式、最小间隔编码方式等频率分配问题的遗传算法编码方式不自然满足小区频率需求量。本文针对已有的编码方式不自然满足小区频率需求量的不足上使用了一种自然满足小区频率需求量的实数编码方式,并且对固定频率分配问题经行了以下的工作：(1)本文首先介绍了频率分配问题的国内外研究现状：(2)在已有的频率分配问题模型基础上,总结建立了5种数学模型。(3)本文对求解频率分配问题的算法进行了简单的总结；(4)针对已有的遗传算法的二进制编码方式、最小间隔编码方式存在不足之处。使用了一种自然满足小区频率需求并且操作容易的编码方式；(5)针对新的编码方式设计了新的适应度函数、初始化种群方案以及5个局部寻优算子。(本文来源于《内蒙古大学》期刊2014-04-23）
周燕云[7]（2013）在《移动通信网络中关于频率分配及QoS路由问题的研究》一文中研究指出近年来，随着移动通信的快速稳定发展，其业务需求和用户数量也随之急剧增多，而有限的网络资源无法更好地满足庞大的网络业务和用户数量时，就会出现严重的网络拥挤或服务质量下降等情况。通常运营商可通过完善业务或增加软硬件设施来尽可能地满足用户的需求。但是，最为有效的措施还是网络优化。在移动通信中，影响网络通信质量的因素有很多，本文从频率资源分配和用户服务质量的角度出发，提出了用改进的人工鱼群算法来解决频率分配问题和改进的粒子群算法来解决QoS组播路由问题，从而合理的分配网络资源，提高网络利用率。本文的主要内容和研究工作如下：频谱资源是通信网络中稀缺的资源之一。在通信网络中，合理有效的频率分配策略对资源分配、提高利用率起着显着的作用。频率分配也可以称为信道分配。在频率分配（CAP）问题中，需考虑如何在众多限制条件下将频点有效的分给各小区，从而满足小区的频率需求并保证通信质量。本文将改进的人工鱼群算法用于解决频率分配问题中。通过对人工鱼寻优行为的改进、可视距离和步长的动态调整和高斯变异算子的使用来保证算法向全局最优位置移动，平衡算法的全局和局部搜索能力，并增加了鱼群状态的多样性，跳出局部极值。仿真结果证明，改进后的算法可以有效地解决频率分配问题。用户对通信业务的满意程度可以作为网络资源是否得到了合理应用的评价标准，也就是所谓的服务质量（QoS）。通信网络过于拥挤或掉话率过多都会影响通信质量，如何在考虑时延、时延抖动、带宽、丢包率等因素的条件下寻找有效的QoS组播路由是本文研究的重点。QoS组播路由问题属于NP完备问题。本文将改进的粒子群算法用于QoS组播路由问题中，通过对粒子群参数的改进、特殊加法算子的引入和变异算子的设计来提高算法的学习能力和收敛速度。仿真结果显示改进粒子群优化算法在解决QoS组播路由问题中有一定的可行性和优越性。(本文来源于《新疆大学》期刊2013-05-18）
卓琨,黄国策[8]（2012）在《基于遗传退火算法的短波频率分配问题研究》一文中研究指出针对短波chirp选频系统的通信网络频率分配问题,建立了合理的干扰模型。同时利用系统所提供的参数,设计了新的算法参数。仿真结果表明,该算法在干扰约束条件下,算法能使全网通信质量达到最优,并对参数选择操作进行比较,给出了就如何设置算法运行参数的合理建议。(本文来源于《电视技术》期刊2012年07期）
翟霄飞,张波,杨建文,李晨辉[9]（2010）在《防空兵战场频谱管理中频率分配与指配问题研究》一文中研究指出防空兵战场频谱管理是一个复杂的问题,基于详细电磁兼容(EMC)分析,结合防空兵战场实际,提出了电磁兼容预测模型,并明确了频率分配与指配的原则和方法,为防空兵战场实施有效的频谱管理提供了参考。(本文来源于《通信对抗》期刊2010年03期）
徐奇,熊晖,李钊,陈大勇[10]（2010）在《一种针对频率分配问题的改进ANTS算法》一文中研究指出频率分配问题是近年来通信领域研究的热点。针对FAP问题提出了一种结合模拟退火算法的改进ANTS算法。运用模拟退火算法产生次优解,利用次优解分配初始信息素,并利用ANTS算法来寻求最佳方案。在ANTS算法的每个蚂蚁寻找局部最优过程中,为了加快运算速度,对局部寻优过程进行了改进。实验结果表明,在解质量相当的情况下,该算法能够大大地加快收敛速度,特别是针对一些较复杂的分配情况,效果明显。(本文来源于《无线电工程》期刊2010年01期）
频率分配问题论文开题报告
（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：
针对移动通信频率分配过程中已有算法存在收敛率低和算法收敛时间长的问题,提出了基于选择性变异(SMDPSO)的双粒子群优化算法,并用于解决频率分配问题。提出算法将粒子群划分为两个子群采用不同的更新策略,使算法易跳出局部最优解;对单个粒子进行选择性变异,提高了种群多样性的同时加快了算法的收敛速度。仿真结果表明:SM-DPSO能较好的解决移动通信的频率分配问题,提高了算法的收敛率和收敛速度。
（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。
频率分配问题论文参考文献
[1].刘微微.需求不确定情形下基于船舶发船频率的多集装箱分配问题研究[D].东南大学.2017
[2].刘俊霞.SM-DPSO算法在频率分配问题上的应用[J].电子设计工程.2016
[3].何署芳.基于图染色的频率分配问题的研究[D].江西理工大学.2015
[4].徐美荣,王玉振.Conflict-free着色问题及其在频率分配中的应用[J].山东大学学报(工学版).2015
[5].布仁巴图.固定频率分配问题的综述[J].阴山学刊(自然科学版).2014
[6].布仁巴图.基于遗传算法的固定频率分配问题研究[D].内蒙古大学.2014
[7].周燕云.移动通信网络中关于频率分配及QoS路由问题的研究[D].新疆大学.2013
[8].卓琨,黄国策.基于遗传退火算法的短波频率分配问题研究[J].电视技术.2012
[9].翟霄飞,张波,杨建文,李晨辉.防空兵战场频谱管理中频率分配与指配问题研究[J].通信对抗.2010
[10].徐奇,熊晖,李钊,陈大勇.一种针对频率分配问题的改进ANTS算法[J].无线电工程.2010