一、确定F_(min)的一个算法（论文文献综述）
石拓[1]（2021）在《无源传感器网络的覆盖问题》文中进行了进一步梳理无线传感器网络是帮助人们认知、探索物理世界的重要工具,也帮助人们打破了信息世界与物理世界之间的壁垒。然而,由于传感器节点的供电单元一般为电池,使得传感器网络的网络寿命受限。同时,废弃的传感器节点中的电池也会对环境造成不可逆的污染。这两点严重阻碍了传感器网络的进一步发展。为了解决这个问题,研究者提出了无源传感器网络。无源传感器网络是由无源传感器组成的网络。无源传感器节点自身不携带电源,但可以从周围环境能源（太阳能、风能、射频能量等）中获取能量。由于这些能量源具有绿色环保,能量供给持久的特点,使得无源传感器网络具有环境友好,寿命无限的特点。本文主要研究无源传感器网络中的覆盖问题。网络覆盖是传感器网络中保障网络连通、感知数据完整、网络功能完善的重要指标。但由于周围环境能源具有供给持久、分布失衡、变化难测等特点,使得无源传感器网络中的覆盖问题更为复杂。本文针对不同类型的无源传感器网络中的覆盖问题进行了深入研究,主要研究成果如下:第一,本文研究了基于绿色能源的无源传感网的覆盖问题。在这种网络中,无源传感器节点通过环境中的绿色能源——太阳能、风能等获能。由于绿色能源具有分布失衡、能量波动等特点,导致无源节点的工作状态不稳定,网络的全覆盖很难保证。这使得,传统传感器网络中对网络覆盖的度量标准无法应用。另一方面,由于绿色能源的能量供给是持久的,使得网络不存在生命受限的问题,这也使得传感器网络中现存的以网络生命周期为优化目标的算法无法应用。为了应对以上两个挑战,本文首先重新定义了网络覆盖的度量,将网络覆盖质量定义为对监控区域的平均覆盖率。其次,本文以网络覆盖质量为优化目标,定义了覆盖质量最大化问题,并证明了该问题是NP-难的,给出了该问题解的代价的上界。同时,本文也给出了该问题具有多项式时间最优解的充分条件。当该条件不满足时,本文提出了两个集中式近似算法和一个分布式近似算法对该问题进行求解,并从理论与实验两个角度对所提的三种算法的有效性进行了分析验证。第二,本文研究了绿色能源分布敏感的无源传感网的覆盖问题。在这一问题中,本文主要研究如何通过部署传感网节点的地理位置和工作状态来适应绿色能源分布,最大化网络覆盖质量。通过节点地理位置的部署可以适应绿色能源在空间上的分布,而节点工作状态的调度则可以适应绿色能源在时间上的分布。然而,节点的能量获取状态与节点的工作状态相互影响,这使得如何合理地部署、调度无源节点,并最大化网络覆盖质量成为了一个复杂的问题。本文将节点的地理位置部署和工作状态调度合称为节点的联合部署,而本问题的目的就是通过网络的联合部署最大化网络的覆盖质量。本文证明了该问题为NP-难问题,同时也给出了该问题解的代价的上界。为了解决该问题,本文提出了一个基于放缩策略的近似算法。本文证明了该问题的近似比,也通过实验验证了该算法的有效性。第三,本文研究了基于无线充电的无源传感器网络的覆盖问题。在基于无线充电的无源传感器网络中,存在充电桩和基于被动RFID标签的无源传感器节点。在这种网络结构中,充电桩通过旋转有向天线来为不同方向的无源传感器节点充电,并获取节点上的感知数据。由于充电桩在旋转天线和为节点充电时均需要耗费能量,且在单位时间内,有向天线只能收取单一角度上的感知数据,因此,如何合理地调度充电桩的天线,在最小耗能的情况下收集足够的感知数据,保障网络的有效覆盖成为了一个重要问题。为此本文定义了适应该网络拓扑结构的时隙支配集来保障网络的数据覆盖。并提出了最优化时隙支配集构造问题,同时证明了该问题是NP-难的。本文从不同的需求（快照需求和连续需求）和网络规模（小规模网络和大规模网络）出发,提出了三种近似算法,并从理论上证明了这三种近似算法的时间复杂度、通信复杂度和近似比。同时,本文也通过大规模的模拟实验验证了三种算法的正确性和有效性。