导读:本文包含了局部搜索算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,局部,布谷鸟,自适应,张量,蜂群,特征。
局部搜索算法论文文献综述
曹建芳,李艳飞,崔红艳,张琦[1]（2019）在《自适应样本块局部搜索算法对古代寺观壁画的修复》一文中研究指出针对开化寺宋代寺观壁画存在的脱落病害侵蚀问题,在Criminisi算法的基础上,提出一种自适应样本块局部搜索(ASB-LS)的图像修复算法,实现了壁画脱落区域的虚拟修复.首先分析壁画的构图特征,引入结构张量,利用其特征值重新定义数据项,确保图像的结构信息可以准确传播;然后利用该数据项构成新的优先级函数,使得图像的填充顺序更合理;最后利用结构张量的平均相关性自适应选择样本块的大小,同时采用局部搜索策略提升匹配效率,有效地避免了修复后图像结构误传播和匹配块盲目搜索的问题.在VisualStudio2015环境下、采用开化寺宋代壁画进行仿真实验,与Criminisi算法和其他相关算法相比较,结果表明,提出的ASB-LS算法的修复效果较理想,主观视觉上有明显提升,更符合图像的构图特征;同时修复效率有较大提升,峰值信噪比最大提高了3.1 dB,平均提高了0.9 dB,为古代壁画的实际修复奠定了良好的基础.(本文来源于《计算机辅助设计与图形学学报》期刊2019年11期）
兰雨,苗鹏[2]（2019）在《基于局部搜索算法的低相干光学反射测量系统信号处理方法》一文中研究指出低相干光学反射测量系统是检测光纤器件微损伤的重要仪器,在实际使用中,其很容易受到噪声干扰,继而形成杂散干涉峰,成为影响测量系统对真实干涉信号准确识别的主要障碍。提出了一种基于局部搜索算法的信号处理方法,用来去除低相干光学反射测量系统中杂散干涉峰的影响,提高了系统测量的准确度。通过实际实验测试,证明了新方法的有效性。(本文来源于《工业控制计算机》期刊2019年09期）
肖晚霞,董兴业,林友芳[3]（2019）在《航班恢复问题的迭代局部搜索算法》一文中研究指出在恶劣天气和机械故障等原因造成航班不能按照原计划执行时,航空公司需要采取相应的措施对航班进行恢复。本文基于经典的资源指派模型,综合考虑了调整时间、换机、联程拉直、取消航班和调机5种恢复策略,提出一种以最小化加权成本为优化目标的航班恢复模型,并设计一种迭代局部搜索算法。首先用构造-修复启发式方法构造可行解,然后从该初始解出发,在飞机路线对的邻域中进行局部搜索。当陷入局部最优后,对解进行扰动,然后从扰动后的解重新出发进行局部搜索。为了提高搜索效率,同时降低陷入局部最优解的概率,局部搜索过程采用模拟退火算法。实例结果表明,本文提出的模型及算法能够在短时间内对受到影响的大规模航班计划进行恢复。(本文来源于《计算机与现代化》期刊2019年09期）
赵旭芳[4]（2019）在《基于局部搜索改进的人工蜂群算法及应用研究》一文中研究指出2005年,受蜜蜂群体采蜜行为的影响,Karabogo首次提出人工蜂群算法(Artificial bee colony algorithm,ABC),ABC算法作为一种新型群体智能优化算法,由于其控制参数少,探索能力强,且易于实现等优点,被众多学者关注。但该算法也存在局部搜索性能差,易早熟收敛和所得目标函数值精度低等问题,故对基本人工蜂群算法的研究仍有开阔的前景。对于无约束优化问题,本文分别使用最速下降法、共轭梯度法和单纯形法叁种传统优化算法加强基本ABC算法的局部搜索能力,提出了四种改进的人工蜂群算法。在基本人工蜂群算法中的侦查蜂阶段,对达到开采极限的食物源,引领蜂转换为侦查蜂,在搜索空间采用随机搜索,无法确定更新后的食物源更优,而利用局部搜索性能较好的最速下降法和单纯形法更新,确保所有更新后的食物源都得到改善,提出了引入最速下降法改进的人工蜂群算法和基于高斯扰动的单纯形法改进的人工蜂群算法;在基本人工蜂群算法中,跟随蜂会根据引领蜂反馈的信息选择更新食物源,之后对选择的食物源采用随机搜索进行更新,不能保证搜索后的食物源位置比之前的更好,而共轭梯度法却能保证每次迭代都向着较好的的方向移动,所以跟随蜂使用共轭梯度法更新食物源,得到的位置必然更好,对此提出了嵌入共轭梯度法的人工蜂群算法;在基本人工蜂群算法跟随蜂阶段,采用的随机搜索方式可能会使得更新后的食物源位置更差,故引入单纯形法,并以当前最好的食物源位置作为指导,使得更新的食物源向最好的位置靠近,同时在侦查蜂阶段加入保优策略,即对达到开采极限的食物源首先判断其是否为当前最好的食物源位置,如果是,则对其保留,如果不是,则利用侦查蜂搜索更新,提出了基于最优个体指导的单纯形法改进的人工蜂群算法。