导读:本文包含了选择算子论文开题报告文献综述及选题提纲参考文献，主要关键词:多属性决策,几何Bonferroni平均算子,供应商选择模型,犹豫叁角模糊几何加权Bonferroni平均算子
选择算子论文文献综述
张健[1]（2019）在《基于HTFWGBM算子的供应商选择模型研究》一文中研究指出由于供应商选择中的的复杂性与不确定性以及人类认知的有限性,从而导致信息融合失真和决策结果不准确的情况。针对决策属性以犹豫叁角模糊数(HTFN)给出的供应商的选择问题,本文提出一种基于HTFGWBM算子的决策算法。首先,针对犹豫叁角模糊数和几何Bonferroni平均算子理论,分别定义了犹豫叁角模糊几何Bonferroni平均(HTFGBM)算子和犹豫叁角模糊几何加权Bonferroni平均(HTFGWBM)算子,同时分别研究了算子的幂等性,置换不变性,单调性和有界性等性质。其次,基于HTFGWBM算子构建新型犹豫多属性决策模型,结合HTFN排序方法进行备选供应商排序。最后通过算南水北调中线工程中的供应商选择实例证明了决策模型的可行性与有效性。结果表明,通过调整模型参数,模型具有一定的延展性和容错能力,能够很好的进行科学决策。(本文来源于《中国管理科学》期刊2019年03期）
陈海娟,冯翔,虞慧群[2]（2018）在《基于预测算子的GSO特征选择算法》一文中研究指出如今很多领域能采集到的特征变量数以万计,而能作为训练集的样本量却远小于特征数量,因此利用特征选择降低数据维数并提高算法的性能成了首要工作.特征选择的叁类主流方法为过滤式、包裹式和嵌入式,但最近用演化计算(Evolutionary Computing,EC)技术进行特征选择获得了更多的关注,已有实验证明EC技术能取得更好的性能.提出一种基于预测算子的群搜索(Group Search Optimizer,GSO)特征选择算法(GSO feature selection algorithm based on predictive operators,PGSO)用于特征选择问题.首先在GSO算法基础上引入基于轮盘赌选择算法的变异算子,按变异概率来选择粒子某一维度的值进行变异,若变异后的粒子的适应度值更优,则保留该变异,以此来保持群体的多样性,提高算法的搜索性能.再者,对GSO算法加入预测算子,选取种群中5%的粒子学习生产者的历史最优位置,来预测下一生产者的位置,这样很大程度上加快了粒子的寻优速度.最后,在UCI中的六个数据集上将其与基于粒子群优化(Particle Swarm Optimization,PSO)算法、GSO算法以及竞争选择(Competitive Selection Optimization,CSO)算法的特征选择算法进行比较,实验结果验证了所提出的算法在单目标特征选择问题上有较低的错误率和快速收敛的性能,且它不易陷入局部最优.(本文来源于《南京大学学报(自然科学)》期刊2018年06期）
潘伟强[3]（2019）在《改进的区间犹豫算子应用于物流企业选择决策》一文中研究指出针对现有区间犹豫模糊Hamacher算子存在的缺陷,构建了一种基于改进的区间犹豫模糊Hamacher加权算子的群决策方法。在分析现有区间犹豫模糊Hamacher算子不能满足幂等性的基础上,定义新的区间犹豫模糊Hamacher四则运算;提出两种改进的区间犹豫模糊Hamacher加权算子,包括改进的区间犹豫模糊Hamacher有序加权平均(I-IVHFHOWA)算子和改进的区间犹豫模糊Hamacher有序加权几何(I-IVHFHOWG)算子,并详细探究它们的常用算子形式以及算子之间的内在联系;建立基于I-IVHFHOWA算子和I-IVHFHOWG算子的物流企业选择决策模型,并通过实例说明模型的有效性。(本文来源于《计算机工程与应用》期刊2019年20期）
