导读:本文包含了无回溯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,葛洲坝,最优,车间,波导,自适应,线性规划。
无回溯搜索算法论文文献综述
李媛媛,贾志成,陈雷,郭艳菊[1]（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）
孟磊磊,张超勇,任彩乐,李振国,任亚平[2]（2018）在《求解带有阻塞限制的HFSP的MILP模型与改进回溯搜索算法》一文中研究指出针对带有阻塞限制的不相关并行机混合流水车间调度问题,以最小化最长完工时间为目标,依据不同的建模思想,建立了求解该问题的4个混合整数线性规划(MILP)模型;鉴于混合整数线性规划不适合求解中大规模问题,提出了一种改进的回溯搜索算法以求解中大规模问题,在该算法中,引入了轮盘赌选择策略以及变邻域搜索算法,以提高算法的收敛速度以及局部搜索能力。最后,对所提MILP模型以及算法进行了对比分析,通过对具体实例的求解验证了所提MILP模型以及算法的有效性及优越性。(本文来源于《中国机械工程》期刊2018年22期）
杨超,陈竞,王一旨,郭立新[3]（2018）在《雷达海杂波反演大气波导的改进回溯搜索算法》一文中研究指出为了克服基本回溯搜索算法在大气波导反演问题中出现的收敛速度慢、容易陷入局部最优的缺点,提出一种基于反向学习机制和正交交叉机制的改进回溯搜索优化算法。该算法利用反向学习机制来选择较好的初始化种群,而正交交叉机制用来帮助算法加强全局搜索能力,避免算法陷入局部最优,从而提高算法的精度。通过常见测试函数的优化问题以及大气波导的反演问题来检验算法的性能。结果表明,所提算法具有较高的精度和较快收敛速度。(本文来源于《系统工程与电子技术》期刊2018年08期）
赵文婷[4]（2017）在《回溯搜索算法的研究及改进》一文中研究指出优化是应用数学中的一个重要的研究领域,基于自然仿生的优化算法已经成为人工智能和计算机科学的重要研究方向。回溯搜索算法(BSA)是一种新颖的进化算法,其采用一种独特的变异和交叉策略,能够利用种群的历史信息引导种群进化,保证了全局搜索能力和局部探索能力的平衡。然而,种群历史信息在一定水平上影响算法的收敛速度。因此,本文提出了由最优个体引导的回溯搜索算法以及混合序列二次规划算法的回溯搜索算法。本文的具体工作概括如下:1.提出了一种求解数值优化问题的改进的回溯搜索算法:由最优个体引导的回溯搜索算法。为了提高算法收敛速度和求解精度,本文设计了一种由最优个体引导的算子。种群进化前期,由历史信息引导的种群进化策略能够保证算法的全局搜索能力。种群进化后期,算法采用最优个体引导的进化算子提高局部搜索能力。因此,算法的全局勘探和局部搜索能力达到相对平衡。该方法在CEC-2013测试集上进行测试得到的结果表明,它能够有效求解基准函数并且提高收敛速度。2.提出了一种针对数值优化问题的基于回溯搜索算法的混合算法:结合序列二次规划的回溯搜索算法。该算法将回溯搜索算法作为全局搜索技术,序列二次规划算法作为局部探索工具。为了提高算法的搜索效率和收敛速度,定义了搜索阶段的迭代前期和后期。该算法在迭代前期结合序列二次规划算法并以一定概率调用,尽早引导种群向更优方向进化。该算法在CEC-2005和CEC-2013测试集上进行测试,实验结果表明该方法能够求解基准测试函数,提供更加精确的结果。(本文来源于《山东大学》期刊2017-06-30）
陈鹏[5]（2017）在《基于混合回溯搜索算法的车间低碳调度方法研究》一文中研究指出车间调度是制造系统中的一个重要环节,因此研究车间低碳调度对于实现低碳制造具有重要的意义,而目前低碳调度研究的评价指标较少、低碳调度求解方法缺乏,同时车间类型也并不丰富,因此对于车间低碳调度的研究需要更加深化。本文针对以效率、能耗、噪声、为优化目标的车间低碳调度问题,设计了混合回溯搜索算法(HBSA),最后通过设计不同规模的算例对HBSA的有效性进行验证与分析。首先,针对考虑空闲时间能耗的置换流水车间低碳调度问题模型,设计了混合回溯搜索算法(HBSA)。根据具体问题设计了编码解码、交叉、变异等操作,重构了解空间;并将回溯搜索算法与NEH、局部搜索(LS)、模拟退火(SA)等策略结合,设计了算法的混合策略。用MATLAB编程实现了该混合算法,将该算法应用于29个测试算例,并把HBSA求得的结果与分支定界法(B&B)和遗传算法(GA)进行比较,计算结果显示了HBSA具有较好的性能。其次,针对机器加工转速可选的作业车间低碳调度问题模型,设计了混合回溯搜索算法(HBSA)。