第四,本文研究了基于混合能源的无源传感网的覆盖问题。在基于混合能源的无源传感器网络中部署有充电桩,节点既可以从无线充电源中获取能量,也可以从绿色能源中获取能量。本文在这种网络中提出了数据-能量双覆盖的概念。能量覆盖是指通过合理地部署充电桩来对无源传感器节点构成覆盖,通过稳定的能量供给弥补绿色能源分布失衡、能量波动的缺点。数据覆盖是指通过调度无源节点工作对监控区域构成覆盖,有效地监控、收集区域中的感知数据。然而,由于充电桩的部署成本较高,且节点调度严重依赖于区域中的能量分布,使得如何合理地部署充电桩,调度节点工作,降低充电桩部署成本,提高网络覆盖质量成为了一个重要问题。本文通过以下两个子问题来解决这一问题。第一个问题主要研究如何构造数据-能量覆盖,使得网络覆盖质量达到给定阈值,并最小化充电桩部署成本。第二个问题主要研究如何构造数据-能量覆盖,使得充电桩部署成本在不超过给定阈值的前提下最大化网络覆盖质量。本文证明了这两个问题均为NP-难问题。并证明了数据覆盖与能量覆盖之间的关系。同时,依据以上关系,本文针对这两个问题提出了两个近似算法。最后本文通过理论分析和实验模拟对以上两个算法的有效性进行了验证。第五,本文研究了基于部分无源节点的传感网中的覆盖问题。基于部分无源节点的传感网是指,网络中既包括传统有源传感器节点,也包括无源传感器节点。由于现存有大量的传统无线传感器网络,本文考虑在传统的传感器网络中加入无源传感器节点,并通过构造覆盖,保证网络功能完善的前提下,进一步提高传统传感器网络的寿命。本文通过构造连通支配集来保障网络的覆盖与连通,并将网络寿命重新定义为网络中可工作连通支配集个数。这种新型的网络寿命定义方式充分地考虑到了感知数据的空间相关性。基于该定义,本文提出了无源传感器网络中的连通支配集构造问题,并证明了该问题为NP-难问题。为了解决该问题,本文首先提出了一个基于重构网络的集中式算法。其次,对于大规模的传感器网络,本文提出了一个基于局部信息的分布式算法。本文证明了以上两个算法的近似比,并通过实验进一步验证了文中提出算法的有效性。
杨茸[2]（2021）在《空间文本查询优化》文中指出随着位置感知设备及技术的发展、基于位置的应用的盛行,空间文本数据——同时包含空间和文本属性的数据,也称作空间文本对象（简称对象）,正以空前的速度和规模产生。空间文本查询（Spatial-Textual Queries,STQ）是在空间文本对象集上,检索满足查询空间文本约束条件的、高精度的结果集,是基于位置服务的高频关键操作。STQ的求解以及优化是空间数据管理研究领域的一个主要方向。空间文本索引和数据精简技术是两类主要的STQ优化方法,能够快速排除大量不相关的空间文本对象,减少需要验证的对象数量,提高查询效率。对于采用空间文本索引技术提升STQ求解效率的优化方法,需要选取适宜的空间文本索引,构建高效的索引映射机制,把查询的空间和文本属性映射到索引上,提升索引的过滤能力,减少需要验证的对象数量,避免高昂的验证代价。这一途径适用于能够把空间和文本属性映射到索引的STQ,存在的主要问题是:目前大多空间文本索引基于静态数据集构建,侧重过滤能力,忽略了数据变化产生的更新代价,在空间文本数据频繁变化的动态场景下索引更新代价高、缺乏高效性和自适应性。针对这一问题,本文以需要频繁更新索引的空间文本数据流上的连续k近邻查询（Continuous k-Nearest Neighbor Queries over Spatial-Textual Data Streams,Ck QST）为例,构建空间文本索引映射机制自适应模型,平衡索引的过滤能力与更新代价,优化STQ的求解。对于采用数据精简技术提升STQ求解效率的优化方法,STQ的空间或者文本属性通常无法映射到索引上,索引的过滤能力不能充分发挥,需要验证的数据集很大。