赵旭,黄光球,崔艳鹏,王明明[4]（2018）在《基于改进选择算子的NIDS多媒体包多线程择危处理模型》一文中研究指出网络入侵检测系统(NIDS)在流量超过其负载能力时,漏检率将不可避免,此时应将有限的处理能力优先用于较危险的数据包。因多媒体包在流量中所占比例较大,基于遗传算法的NIDS多媒体包多线程择危处理模型能取得良好效果。由于使用轮盘赌选择算法,该模型存在漏选高危险系数多媒体包的可能。文章通过最优保存策略对选择算子进行改进,并对模型提出新的处理步骤,使系统每个线程内选择处理的多媒体包的危险系数总和最大,同时每个线程的处理能力得到了充分利用。实验表明,改进后的入侵检测模型对危险系数较高的多媒体文件检测率有所提高,目标函数的收敛性也得到加强。(本文来源于《信息网络安全》期刊2018年10期）
凌军,宋启祥,房爱东,李现伟[5]（2018）在《基于局部熵的边缘检测算子选择算法》一文中研究指出为了在图像处理中选择恰当的边缘检测算子,保证边缘提取的质量,提出边缘点加权平均边缘局部熵,对利用边缘点加权平均边缘局部熵选择边缘检测算子的算法进行了研究。通过边缘检测算子抽取出图像的边缘,计算图像边缘的局部熵,使用边缘像素的灰度信息进行加权,计算出边缘点加权平均边缘局部熵。依据边缘点加权平均边缘局部熵进行边缘检测算子的选择。实验结果表明:算法能有效地选择合适的边缘检测算子,保证获取的图像边缘质量。(本文来源于《南京理工大学学报》期刊2018年04期）
徐威娜,汪定国,赵克全[6]（2018）在《基于选择算子改进的多目标基因算法》一文中研究指出【目的】为了提高多目标基因算法的有效性,获得更真实的Pareto前沿面。【方法】利用有效点定义减少计算复杂度,并基于分类Pareto前沿面的动态规划,定义了密度指数描绘前沿面上有效点的密集程度,使得被选点差异性更大且更靠近前沿面。【结果】在减少计算复杂度和增加被选点多样性这两方面改进了多目标基因算法。【结论】数值实验结果表明该方法是有效的。(本文来源于《重庆师范大学学报(自然科学版)》期刊2018年03期）
常文杰[7]（2018）在《基于自适应算子选择的软件测试资源分配》一文中研究指出随着计算机软件的快速发展,使得软件系统的复杂度剧烈增长,为了保证软件系统的可靠性,不可避免的带来了软件测试资源消耗的增长。在测试资源日趋紧张的今天,如何在达到软件可靠性要求的前提下,尽可能的减少测试资源的消耗变得越来越重要。软件测试资源分配问题涉及软件可靠性、代价等模型的建立以及如何在软件可靠性、测试资源消耗和软件发布时间之间寻求有效的平衡,因此优化软件测试资源分配就是一个多目标优化问题。本文在分析现有的软件可靠性增长模型的基础上,发现很多可靠性模型在建模过程中忽略了故障修正过程,针对此问题本文采用兼具故障修正的软件可靠性增长模型作为可靠性评估函数;典型的参数评估方法通过求解一阶偏导获得参数评估值,该方法不能保证全局最优解,针对该问题本文提出一种基于差分进化算法的最小二乘法,来得到更为精准的参数评估值。以往的优化软件测试资源分配就是在有限测试资源的条件下,最小化测试代价,最大化可靠性,本文将最小化软件发布周期做为第叁个优化目标,并且使用本文提出的基于自适应算子和邻域种群选择的差分进化算法解决该优化问题。本文的主要工作及创新点如下:(1)经研究发现,被广泛使用的非齐次泊松过程类软件可靠性增长模型都完全依赖于这样一个假设:一个潜在故障被检测到之后,会立即被移除。而在实际的测试工作中,发现故障检测和故障修正之间必然会存在一个时间延迟,而且有可能故障修正严重滞后于故障检测。针对此问题,本文采用基于时间延迟的软件可靠性增长模型(Based on Time Delay-Software Reliability Growth Model,BTD-SRGM)作为可靠性评估函数。(2)本文提出一种基于进化算法的最小二乘法参数(Evol-utionary Algorithmbased Least Squares,LSEA)估计办法。