四种改进的人工蜂群算法均以确定性搜索取代随机性搜索,加强了基本人工蜂群算法的局部搜索能力,同时也避免了算法陷入局部最优。采用标准测试问题对改进的四种算法进行了数值试验,结果表明四种改进的算法相比基本人工蜂群算法和其它一些群体智能优化算法,所求解的精度更高且算法的稳定性更好。对于约束优化问题,本文提出了一种基于罚函数的改进人工蜂群算法(PF_ABC),该算法引入罚函数,并设置自适应动态罚因子,同时对目标函数值和约束违反度进行归一化处理,最后利用目标函数和约束违反度构造一个新的目标函数,将约束优化问题转换为无约束优化问题。采用标准测试问题对PF_ABC算法进行了数值试验,结果表明PF_ABC算法求解的精度较高且性能稳定。(本文来源于《北京建筑大学》期刊2019-06-01）
吕静[5]（2019）在《基于特征点与局部搜索的图像复制-粘贴被动取证算法研究》一文中研究指出随着科学技术的迅速发展以及智能电子设备的普及,数字图像很容易被人进行篡改。在图像篡改的各种方式中,复制-粘贴篡改在所有的篡改操作中占据了极大的比例,这种篡改方法仅使用一张图像进行篡改,由于拥有相同的成像方式、亮度等等条件,手段非常隐蔽,极大地冲击了数字图像的可信度,复制-粘贴被动取证算法是通过一幅图像中所存在的相似区域来鉴别数字图像。本文针对现有的复制-粘贴被动取证技术存在的不足,如基于图像块的检测算法时间复杂度过高,对于图像的目标区域存在的仿射变换如尺度、旋转等变换鲁棒性较弱,以及基于特征点算法仅通过特征点不能够很好地定位出篡改区域等问题提出了新的解决办法。为了解决现有检测算法的缺点,本文提出一种新颖的基于SIFT与局部搜索的复制-粘贴被动取证算法。首先对图像使用SIFT算法进行处理从而得到图像中的特征点及对应的局部特征,再通过分割算法对图像进行自适应分割,分割后的图像块间进行特征点的匹配操作,提出了两阶段的图像搜索算法:在第一阶段是运行于图像块阶段的局部搜索算法,使用ZNCC算法来得到图像篡改区域的轮廓,随后使用了边缘匹配算法来对篡改区域的边缘块进行像素级别的匹配的算法,最后通过对篡改区域的边缘像素级应用局部搜索算法来丰富图像的细节,实验结果表明,该方案相比于现有的复制-粘贴篡改检测算法能够表现出更好的性能,该算法在各类攻击下也具有良好的表现。但是在存在较高噪声的环境下表现得不是很好。为了解决存在的噪声问题以及克服传统算法的缺点,本文提出了一种新的基于BRISK与改进的搜索算法的复制-粘贴被动取证算法,用BRISK来作为图像的特征点匹配特征,为了更好的应对一些后处理变换,修改了局部搜索算法的匹配方式,使用周围八邻域以及本身与源匹配检测单元进行匹配,在基于图像块的搜索算法中,使用PCT特征来作为相似性匹配的度量标准,使用ZNCC算法来进行边缘匹配的计算,最后通过基于像素级别的搜索算法处理篡改区域的细节。实验结果表明,该算法能够很好的定位篡改区域,在多类篡改攻击下表现良好,甚至在存有较高的噪声的环境下也能够得到很好的定位结果。(本文来源于《吉林大学》期刊2019-05-01）
刘振,郭恒光,任建存[6]（2019）在《一种局部搜索能力增强的狮群算法》一文中研究指出狮群算法作为一种新型群智能优化算法,其进化过程多依据狮群猎食、交配等动物本性出发,因此难免会存在收敛速度慢并且不容易发现全局极值等缺点.针对当前基本狮群算法存在的缺点,提出一种局部搜索能力增强的狮群算法(Enhanced Local Search Lion Optimization Algorithm,ELSLOA).为增强种群局部搜索效率,对所有领地狮引入对立搜索方法提高寻优能力,并对优良个体执行Levy flight操作,提高个体局部开采能力,最后利用Tent混沌搜索对领地狮和流浪狮执行混沌操作.对算法进行了函数的仿真对比分析,充分验证了所提出算法的优良性能.(本文来源于《河南师范大学学报(自然科学版)》期刊2019年03期）
宋婷,陈矛,吴超,张龚钊[7]（2019）在《基于多类迭代局部搜索的自动化排课算法》一文中研究指出针对局部搜索算法容易陷入局部最优,无法自适应多种约束条件下排课的问题,提出一种基于多类迭代局部搜索的自动化排课算法。首先,通过多类分类器依据排课问题特征对排课问题进行分类,指导迭代局部搜索的邻域选择及参数设置。然后,在迭代局部搜索的过程中,使用基于序列的贪婪算法获得可行解。最后,采用以问题特性为导向的双温控制模拟退火算法在邻域中搜索局部最优解,并通过特定的扰动策略对当前最优解进行扰动后作为新的初始解进行迭代,最终达到全局最优。该算法在两个国际着名的数据集,即第二届国际时间表大赛基于课程的时间表数据集和Lewis 60数据集上进行了测试。实验结果表明,与当前文献中求解该问题的其他性能较优算法相比,所提出的算法具有更高的求解效率和质量。(本文来源于《计算机应用》期刊2019年06期）
