导读:本文包含了参数调整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,参数,自适应,函数,策略,最优,蛙跳。
参数调整算法论文文献综述
王晖[1]（2019）在《粒子群优化算法的参数调整策略研究》一文中研究指出在粒子群优化算法中,对参数的调整会直接影响算法的收敛性、精确性和稳定性。为此,采用线性和非线性2种调整惯性权重策略,设置了3种调整方案,探索惯性权重调整对算法的影响。以Griewank、Rosenbrock等5个函数作为基准测试函数的仿真结果表明:Rosenbrock函数和Rastrigin函数收敛率低,且平均最优解与最优点存在很大偏差;Rosenbrock函数和Rastrigin函数时,在典型的线性递减策略中性能较差;在处理多峰函数问题时,取大值可提升算法的性能。(本文来源于《新乡学院学报》期刊2019年12期）
吕晓磊,吴志森[2]（2019）在《一种动态调整RSSI室内定位测距参数的改进算法》一文中研究指出基于RSSI(接收信号强度)室内定位算法,其测距信号模型主要采用Shadowing模型,设计一种动态调整RSSI室内定位测距参数的改进算法,减小测算误差,从而提高基于RSSI室内定位的精度。(本文来源于《安徽电子信息职业技术学院学报》期刊2019年03期）
杜兆宏,夏培淞,邱飞岳,朱会杰[3]（2018）在《一种自适应参数调整的水波优化算法》一文中研究指出水波优化算法(Water Wave Optimization,WWO)是受浅水波理论启发而提出的一种新兴群体智能算法,其具有控制参数少、种群规模小、实现简单、计算开销小等优点,但依然存在局部搜索能力不强、收敛速度较慢等缺陷.首先,通过对水波优化算法在执行全局和局部搜索阶段控制参数变化进行分析的基础上,提出了一种自适应参数调整策略改进的水波优化算法;最后,对改进的算法和包括原WWO、SCA、DA等在内的四种算法在10个标准测试函数上的寻优性能进行试验.结果表明,所提出的策略有效提升了水波优化算法的整体性能,无论在收敛精度还是收敛速度上,改进的水波算法相较于其他叁种算法优化结果更加稳定.(本文来源于《小型微型计算机系统》期刊2018年08期）
尤海龙,鲁照权[4]（2018）在《参数α、β和ρ自适应调整的快速蚁群算法》一文中研究指出对蚁群算法迭代次数多、收敛速度慢提出了改进。针对蚁群算法前期信息素匮乏而导致收敛速度慢的问题,对信息素和启发式信息的权重参数α和β进行改进,动态调整两种参数;针对迭代后期信息素浓度过高,使得蚁群易陷入局部最优问题,对信息素蒸发系数加以改进,使其成为动态全局自适应参数。通过栅格法进行静态已知环境建模,通过不同规模的路径规划的实验验证了改进后的蚁群算法在寻找最优路径时具有更快的运算速度。(本文来源于《制造业自动化》期刊2018年06期）
王卫涛,钱雪忠,曹文彬[5]（2018）在《自适应参数调整的近邻传播聚类算法》一文中研究指出针对近邻传播算法的偏向参数以及聚类类数对聚类结果准确性的影响.本文提出了自适应参数调整的GKAAP算法.首先,为了选取更合适的偏向参数,在传统AP算法的基础上,利用灰色狼群优化算法(GWO)自适应调节偏向参数;然后,为了使得偏向参数能够在合理的区间内搜寻,利用二分查找算法动态更新偏向参数的上限、下限、中间值;最后,为了使得聚类个数更接近真实类数,同时不影响聚类结果的准确性,在算法迭代完成后,通过数据集的真实簇数k来对聚类结果进行约束调整.本文通过10个UCI数据集和ORL人脸数据库来做对比实验,然后从准确率、算法时间、聚类个数叁个维度去分析,最终实验结果证明本文所提出的GKAAP聚类准确性更好,算法时间复杂度更低.(本文来源于《小型微型计算机系统》期刊2018年06期）
马永杰,朱琳,田福泽[6]（2018）在《动态参数调整的多策略差分进化算法》一文中研究指出针对差分进化算法在处理函数优化问题时存在的收敛速度较慢和过早收敛的问题,提出了一种动态参数调整的多策略差分进化算法.先将种群随机分为3个独立的子种群,分别采用3种不同的变异策略来避免种群陷入局部最优,并通过动态参数调整机制提高算法的收敛性能.经过一定代数的进化后,将种群中的优秀个体进行择优保留.采用CEC2005的25个标准测试函数对算法进行仿真,实验结果表明,新算法能够有效避免过早收敛,具有较好的优化性能.(本文来源于《西北师范大学学报(自然科学版)》期刊2018年03期）