一般学者在对软件可靠性模型进行参数估计时会对损失函数求一阶偏导,这样并不能保证全局最优解,很大可能得出的结果只是一个局部最优解,会给实验结果带来很大的偏差,本文根据差分进化算法良好的全局收敛性,将差分进化算法应用到最小二乘法的求解过程中,并给出了与典型最小二乘法的对比实验。(3)提出了一种基于多臂老虎机(Multi-armed Bandits,MAB)的自适应算子选择的差分进化算法。在进化算法的迭代过程中,不存在任何一个算子或者邻域种群大小能够很好地适用于整个搜索阶段,然而很多进化算法在搜索过程中都存在单一算子和邻域种群的不足。针对该问题本文提出基于MAB理论的算法来决定如何选择合适的算子(Adaptive Operator Selection,AOS)和邻域种群,并且通过衰减机制来提高表现好的算子的利用率。考虑到Pareto前沿的多样性,在提出的算法中嵌入距离排序(distance-sorting,DS),得到了基于多臂老虎机的差分进化算法(Multi-Armed Bandits and Decomposition-based Multi-Objectives Differential Evolution,DMAB-MODED),实验表明MAB-MODED能在更短的时间内和更低的测试代价情况下,达到可接受的软件可靠性。(本文来源于《西安电子科技大学》期刊2018-04-01）
张若秋,杜一平[8]（2017）在《模型集群分析(MPA)结合最小绝对收缩和选择算子(LASSO)在光谱多元校正中的应用》一文中研究指出由于近红外光谱数据的变量数远大于样本数且变量之间共线性强,利用多元线性回归方法对近红外光谱数据建模往往不能得到较好的模型。最小绝对收缩和选择算子(LASSO)是一种利用罚函数来提高模型预测能力的算法,该算法使用1-范数约束不仅能够解决高维度和共线性问题,还能使建立的模型具有"稀疏性",即算法在建模中具有自动进行波长选择的效果。然而在此前的部分研究工作中,利用LASSO进行建模是通过对1-范数约束条件进行优化,但针对不同样本集合对波长选择的影响缺乏足够的研究。本工作首先在模型集群分析(MPA)的框架下,利用LASSO对不同样本子集进行建模,使用不同子集所选择波长的统计性质构建若干波长子集,再利用采样误差分布分析(SEPA)对不同波长子集进行分析来确定最优子集,避免了样本不同对LASSO建模的影响。与之前的研究相比,本工作提出的算法提高了模型的预测能力和解释能力,同时本工作还将利用该算法与建模算法如岭回归(RR)、主成分回归(PCR)、偏最小二乘回归(PLSR)及其他波长选择算法进行比较。(本文来源于《中国化学会第14届全国计算(机)化学学术会议暨分子模拟国际论坛会议手册》期刊2017-11-17）
钱海军[9]（2017）在《采用空间编码与正弦选择算子遗传算法求解排课问题》一文中研究指出遗传算法是求解多约束、多目标组合优化问题的有效算法。经典遗传算法具有早熟特性,可以直接导致算法陷入局部最优解。为了提高算法的全局搜索性能,以遗传算法的染色体编码设计和选择算子设计两个方面为切人点,提出基于空间编码与正弦选择算子遗传算法(SCSS)。仿真实验证明,SCSS遗传算法求解开放教育排课问题能够满足多重约束条件,为有效实现排课问题的智能求解提供实用性的数学方法。改进后的遗传算法能够快速收敛得到问题的全局最优解,算法全局搜索性能明显增强。(本文来源于《计算机与数字工程》期刊2017年10期）