根据具体问题设计了编码解码、交叉、变异等操作,重构了解空间;并将回溯搜索算法与局部搜索(LS)和模拟退火算法(SA)结合,设计了算法的混合策略。用MATLAB编程实现了该混合算法,将该算法应用于3个不同规模的算例,并把HBSA求得的结果与GA进行比较,计算结果显示了HBSA具有较好的性能。然后,针对柔性作业车间低碳调度问题模型,设计了混合回溯搜索算法(HBSA)。根据具体问题设计了编码解码、交叉、变异等操作,重构了解空间;并将回溯搜索算法与局部搜索算法(LS)和模拟退火算法(SA)想结合,设计了算法的混合策略。用MATLAB编程实现了该混合算法,将该算法应用于3个不同规模的算例,并把HBSA求得的结果与GA进行比较,计算结果显示了HBSA具有较好的性能。最后,总结了本文的工作并进行了研究展望。(本文来源于《华中科技大学》期刊2017-05-01）
戴圣法,魏庆国,魏中海[6]（2016）在《基于回溯搜索算法的导联选择脑机接口研究》一文中研究指出在脑机接口(BCI)中,传统的共空域模式(CSP)算法在提取特征信号与事件相关去同步/同步(ERD/ERS)的信息上得到了很好的效果。但是CSP算法受限于电极导联数、EEG信号的时间段和频带等因素,如电极导联数的增加,CSP算法容易过拟合,数据记录容易混乱,使得运算变得复杂,增加运算时间,降低数据分类正确率。所以,CSP算法存在局限性。使用回溯搜索优化算法(BSA)能够为CSP算法自动挑选出一组导联数组子集,并且以分类错误率作为BSA算法的目标函数进行实验。实验采用两类实验数据(第叁、四届国际BCI竞赛数据集)进行交叉验证分类实验。实验结果表明,两类数据的导联数目大幅度减少,分类正确率有所提高。(本文来源于《现代电子技术》期刊2016年13期）
侯彦红[7]（2015）在《基于回溯搜索算法的叁峡—葛洲坝联合通航调度》一文中研究指出叁峡-葛洲坝水利枢纽是长江“黄金水道”的重要部分,自实施统一调度以来作为一个有机整体,合理发挥其运输能力能为我国长江水上运输事业带来可观的经济利益。随着经济的飞速发展,过坝船舶不断增加,叁峡-葛洲坝的运行任务日渐繁重,因此科学调度组织,优化船闸的匹配运行具有重要的现实意义。论文分析研究了叁峡-葛洲坝联合通航调度体系,考虑通航过程的若干相关约束,以整体船舶待闸时间与权重乘积最小化、整体闸室面积利用率最大化作为目标函数建立了联合通航调度的多目标数学模型。针对该多目标调度问题论文采用两种解决方法,第一是将多目标问题通过合理的权重转换成单目标问题,采用单目标优化算法进行优化求解,其次是采用并行优化算法直接对多个目标同时优化来求解。为满足这两方面的要求,论文对回溯搜索算法进行了如下的改进:(1)首先为解决通过权重转换的单目标优化问题,论文针对基本回溯搜索算法局部寻优效果较差,收敛速率较慢等缺陷进行了两个方面的改进。第一在选择策略上,在保留对历史种群记忆的基础上,加之保留精英个体的思想,引导种群向最优解方向进化,同时不丢失其多样性的优点。第二在交叉策略上,引入遗传算法实数编码的交叉策略与基本回溯搜索算法的交叉策略并行,两者随机选择达到既加快收敛速度,同时防止陷入局部最优,保留算法对外界开采能力优势的效果。(2)其次为解决多目标并行优化问题,论文借鉴非支配排序和拥挤度算子的思想,与改进的回溯搜索算法相结合,形成了基于非支配排序的多目标回溯搜索算法(NSBSA-IC)。并利用几个经典测试函数对该算法的性能进行了测试,结果表示,该算法适合于解决高维强耦合的多目标优化问题。为验证IBSA算法和NSBSA-IC算法在解决两坝联合通航调度问题的有效性,本文随机选取了一个计划期内申报船舶数据进行了仿真计算。实例结果表明,在满足所有约束的情况下,所测算法比其他算法得到了更好的实验结果,因此该算法用于解决叁峡-葛洲坝联合通航调度问题是可行且有效的。另外为更好适应当前两坝调度现状,本文对两坝通航能力在富余、一般、不足叁种状态进行了研究,并采用IBSA算法进行测试,结果显示,IBSA算法在解决此问题的叁种状态下均是有效可行的。(本文来源于《华中科技大学》期刊2015-05-01）