数据精简技术把求解STQ时关联的数据集分组,在每组中采样满足约束条件的若干数据,其余数据被直接过滤,以较小的精度损失,避免高昂的验证代价。这一途径适用于空间或者文本属性无法映射到索引的STQ,存在的主要问题是:在不同的数据集上查询性能差异较大,无法保证数据处理能力和查询精度,缺乏普适性。针对这一问题,本文以空间属性无法映射到索引的典型NP-Hard——覆盖多关键字的优化路径查询（Keyword-aware Optimal Route Queries,KORQ）为例,建立数据过滤能力和查询精度的关系模型,开发查询性能可调节的数据精简技术,以满足多种查询效率及精度要求。本文主要工作以及创新点如下:（1）针对动态数据流上的Ck QST的求解,提出内存代价模型VUMBCM（Verification and Update of Memory-based Cost Model）和标准分块有序倒排索引的空间和文本索引映射机制,平衡动态环境索引的过滤能力与更新代价。VUMBCM计算查询的空间搜索范围的最佳映射节点集,平衡查询的验证代价与索引的更新代价。标准分块有序倒排索引确定构建有序倒排列表的关键字数量,缩短原始倒排列表长度,并且能够快速定位列表中需要验证的查询。此外,为了提高数据吞吐量,提出批量映射策略,把包含共同关键字的批量对象映射到相应倒排列表的块内,通过共享扫描实现对象的批量处理。针对Ck QST的求解,在Quadtree中集成VUMBCM、标准分块有序倒排索引以及批量映射策略,得到索引OIQ-tree。与先进的索引技术相比,当查询规模达到2000万时,OIQ-tree的对象平均处理时间降低了22%,因数据流中对象变化导致的索引平均更新时间降低了46%。（2）针对对象更新频率很高的高度动态数据流上的Ck QST的求解,提出基于成本的k-skyband重新评估技术和自适应分块有序倒排索引的空间和文本索引映射机制,在高度动态环境保证索引的过滤能力,降低索引的更新代价。基于成本的k-skyband重新评估技术根据查询结果的更新频率及数据负载,自适应地为查询选取空间搜索范围,以减小因数据集频繁更新引起的查询重新评估代价以及索引更新代价。自适应分块有序倒排索引综合考虑查询和对象的文本分布,自适应地确定倒排列表块内查询的数量,以解决数据分布倾斜时,块内查询数量过多或者过少的问题。在OIQ-tree中集成基于成本的k-skyband重新评估技术以及自适应分块有序倒排索引得到索引AOIQ-tree。与先进的索引技术相比,当查询规模达到2000万时,AOIQ-tree的对象平均处理时间降低了36%,因数据流中对象变化导致的索引平均更新时间降低了61%。（3）针对空间属性无法映射到索引的KORQ的求解,根据扩展路径目标值的特点,提出基于分层采样数据精简技术的近似算法,包括基于路径目标值放大的高精度采样技术、基于路径目标值缩小的低精度采样技术以及基于路径目标值聚类的固定采样技术,分别用于精简连接起始顶点和扩展顶点的路径、顶点对间的路径以及覆盖高频关键字的顶点。三项数据采样技术不同程度地精简求解KORQ时需要扩展的路径数量和顶点数量,提升KORQ的查询效率。与先进的数据精简技术相比,该算法查询执行时间平均减少76%以上。本文提出的索引映射机制以及数据精简技术适用于具有类似特性的STQ的求解,对其它查询的优化具有借鉴作用。
孟中华[3]（2021）在《复杂地质条件下TBM掘进参数多目标优化方法及软件开发》文中提出随着我国资源开发和交通基础设施建设等工程重心向西部转移,深长隧道的修建必不可少,首选采用TBM工法。目前,TBM隧道施工过程中选择和调整掘进参数基本上依靠人为经验,在复杂地质条件下,掘进参数无法达到掘进效率、掘进成本等多个目标的最优解,导致掘进效率降低,掘进成本增加,造成不必要的资源浪费。因此,需要研究在复杂地质状况时TBM掘进参数多目标优化方法,为实际工程提供指导。