导读:本文包含了贪婪搜索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:贪婪,算法,布谷鸟,稀疏,特征,策略,网络。
贪婪搜索论文文献综述
庄小叶,李轲[1]（2019）在《基于双向搜索与改进贪婪算法的测试点优选研究》一文中研究指出作为计算机科学与技术的典型应用领域,测试点的优选技术是测试性设计的关键;在对测试性模型相关性关系分析的基础上,针对不同的测试需求,在提出了相应的优化方法:对于完成基本功能的开机测试,提出了基于双向搜索的测试点优选算法;对于系统级诊断测试,提出了基于改进动态贪婪算法的测试点优选算法;根据不同的应用对象使用相应的算法,减少了影响因素,加强了算法针对性,能够有效的提高测试点选取速率,降低测试成本。(本文来源于《保山学院学报》期刊2019年02期）
马慧,吴彦鸿,王宏艳[2]（2018）在《基于贪婪搜索的RC-LDPC编码序列打孔算法研究》一文中研究指出针对TDRSS通信系统对码率兼容LDPC编码的应用需求,对RC-LDPC编码的打孔算法进行了研究。通过分析打孔后LDPC子码的余留Tanner图特性和错误恢复概率,提出了一种基于贪婪搜索的序列打孔算法。通过对变量节点恢复树结构中的低恢复级别节点进行最大化搜索,再根据总近似环外消息度准则对节点进行排序,以实现码率提升和误码性能的改善。仿真结果表明,相比随机打孔算法和序列打孔算法,贪婪搜索打孔算法误码性能较好,且构造子码的性能表现更加突出。(本文来源于《通信技术》期刊2018年05期）
张春玲,姜成晶[3]（2019）在《利用ε-贪婪学习和用户行为反馈的搜索引擎网页排序算法》一文中研究指出为了提高网页排序的准确性,提出一种基于ε-贪婪学习和用户点击行为的网页排序算法。首先,根据用户查询,通过轮盘赌策略向用户推荐相关网页列表;然后,根据用户点击网页的行为进行ε-贪婪学习,计算得到排序系统中的强化信号,通过奖励和惩罚机制为每个网页计算相关性程度值;最后,根据相关性程度对网页进行重新排序。随着用户反馈的信息越来越多,相关网页会排列在列表的最高等级上。实验结果表明,提出的算法能够准确地推荐出相关网页,在P@n、NDCG和MAP性能指标上都获得了较优的性能。(本文来源于《计算机应用研究》期刊2019年08期）
王小刚,闫光辉,周宁[4]（2019）在《结合基因遗传和贪婪搜索的布谷鸟社区检测算法》一文中研究指出为了提高复杂网络社区结构挖掘的精度,结合基因遗传和贪婪搜索提出一种面向模块度优化的布谷鸟社区检测算法(GGCSCA)。布谷鸟种群在有序邻居表上逐维随机游走,并采用优质基因遗传策略,使得种群高效优化,同时应用局部模块度增量最大化的贪婪偏好搜索算法快速提升种群质量,以取得好的社区划分结果。GGCSCA在基准网络和经典网络上进行了实验,并与一些典型算法进行对比,结果说明了本社区发现算法的有效性、准确性和快速收敛性,具有较强的社区识别能力,能够精细地检测出网络社区结构。(本文来源于《计算机应用研究》期刊2019年02期）
文艺,潘大志[5]（2017）在《基于贪婪搜索和变异操作的布谷鸟算法》一文中研究指出作为一种新型的生物启发式群体智能算法,布谷鸟算法模拟了布谷鸟生育雏鸟以及鸟类的Levy flights行为,是一种全局最优搜索算法,为了更好地提高算法对不同问题的适应能力,提出一种基于贪婪搜索和变异操作的布谷鸟(GMCS)算法.根据最优位置设计一种贪婪搜索策略,贪婪搜索策略和Levy flights随机游动搜索策略按概率交替进行,加强算法的局部探索能力;引入差分进化算法中的变异操作,提高算法跳出局部最优的能力;加入一个新的参数,根据收敛状态自适应地调整参数阈值以控制贪婪搜索策略和变异操作的执行次数.通过8个标准测试函数进行数值实验,实验结果表明,与部分改进的布谷鸟算法以及一些其他改进的演化算法相比,GMCS算法具有较好的收敛性能和适应能力,验证了改进后算法的有效性.(本文来源于《西南师范大学学报(自然科学版)》期刊2017年12期）