林群[8]（2015）在《回溯搜索算法的改进及其工程应用》一文中研究指出优化模型是分析与求解科学和工程问题的基本工具之一,随着科技的不断进步,优化模型也变得越来越复杂,经常会出现规模大、离散性、非线性、不可导和非凸性等特点。因此,对该种复杂模型求解方法的研究一直是本领域国内外研究的前沿方向。智能优化算法由于在处理这种复杂模型时表现出来特有的高效性而备受关注,成为智能计算与工程优化邻域的研究热点。本文针对一种新型智能优化算法——回溯搜索算法(Backtracking Search Algorithm,BSA)开展研究,主要包括算法的详细分析,算法在约束优化问题、组合优化问题中的改进,以及其具体的工程实际应用等方面。首先介绍了回溯搜索算法的基本原理,详细介绍了其基本流程和主要操作,并分析了其优势和不足,为后面在相应问题上的改进和应用提供了理论基础。其次,针对约束优化问题,分析了其求解难点,并在已有研究的基础上,提出了一种新的约束处理机制——自适应ε约束法(Self-adaptationε-constraints,SAε)。通过13个经典的约束优化函数的测试,验证了本文提出约束机制SAε的高效性,以及基于BSA的约束问题求解算法(BSA-SAε)在收敛速度、搜索精度等方面优势。接着,针对以置换流水车间调度为代表的组合优化问题,通过重构解的空间,改进交叉和变异算子,引入模拟退火机制和随机插入局部搜索等方法,将BSA用于求解组合优化问题,提出了混合回溯搜索算法(Hybrid Backtracking Search Algorithm,HBSA)。通过29个标准测试案例,验证了随机插入局部搜索方法的有效性和HBSA在求解组合优化问题时的高效性。然后,将前两章提出的两种算法BSA-SAε和HBSA分别应用于结构设计参数优化和某汽车发动机连杆生产车间调度优化工程实例中。结果表明了BSA-SAε在处理约束问题时的高效性,和HBSA在处理置换流水车间问题时的有效性,体现了所提出的两种算法在实际工程中广泛应用前景。最后,对全文进行了总结,并展望了未来的研究。(本文来源于《华中科技大学》期刊2015-05-01）
张智磊,刘叁阳[9]（2016）在《基于回溯搜索算法的决策粗糙集属性约简》一文中研究指出属性约简是粗糙集理论的核心问题,为了获得更多更稳定的最小属性约简,根据决策粗糙集模型将最小属性约简问题转化为决策风险最小化问题,并给出了新的适应度函数计算方法;在此基础上利用回溯搜索算法较强的全局搜索性能,提出了基于回溯搜索算法的决策粗糙集属性约简算法;对UCI数据集的实验结果以及与其他约简算法的比较表明,该算法能够得到更多的最小属性约简,而且能够在多次运行中保持约简结果个数的稳定性。(本文来源于《计算机工程与应用》期刊2016年10期）
董清[10]（2011）在《用并行回溯搜索算法求解TSP问题》一文中研究指出对求解旅行商问题(TSP)的回溯搜索算法进行并行化的设计和改进,对该并行算法进行了详细描述。在MPI并行计算环境下应用该并行算法进行计算,求出了旅行商问题的最优解。实验结果表明,该并行算法适合求解小规模旅行商问题。(本文来源于《黑龙江科技信息》期刊2011年33期）
无回溯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：
针对带有阻塞限制的不相关并行机混合流水车间调度问题,以最小化最长完工时间为目标,依据不同的建模思想,建立了求解该问题的4个混合整数线性规划(MILP)模型;鉴于混合整数线性规划不适合求解中大规模问题,提出了一种改进的回溯搜索算法以求解中大规模问题,在该算法中,引入了轮盘赌选择策略以及变邻域搜索算法,以提高算法的收敛速度以及局部搜索能力。最后,对所提MILP模型以及算法进行了对比分析,通过对具体实例的求解验证了所提MILP模型以及算法的有效性及优越性。
（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。
无回溯搜索算法论文参考文献
[1].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
[2].孟磊磊,张超勇,任彩乐,李振国,任亚平.求解带有阻塞限制的HFSP的MILP模型与改进回溯搜索算法[J].中国机械工程.2018
[3].杨超,陈竞,王一旨,郭立新.雷达海杂波反演大气波导的改进回溯搜索算法[J].系统工程与电子技术.2018
[4].赵文婷.回溯搜索算法的研究及改进[D].山东大学.2017
[5].陈鹏.基于混合回溯搜索算法的车间低碳调度方法研究[D].华中科技大学.2017
[6].戴圣法,魏庆国,魏中海.基于回溯搜索算法的导联选择脑机接口研究[J].现代电子技术.2016
[7].侯彦红.基于回溯搜索算法的叁峡—葛洲坝联合通航调度[D].华中科技大学.2015
[8].林群.回溯搜索算法的改进及其工程应用[D].华中科技大学.2015
[9].张智磊,刘叁阳.基于回溯搜索算法的决策粗糙集属性约简[J].计算机工程与应用.2016
[10].董清.用并行回溯搜索算法求解TSP问题[J].黑龙江科技信息.2011
论文知识图