论文在广泛调研TBM掘进参数、地质参数、掘进效率与成本、多目标优化方法相关研究的基础上,依托“超特长隧道TBM掘进关键技术研究”科研项目,主要采用理论分析和数值计算方法,对复杂地质状况时TBM掘进参数多目标优化方法进行研究,主要研究成果包括:（1）分析了主流多目标优化算法优劣,筛选出NSGA-Ⅱ、MOPSO和NSGA-Ⅲ算法。研究算法的核心代码、测试问题和性能指标,在MATLAB平台编程实现并测试及对比分析。结果表明,NSGA-Ⅲ算法适合高维多目标优化,MOPSO算法的分布性不如NSGA-Ⅱ算法,但整体收敛性和收敛速度更优。（2）总结了TBM工程中技术与掘进参数、地质参数获取与筛选方法,提出TBM地质数据实时获取方法;定义磨损系数以简化测量刀具磨损数量;建立了TBM掘进参数有效数据和稳定数据两个筛选集合;对筛选后的数据进行分析,得出稳定段推进速度趋于实际速度,调整段实际速度变化滞后于推进速度变化,只有在稳定段贯入度才是真实值。（3）通过统计分析得出推进速度和刀盘扭矩强相关;建立特定地质下掘进控制参数（刀盘转速、推进速度）和掘进载荷（总推进力、刀盘扭矩）的回归表达式;建立了针对喀双隧洞特定地质条件的掘进目标传统回归模型;使用支持向量机和决策树算法针对掘进参数进行二分类岩性识别,准确率在80%以上;引入BP神经网络预测掘进效率,准确率为86%,进而提出NSGAⅡ-BP多目标优化算法,实例验证中优化后数据比92%的原始数据要好。（4）建立了TBM掘进参数多目标优化数学模型,采用Visual Studio平台、SQL SERVER数据库以及Visual C#计算机语言开发“TBM掘进参数多目标优化分析软件”,案例验证中优化效果提高了15%以上。
袁嘉蔚[4]（2021）在《基于进化计算的约束多目标优化算法研究》文中研究表明实践中,许多工程优化问题都是要求在一定的约束条件下同时优化多个目标函数,这种问题被统称为约束多目标优化问题。当一个优化问题的约束条件仅由自变量的取值范围造成时,它又被称作箱型约束的多目标优化问题。在众多处理约束多目标优化问题的方法中,基于进化计算的算法由于简单、高效而成为研究的热点。几十年来,许多进化算法已经相继被提出以解决不同类型的约束多目标优化问题。尽管如此,当所处理的优化问题复杂时,比如目标函数超多、前沿面不规则以及约束条件复杂等等,这些算法依然面临着许多挑战。为了应对这些情况,本文有针对性地提出了多种新颖的约束多目标优化算法。本文的主要贡献如下:1)为了提升基于支配关系的进化算法在处理超多目标优化问题时的性能,本文提出了一种收敛压力大的单纯形支配关系。在这新型的单纯形支配关系下,每个个体在目标空间中唯一对应有一个单纯形,并且所对应的单纯形越小,个体的收敛性被认为是越好。若存在有一个个体所对应的单纯形被包含于另一个个体的单纯形时,则认为前者单纯形支配后者。相比于传统的Pareto支配关系,所提出的单纯形支配关系具有更大的收敛压力。实验结果表明,基于单纯形支配的算法在处理箱型约束的超多目标优化问题时要比采用支配排序的基于参考点的算法（reference-point-based evolutionary algorithm using nondominated sorting approach,记为 NSGA-Ⅲ）收敛得更快。2)本文在闵可夫斯基距离下定义了基于比值和差值的两种指标,并从理论上证明了无穷范数下的比值指标最适用于评估个体质量。基于此,本文提出了一种基于有前景区域的进化算法（promising region based evolutionary algorithm,记为 PREA）,它被用于处理各种类型的箱型约束多目标优化问题。在所建议的算法PREA中,无穷范数下的比值指标首先被用于评估每个个体的适应值,并且评估值最好的解被用于定义目标空间中的有前景区域。然后,本文把有价值的候选解限制于那些位于有前景区域内的个体,其它位于有前景区域外部的解被视为收敛性差而被剔除。