张浩[7]（2018）在《自动化特征工程与参数调整算法研究》一文中研究指出在传统数据分析与挖掘过程中,步骤一般从数据采集、清洗、采样和预处理开始,经过特征变换、特征构造、特征选择,再到建立并训练模型、评估和表示数据挖掘结果。其中特征变换、特征构造、特征选择一般合称为特征工程。特征工程其本质是一项工程活动,目的是最大限度地从原始数据中提取特征以供算法和模型使用,其对于数据挖掘的重要性自然不言而喻,对数据挖掘模型最终的预测效果上限起到了决定性的作用。然而这个过程往往需要人工的参与,这个工程最终的效果在很大程度上也依赖于数据工程师的直觉以及相关领域专家的经验。另外,数据挖掘算法是数据挖据的核心,其主要功能是通过重新组织已有的数据,来获取新的知识,并且可以通过自我训练使之不断地改善自身的性能。在建立训练数据挖掘模型时,由于不同的数据挖掘算法,会产生数量不等的超参数。在不同取值的超参数下,数据挖掘模型的表现效果也会有很大的差异,因此需要不断的调整这些参数,才能使模型达到最优的性能。这部分工作同样也需要人工的参与,而且会消耗大量的时间来进行计算和调试,其最终结果也依赖于数据工程师的经验。综上所述,传统的数据分析和挖掘流程过于依赖数据工程师个人经验和直觉。然而随着近年来互联网和信息技术的发展,当今世界已经进入大数据时代,越来越多的领域迫切需要经验丰富的数据科学家,而且不同领域的数据科学家的数量和培养速度都已经跟不上大数据的规模发展。本论文主要研究目的在于解决数据科学下数据的自动化分析问题,包括特征的自动化生成和选择以及数据挖掘模型超参数的选择,并以此为基础设计完成全自动大数据分析系统。主要研究内容分为两部分:第一部分采用基于AdaBoost算法的特征线性组合算法和基于提升树的非特征线性组合算法来实现结构化数据特征的自动生成;第二部分采用基于高斯过程的贝叶斯优化方法来自动调整数据挖掘算法模型的参数。(本文来源于《电子科技大学》期刊2018-03-23）
侯莹,韩红桂,乔俊飞[8]（2016）在《基于参数动态调整的多目标差分进化算法设计》一文中研究指出针对多目标差分进化算法最优解难以获取的问题,文中提出了一种基于参数动态调整的多目标差分进化(AMODE)算法。AMODE算法通过设计变异率和交叉率的自适应调整策略,实现了进化过程中变异率和交叉率的动态调整,均衡了多目标差分进化算法的局部搜索能力和全(本文来源于《第27届中国过程控制会议（CPCC2016）摘要集》期刊2016-07-31）
魏政磊,赵辉,李牧东,王渊,柯益明[9]（2016）在《控制参数值非线性调整策略的灰狼优化算法》一文中研究指出为了克服灰狼优化算法在解决函数优化问题时容易陷入局部最优的缺陷,提出采用正弦曲线、对数曲线、正切曲线、余弦曲线和2次曲线的非线性调整策略控制参数值。同时采用变异策略对智能个体位置进行处理,使其位置受适应度值大小影响。对3个标准测试函数进行仿真表明,余弦曲线和2次曲线调整策略优于线性调整策略,其他3种非线性调整策略劣于线性策略。(本文来源于《空军工程大学学报(自然科学版)》期刊2016年03期）
肖莹莹,林廷宇,李伯虎,侯宝存,施国强[10]（2016）在《混合蛙跳算法自适应参数调整改进策略》一文中研究指出针对基本混合蛙跳算法(shuffled frog leaping algorithm,SFL)在求解高维复杂问题时的不足,本文提出一种自适应参数调整的改进策略。首先,利用变公比数列分析了SFL更新轨迹的收敛性;在此基础上,利用系统稳定性分析方法,提出在SFL更新公式中基于比例系数和适应度标准差来自适应调整更新的方法。最后,基于3组共8个标准测试函数将本文改进SFL与基本SFL和4个改进型粒子群优化算法(particle swarm optimization,PSO)作对比,验证了本文改进策略对各类复杂函数的高效性;同时,对比了改进SFL与基本SFL和wPSO在求解高维问题时的性能,验证了改进SFL对高维问题求解的有效性。(本文来源于《系统工程与电子技术》期刊2016年08期）
参数调整算法论文开题报告
（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：
基于RSSI(接收信号强度)室内定位算法,其测距信号模型主要采用Shadowing模型,设计一种动态调整RSSI室内定位测距参数的改进算法,减小测算误差,从而提高基于RSSI室内定位的精度。
（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。
参数调整算法论文参考文献
[1].王晖.粒子群优化算法的参数调整策略研究[J].新乡学院学报.2019
[2].吕晓磊,吴志森.一种动态调整RSSI室内定位测距参数的改进算法[J].安徽电子信息职业技术学院学报.2019
[3].杜兆宏,夏培淞,邱飞岳,朱会杰.一种自适应参数调整的水波优化算法[J].小型微型计算机系统.2018
[4].尤海龙,鲁照权.参数α、β和ρ自适应调整的快速蚁群算法[J].制造业自动化.2018
[5].王卫涛,钱雪忠,曹文彬.自适应参数调整的近邻传播聚类算法[J].小型微型计算机系统.2018
[6].马永杰,朱琳,田福泽.动态参数调整的多策略差分进化算法[J].西北师范大学学报(自然科学版).2018
[7].张浩.自动化特征工程与参数调整算法研究[D].电子科技大学.2018
[8].侯莹,韩红桂,乔俊飞.基于参数动态调整的多目标差分进化算法设计[C].第27届中国过程控制会议（CPCC2016）摘要集.2016
[9].魏政磊,赵辉,李牧东,王渊,柯益明.控制参数值非线性调整策略的灰狼优化算法[J].空军工程大学学报(自然科学版).2016
[10].肖莹莹,林廷宇,李伯虎,侯宝存,施国强.混合蛙跳算法自适应参数调整改进策略[J].系统工程与电子技术.2016
论文知识图
