导读:本文包含了适应值函数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,函数,阵列,粒子,天线,可靠性,数据挖掘。
适应值函数论文文献综述
刘东,冯全源[1]（2011）在《粒子群阵列天线方向图适应值函数研究》一文中研究指出在粒子群算法优化阵列天线方向图时,适应值函数的选取对算法收敛和优化效率都有着至关重要的影响。针对复杂多指标方向图优化容易早熟收敛,提出了一种分步的适应值函数策略,通过分阶段提高优化指标,可以更好地促进算法收敛和提升优化效率。仿真结果表明:将此适应值策略应用于天线方向图综合中,在不改变算法本身的同时,可以在多零点和低旁瓣约束情况下取得更好的优化效果。(本文来源于《电波科学学报》期刊2011年03期）
朱征宇,李力沛,罗颖,周智,朱庆生[2]（2009）在《一种应用于中文文本聚类的适应值函数》一文中研究指出文本聚类中的文本对象一般都是高维的,类的大小、密度各不相同,给聚类带来了很大难度。目前国内针对这些问题而提出的应用于遗传算法的适应值函数却很少,国外的通用目标函数比较复杂,而且在文本聚类上的效果一般。针对文本对象的特征提出了一种应用于遗传算法的适应值函数,它具有结构简单、易于计算、适用于高维对象的特点,并且能够帮助遗传算法更好避免陷入局部最优,达到比较准确地描述聚类结果的目的。通过实验与CSMeas-ure相比,聚类结果更优。(本文来源于《计算机科学》期刊2009年05期）
严心池,华渊[3]（2009）在《可靠性优化问题中遗传算法适应值函数的建立》一文中研究指出应用遗传算法进行优化,约束的处理成为建立适应值函数和算法进行的关键。可靠性优化是以系统可靠性指标作为优化问题的约束条件。首先结合外罚函数法建立数学模型,处理约束的惩罚因子时根据种群情况自适应取值,构造适应值函数的映射公式。随后采用拉格朗日乘子法建立了新的约束与目标函数向适应值函数的映射公式,该公式可以避免因罚函数病态所导致的搜索终止,收敛更加快速,使遗传算法得以成功应用于可靠性优化问题中。分析计算结果表明乘子法具有更好地收敛效果,两个公式构造合理。(本文来源于《计算力学学报》期刊2009年01期）
许孝元,韩国强,闵华清[4]（2005）在《预测型关联规则演化学习的适应值函数》一文中研究指出为了提高基于遗传算法的分类预测准确度,探讨了评价规则质量的适应值函数,提出了基于置信度和支持度加权和的适应值函数,以取代传统的基于灵敏性和选择性的适应值函数.理论分析和实验结果都表明,文中提出的新适应值函数对于预测型关联规则演化搜索的引导作用明显地优于传统的适应值函数.新的适应值函数有利于改进基于遗传算法的机器学习.(本文来源于《华南理工大学学报(自然科学版)》期刊2005年05期）
适应值函数论文开题报告
（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：
文本聚类中的文本对象一般都是高维的,类的大小、密度各不相同,给聚类带来了很大难度。目前国内针对这些问题而提出的应用于遗传算法的适应值函数却很少,国外的通用目标函数比较复杂,而且在文本聚类上的效果一般。针对文本对象的特征提出了一种应用于遗传算法的适应值函数,它具有结构简单、易于计算、适用于高维对象的特点,并且能够帮助遗传算法更好避免陷入局部最优,达到比较准确地描述聚类结果的目的。通过实验与CSMeas-ure相比,聚类结果更优。
（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。
适应值函数论文参考文献
[1].刘东,冯全源.粒子群阵列天线方向图适应值函数研究[J].电波科学学报.2011
[2].朱征宇,李力沛,罗颖,周智,朱庆生.一种应用于中文文本聚类的适应值函数[J].计算机科学.2009
[3].严心池,华渊.可靠性优化问题中遗传算法适应值函数的建立[J].计算力学学报.2009
[4].许孝元,韩国强,闵华清.预测型关联规则演化学习的适应值函数[J].华南理工大学学报(自然科学版).2005
论文知识图