李晓荣[6]（2016）在《最大和网络搜索结果多样性问题及其贪婪策略分析》一文中研究指出随着网络技术的迅猛发展,网民人数的不断增多,互联网资源库中的信息也在呈指数倍地上涨,搜索引擎作为人们在海量信息中获取有效信息的重要检索工具正在受到越来越多人的青睐。在实际检索过程中,用户体验到搜索引擎带来的便捷的同时,也感受到了大量无效信息所带来的困扰,用户常常需要在庞大的结果集合中对信息进行筛查、选择或者细化检索内容,才能定位到自己感兴趣的信息。一方面,由于用户在关键词的“输入长度”、信息结果的“浏览长度”等方面具有“懒惰性”,利用关键词对所需信息进行查询时,用户往往通过给定较少的关键词,要求搜索引擎在结果的前几页显示自己所需信息。另一方面,关键词本身具有广泛的语义、搜索系统一次呈现结果存在数量上的限制。因此,系统常常不能快速地呈现用户的真实需求,返回多而繁杂的搜索结果集不仅耗费了用户大量的时间,还降低了用户的搜索效率。论文从提高搜索引擎效率,提高用户检索满意度的角度,考虑了不仅产生同搜索关键词相关,而且各个结果之间最好应具有能够覆盖关键词多个意义的网络搜索结果呈现问题,给出了该问题的贪婪策略,分析证明了贪婪策略具有的近似性能比。论文的主要研究工作如下:1、本文从搜索结果集合的相关性和多样化两个角度出发,建立了搜索结果多样性问题的数学模型。通过对问题模型的求解分析,得出该问题的算法结果集合,并将其与问题的最优结果集合进行比较,证明策略的有效性。同时,分析了余弦距离相似度条件下搜索结果多样性问题的近似性能比。2、用户往往是通过对搜索结果集合进行筛选而寻找到所需信息,对信息的筛选就是浏览信息的过程,浏览量越多,结果集合同关键词的总体相关性就越高,但每条信息给用户带来的边际满意度随之而降低。针对这一情况,运用非负的单调次模集合函数度量搜索结果问题的相关性,在此基础上建立数学模型,设计了贪婪策略,研究了单调次模情形下的网络搜索结果多样性问题,分析证明贪婪策略具有较好的近似性能比。3、在日新月异的网络信息世界中,不同的时间点用户对同一关键词的信息需求可能会不一样。为了满足用户不断变化的信息需求,本文将通过对静态结果集合中元素的调整,研究信息具有动态性特征的网络搜索结果有效呈现问题。4、为了验证策略的有效性,我们根据近似思想对其进行了仿真实验,实验结果表明,贪婪算法具有很好的理论近似比。本文的分析及结论丰富了现有的搜索结果多样性问题的研究,为相关问题的进一步深入探索奠定了理论基础,对实际搜索结果多样性问题具有一定的理论指导意义。(本文来源于《电子科技大学》期刊2016-04-05）
张声传[7]（2016）在《基于稀疏贪婪搜索的人脸画像合成》一文中研究指出人脸画像合成是通过机器学习对照片和画像之间的复杂映射关系建模进而利用该模型从照片合成画像的过程。画像合成对刑侦破案和数字娱乐具有重要的应用价值。例如,当案件发生后,由于环境或硬件条件的制约,警方无法获取犯罪嫌疑人的影像资料。此时,画家根据受害者或者目击证人的描述绘制的素描画像就成为犯罪嫌疑人照片的最优替代。将警方数据库中的身份证照片转换成对应的素描画像,再利用犯罪嫌疑人的素描画进行检索,从而缩小或锁定犯罪嫌疑人的身份。另外,随着社交媒体的发展,很多年轻人都希望自己的用户头像富有个性,因此各种风格的素描画便成为他们热衷的选择之一。此外,人脸画像合成还可作为其他计算机视觉任务的重要组成部分,比如人脸画像老化等。现有基于机器学习的人脸画像合成方法可分成两大类：模型驱动和数据驱动的方法。本论文致力于研究数据驱动的方法,针对现有数据驱动方法存在的一些不足,如对测试照片要求严格、需要依赖大量的训练样本等,进行方法的创新。本文的主要创新点可以概括为：1. 提出一种基于多照片-画像对的人脸画像合成方法。现有的数据驱动方法只考虑局部搜索策略,导致无法顺利合成测试照片独有的非人脸因素。此外,局部搜索要求测试照片和训练集中的图像对齐,限制了测试照片的要求。针对上述问题,提出一种基于多照片-画像对的人脸画像合成方法：第一步利用稀疏编码算法将图像块像素特征变成稀疏表示特征,提高算法对干扰的鲁棒性；第二步利用稀疏表示中每个稀疏系数的值以及稀疏系数编码的次序这两个信息对训练图像块建立搜索树,提高算法的搜索精度和速度；第叁步利用测试照片的先验信息,结合图模型,通过贝叶斯推断进行人脸画像的合成。