洪刘根,郑霖,杨超[10]（2017）在《基于最小绝对收缩与选择算子模型稀疏恢复的多目标检测》一文中研究指出针对地面多径环境下运动目标检测,使用最小绝对收缩与选择算子(LASSO)算法在参数估计时会出现伪目标的问题,提出一种基于LASSO模型框架的设计矩阵降维构造方法。首先,信号的多径传播能够带来目标检测的空间分集,信号在不同的多径上有不同的多普勒频移;此外,使用宽带正交频分复用(OFDM)信号能够带来频率分集。由于空间分集和频率分集的引入造成目标的稀疏特性。利用多径的稀疏性和对环境的先验知识,去估计稀疏向量。仿真结果表明,在一定信噪比(SNR,-5 d B)下,基于设计矩阵降维构造方法的改进的LASSO算法比基追踪算法(BP)、DS(Dantzig Selector)、LASSO等传统算法的检测性能有明显提高;在一定虚警率(0.1)条件下,改进的LASSO算法比原LASSO算法检测概率提高了30%。所提算法能够有效去除伪目标,提高雷达目标检测概率。(本文来源于《计算机应用》期刊2017年08期）
选择算子论文开题报告
（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：
如今很多领域能采集到的特征变量数以万计,而能作为训练集的样本量却远小于特征数量,因此利用特征选择降低数据维数并提高算法的性能成了首要工作.特征选择的叁类主流方法为过滤式、包裹式和嵌入式,但最近用演化计算(Evolutionary Computing,EC)技术进行特征选择获得了更多的关注,已有实验证明EC技术能取得更好的性能.提出一种基于预测算子的群搜索(Group Search Optimizer,GSO)特征选择算法(GSO feature selection algorithm based on predictive operators,PGSO)用于特征选择问题.首先在GSO算法基础上引入基于轮盘赌选择算法的变异算子,按变异概率来选择粒子某一维度的值进行变异,若变异后的粒子的适应度值更优,则保留该变异,以此来保持群体的多样性,提高算法的搜索性能.再者,对GSO算法加入预测算子,选取种群中5%的粒子学习生产者的历史最优位置,来预测下一生产者的位置,这样很大程度上加快了粒子的寻优速度.最后,在UCI中的六个数据集上将其与基于粒子群优化(Particle Swarm Optimization,PSO)算法、GSO算法以及竞争选择(Competitive Selection Optimization,CSO)算法的特征选择算法进行比较,实验结果验证了所提出的算法在单目标特征选择问题上有较低的错误率和快速收敛的性能,且它不易陷入局部最优.
（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。
选择算子论文参考文献
[1].张健.基于HTFWGBM算子的供应商选择模型研究[J].中国管理科学.2019
[2].陈海娟,冯翔,虞慧群.基于预测算子的GSO特征选择算法[J].南京大学学报(自然科学).2018
[3].潘伟强.改进的区间犹豫算子应用于物流企业选择决策[J].计算机工程与应用.2019
[4].赵旭,黄光球,崔艳鹏,王明明.基于改进选择算子的NIDS多媒体包多线程择危处理模型[J].信息网络安全.2018
[5].凌军,宋启祥,房爱东,李现伟.基于局部熵的边缘检测算子选择算法[J].南京理工大学学报.2018
[6].徐威娜,汪定国,赵克全.基于选择算子改进的多目标基因算法[J].重庆师范大学学报(自然科学版).2018
[7].常文杰.基于自适应算子选择的软件测试资源分配[D].西安电子科技大学.2018
[8].张若秋,杜一平.模型集群分析(MPA)结合最小绝对收缩和选择算子(LASSO)在光谱多元校正中的应用[C].中国化学会第14届全国计算(机)化学学术会议暨分子模拟国际论坛会议手册.2017
[9].钱海军.采用空间编码与正弦选择算子遗传算法求解排课问题[J].计算机与数字工程.2017
[10].洪刘根,郑霖,杨超.基于最小绝对收缩与选择算子模型稀疏恢复的多目标检测[J].计算机应用.2017
标签：多属性决策; 几何Bonferroni平均算子; 供应商选择模型; 犹豫叁角模糊几何加权Bonferroni平均算子;