张涛,王昕,王振雷[8]（2019）在《基于局部搜索策略的混合自适应布谷鸟算法》一文中研究指出为了提高布谷鸟算法的搜索精度和全局收敛速度,提出一种基于局部搜索策略的混合自适应布谷鸟算法。在该改进算法中,每个当前解的周围随机产生一个局部种群,利用正余弦算子的局部寻优能力得到局部最优解,并用局部最优解替换当前解,以提高局部搜索精度;同时采用自适应发现概率和搜索步长替代布谷鸟算法中的固定发现概率和搜索步长,以提高算法的全局收敛速度。对25个经典高维基准函数进行实验表明,所提算法在收敛速度和求解精度上优于布谷鸟算法,通过将其应用于拉压弹簧、叁杆桁架设计和0-1背包问题,验证了算法的有效性。(本文来源于《计算机集成制造系统》期刊2019年11期）
赵威,曾国辉,黄勃,朱爽鑫,刘瑾[9]（2019）在《基于改进局部搜索算法的叁维空间路径规划研究》一文中研究指出在机器人路径规划中,搜索区域维数增大会导致路径搜索算法收敛时间过长甚至不收敛的现象发生。针对此类问题,文中以改进的局部搜索算法为基础,融合蚁群算法中信息素因子和人工势场算法中势场因子,建立了启发函数模型以提高寻优的目的性,并对搜索到的路径用迭代法进行优化。文中具体讨论了叁维空间中路径点的选取方式和启发函数模型的建立方法,同时给出了算法的详细流程。最后通过MATLAB仿真实验证明基于改进后的算法进行路径规划时,迭代次数降低,搜索速度变快,路径点轨迹趋势更加平稳。(本文来源于《电子科技》期刊2019年06期）
黄海燕,彭虎,邓长寿,王晓静,张艳[10]（2018）在《均匀局部搜索和高斯变异的布谷鸟搜索算法》一文中研究指出布谷鸟搜索(Cuckoo Search,CS)算法是一种简单易实现的全局优化算法,但也存在局部搜索能力弱,求解精度不高的问题.为了克服这些问题,提出一种新的均匀局部搜索和高斯变异的布谷鸟搜索算法.该算法在基于Levy飞行产生新解后执行均匀局部搜索,从而提高算法的局部开采能力,并对被宿主发现的鸟巢采用高斯变异进行重新更新,从而提高算法的寻优精度以及收敛能力.通过对包括单峰函数、多峰函数的13个基准测试函数的仿真实验和分析,验证了新算法的有效性和可靠性,实验结果表明新算法具有较好的收敛速度和收敛精度,是一种具有竞争力的算法.(本文来源于《小型微型计算机系统》期刊2018年07期）
局部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：
低相干光学反射测量系统是检测光纤器件微损伤的重要仪器,在实际使用中,其很容易受到噪声干扰,继而形成杂散干涉峰,成为影响测量系统对真实干涉信号准确识别的主要障碍。提出了一种基于局部搜索算法的信号处理方法,用来去除低相干光学反射测量系统中杂散干涉峰的影响,提高了系统测量的准确度。通过实际实验测试,证明了新方法的有效性。
（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。
局部搜索算法论文参考文献
[1].曹建芳,李艳飞,崔红艳,张琦.自适应样本块局部搜索算法对古代寺观壁画的修复[J].计算机辅助设计与图形学学报.2019
[2].兰雨,苗鹏.基于局部搜索算法的低相干光学反射测量系统信号处理方法[J].工业控制计算机.2019
[3].肖晚霞,董兴业,林友芳.航班恢复问题的迭代局部搜索算法[J].计算机与现代化.2019
[4].赵旭芳.基于局部搜索改进的人工蜂群算法及应用研究[D].北京建筑大学.2019
[5].吕静.基于特征点与局部搜索的图像复制-粘贴被动取证算法研究[D].吉林大学.2019
[6].刘振,郭恒光,任建存.一种局部搜索能力增强的狮群算法[J].河南师范大学学报(自然科学版).2019
[7].宋婷,陈矛,吴超,张龚钊.基于多类迭代局部搜索的自动化排课算法[J].计算机应用.2019
[8].张涛,王昕,王振雷.基于局部搜索策略的混合自适应布谷鸟算法[J].计算机集成制造系统.2019
[9].赵威,曾国辉,黄勃,朱爽鑫,刘瑾.基于改进局部搜索算法的叁维空间路径规划研究[J].电子科技.2019
[10].黄海燕,彭虎,邓长寿,王晓静,张艳.均匀局部搜索和高斯变异的布谷鸟搜索算法[J].小型微型计算机系统.2018
论文知识图