第一步和第二步简称稀疏贪婪搜索算法。实验表明所提方法相较于已有的数据驱动方法能更好更快的合成非人脸因素,而且对于任意的测试照片都适用。2. 提出一种基于单照片-画像对的人脸画像合成方法。现有数据驱动方法需要依赖大量的照片-画像对作为训练集。然而获取大量照片-画像对的代价很大,限制了已有方法的实际应用。此外,在某些极端情况下只有一个照片-画像对可用。针对上述问题,提出一种基于单照片-画像对的人脸画像合成方法：第一步对训练集中的单照片-画像对建立高斯金字塔,不仅增加了训练样本而且考虑了人脸结构的尺度信息；第二步利用稀疏贪婪搜索算法得到测试照片的初始画像,充分保持了基于多照片-画像对的人脸画像合成方法的优点；第叁步利用由测试照片和初始画像以及已有的单照片-画像对所构成的新训练集,通过结合级联回归策略和图模型进行最终的人脸画像合成。实验表明所提方法能取得与最新数据驱动方法可比拟的结果,而且同样能合成非人脸因素且不限制测试照片的要求。3. 提出一种基于单目标画像的人脸画像合成方法。现有数据驱动方法需要依赖照片-画像对,不管是大量还是一对,都限制了合成任意风格画像的能力。针对上述问题,提出一种基于单目标画像的人脸画像合成方法。第一步利用稀疏贪婪搜索算法合成测试照片的初始画像；第二步利用多尺度特征寻找候选画像块；第叁步利用基于多特征的最优化模型精选候选画像块；第四步利用级联回归策略对初始画像进行质量提升。实验表明所提方法能取得与最新数据驱动方法可比拟的结果。而且在以实验所列的风格目标画像作为训练集的情况下,所提方法对于任意给定的测试照片都能合成质量良好的对应风格画像,这使算法更加有利于数字娱乐。4. 提出一种基于统一框架的人脸画像合成方法。现有数据驱动方法在候选图像块搜索时只利用了局部搜索策略而上述所提方法则只利用了全局搜索策略。此外,已有方法在最终画像合成时大多利用了多个候选块的线性组合,导致合成结果有些平滑。而已有的高频重建策略都是模型驱动的方法,缺失画像风格信息。针对上述问题,提出一种基于统一框架的人脸画像合成方法：第一步将训练集划分为初始训练集和高频训练集；第二步给定测试照片利用局部搜索策略和全局搜索策略在初始训练集中进行候选图像块的搜索,充分利用局部位置信息和人脸全局相似性的信息,然后利用图模型进行人脸初始画像合成；第叁步对给定的测试照片利用与初始画像合成相同的策略进行人脸高频画像的合成。将初始画像和高频画像相加得到最终的人脸画像。实验表明所提算法能同时合成非人脸部件和人脸部件,并且高频细节更加丰富。综上,本文本着训练样本从多到少、研究思路从偏到全的方式,提出以稀疏贪婪搜索作为基础的四种人脸画像合成方法,用于提升人脸画像合成的实用性。理论分析和实验结果表明了所提出方法相对于已有方法的优越性。(本文来源于《西安电子科技大学》期刊2016-04-01）
林宏[8]（2015）在《贪婪随机自适应搜索算法婪随机自适应搜索算法(GRASP)研究》一文中研究指出贪婪随机自适应搜索算法(GRASP)是近几年提出的一种新兴的算法框架,由Feo和Resend在1989年提出,分成构造阶段和局部搜索阶段两个部分。首先在第一阶段构造一个初始解,随后对初始解进行局部搜索。该算法普遍应用于生活、经济、医疗、工业等方面的各种组合优化问题。本文从贪婪随机自适应搜索算法为出发点,详细分析了该算法框架的基本内容,并运用在0-1背包问题上,加深对此算法框架的理解和运用。(本文来源于《河南科技》期刊2015年16期）
熊军军[9]（2015）在《基于贪婪和禁忌搜索策略的乘用车运输计划问题的研究》一文中研究指出随着经济飞速的发展,人民的生活水平的提高,我国的汽车工业迎来了一个快速发展时期。在这一时期,国内外各种乘用车品牌展开了激烈的市场竞争。而作为汽车供应链的重要组成部分整车物流也越来越受到重视。国外企业的物流产业已经步入成熟阶段,而我国的整车物流产业急需提高效率,以确保经济效益。本文根据2014年全国研究生数学建模竞赛E题的问题和数据进行研究分析。首先,对于整车装载问题,在考虑多个约束条件的情形下,建立线性混合整数规划模型。在装载规模不大的前提下,得到了一个通用模型,并用实例进行检验,得到较为满意的结果。再次,对于整车路径规划问题,采用在贪婪策略下的禁忌搜索算法,对整车路径规划问题进行求解。所谓贪婪策略主要体现在为了保证最终的轿运车的数量最少,类型最优,行程最短,算法在每一步的轿运车的选择、乘运车的装载、行驶路线的选择上都要做到“最优”。其“最优”具体表现如下：轿运车要尽量选择当前装载能力最大的；每次装载的乘用车的车长和是最长的,即要尽量保证满车运输；轿运车在运输的过程中尽量遍历需求点之间的最近路径,在满车运输的情况下尽量做到不返回等。利用竞赛题目中的数据,通过此算法的求解得出了比较满意的乘用车装载方案和运输路径方案。通过研究可知对于汽车物流企业来说,整车装载问题和车辆路径规划问题是两个紧密相连的问题,在解决实际问题时,同时考虑这两个问题,可以提高整车物流的效率。(本文来源于《华中师范大学》期刊2015-05-01）
刘梓,宋晓宁,唐振民[10]（2015）在《稀疏表示和贪婪搜索的人脸分类》一文中研究指出目的随着稀疏表示方法在图像重建问题中的巨大成功,研究人员提出了一种特殊的分类方法,即基于稀疏表示的分类方法。为了加强样本间的协作表示能力以及减弱稀疏分解时的强L1约束,提出了一种在稀疏分类框架下的迭代剔除机制和贪婪搜索策略的人脸识别方法。方法将测试样本表示成训练样本线性组合的方式,并在所有训练样本中通过迭代计算来消除对分类影响较小的类别和单个样本,在系数分解的过程中采用最小误差正交匹配追踪(Ec OMP)算法,进而选择出贡献程度大的类别样本并进行分类。结果在迭代更新样本字典的过程中,强化了真实类别的表示能力,并弱化了分解系数的强L1约束。在所有的实验中,正则化参数λ的取值为0.001,在ORL、FERET和AR 3个人脸数据库上,本文算法的识别率可分别达到97.88%、67.95%和94.50%,进而验证了本文算法的有效性。结论提出的在稀疏分类框架下的迭代剔除机制和贪婪搜索策略的人脸识别方法,在动态迭代的机制中完成了样本字典的更新,平衡了协作表示和稀疏约束的关系,相比较原始的稀疏分类模型有更好的准确性和稳定性。(本文来源于《中国图象图形学报》期刊2015年01期）
贪婪搜索论文开题报告
（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TDRSS通信系统对码率兼容LDPC编码的应用需求,对RC-LDPC编码的打孔算法进行了研究。通过分析打孔后LDPC子码的余留Tanner图特性和错误恢复概率,提出了一种基于贪婪搜索的序列打孔算法。通过对变量节点恢复树结构中的低恢复级别节点进行最大化搜索,再根据总近似环外消息度准则对节点进行排序,以实现码率提升和误码性能的改善。仿真结果表明,相比随机打孔算法和序列打孔算法,贪婪搜索打孔算法误码性能较好,且构造子码的性能表现更加突出。
（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。
贪婪搜索论文参考文献
[1].庄小叶,李轲.基于双向搜索与改进贪婪算法的测试点优选研究[J].保山学院学报.2019
[2].马慧,吴彦鸿,王宏艳.基于贪婪搜索的RC-LDPC编码序列打孔算法研究[J].通信技术.2018
[3].张春玲,姜成晶.利用ε-贪婪学习和用户行为反馈的搜索引擎网页排序算法[J].计算机应用研究.2019
[4].王小刚,闫光辉,周宁.结合基因遗传和贪婪搜索的布谷鸟社区检测算法[J].计算机应用研究.2019
[5].文艺,潘大志.基于贪婪搜索和变异操作的布谷鸟算法[J].西南师范大学学报(自然科学版).2017
[6].李晓荣.最大和网络搜索结果多样性问题及其贪婪策略分析[D].电子科技大学.2016
[7].张声传.基于稀疏贪婪搜索的人脸画像合成[D].西安电子科技大学.2016
[8].林宏.贪婪随机自适应搜索算法婪随机自适应搜索算法(GRASP)研究[J].河南科技.2015
[9].熊军军.基于贪婪和禁忌搜索策略的乘用车运输计划问题的研究[D].华中师范大学.2015
[10].刘梓,宋晓宁,唐振民.稀疏表示和贪婪搜索的人脸分类[J].中国图象图形学报.2015
论文知识图