为了保证种群的散布性,本文引进了一种基于平行距离的散布维持机制。这种机制将目标空间中的个体垂直映射到一个单位平面上,并将个体间的垂足定义为它们的平行距离。当候选解集的规模大于预设种群规模时,平行距离最小的两个个体中评估值最差的个体将被剔除。实验结果表明,所提出的算法PREA能够很好地解决前沿面不规则的箱型约束多目标优化问题。与现有的流行算法相比,PREA在处理具有不同前沿面的箱型约束多目标优化问题上拥有更好的鲁棒性。3)本文提出了一种使用多个单准则的技术（technique using multiple single criteria,记为TMSC）来识别有价值的非可行解,这些非可行解能够协助可行解更好地解决具有复杂约束的多目标优化问题。在所提出的TMSC中,多种准则同时被用于评估每一个非可行解在不同方面的潜在价值。那些满足任意一条准则的非可行解都被视为是有价值的非可行解,它们被保存下来并与可行解混合以解决所优化的问题。这种TMSC技术很容易被嵌入到现有的进化算法中。本文将它嵌入到自己设计的算法PREA并将它记为TMSC-EA。数值实验表明,TMSC-EA在处理各种约束多目标优化问题上表现优异,它比其它现有算法具有更好的鲁棒性。并且TMSC-EA是唯一可以处理那些初始种群产生在前沿面下方复杂非可行域内的问题的算法。4)在处理带有复杂约束的多目标优化问题时,为了避免种群陷入局部区域而丢失掉某些前沿面片段,引导种群均匀地搜索那些不被可行解所支配的有前景区域是很重要的。为了实现这一目的,本文首先向目标空间引进一种基于代价值的距离来度量个体的拥挤程度,然后提出一种新颖的约束处理指标来评估个体的质量。理论研究表明,所建议的指标偏好于那些位于有前景区域中的个体,并且在减少有前景区域内种群规模的过程中,它倾向于删除最拥挤的两个个体中违反约束较重的那个。据此,本文将所建议的指标嵌入到进化算法中并提出一种基于指标的约束多目标算法来处理约束多目标优化问题。在多个基准测试系列和现实工程问题上的实验结果显示了所建议算法的有效性。与现有的六个流行算法相比,所建议的算法在处理不同类型的约束多目标优化问题上表现更好。
曾艳[5]（2021）在《面向函数因果模型的因果发现算法研究及应用》文中提出近年来,基于可观测数据的因果发现吸引了许多学者的注意力,并被广泛应用在金融经济学、神经信息学、生物医学等领域中。面向函数因果模型（Functional Causal Models,FCM）的因果发现是其中的研究热点之一,因为这方面的研究让因果结构的唯一识别性理论保证成为可能,解决了因果发现中的马尔科夫等价类难题,从而有效帮助各个应用领域中的数据来源解释、干预措施制定、多领域学习等问题的解决。这项研究包含以下两个方面的任务:（i）学习可观测变量之间的因果关系与（ii）学习潜在隐变量（或隐因子）之间的因果关系。然而,针对不同的任务（i）和（ii）,面向不同函数因果模型的因果发现具有不同的挑战:基于线性非高斯FCM和任务（i）的因果发现算法由于因果次序的搜索方式不优,存在着算法性能低的难题;基于非线性FCM和任务（i）的因果发现算法由于非线性模型的复杂性与不可传递性,存在着因果网络的识别性理论缺乏的难题;基于隐变量FCM和任务（ii）的因果发现算法由于无法处理多领域数据,存在着模型表达能力不足等难题。因此,针对这些难题,本文从不同类型的函数因果模型出发,展开了深入的模型、理论、算法与应用层面的探索与研究。具体来说,本文的研究内容与主要贡献有:（1）针对面向线性非高斯函数因果模型的因果发现算法存在识别准确率低且计算复杂度高这个挑战,本文提出了一种因果树假设下的优先选择叶子节点的算法（A LiNGAM algorithm of Giving Priority to Leaf-nodes,GPL）来估计可观测变量之间的因果结构。根据叶子节点不会影响因果结构中其他节点的这一特征,GPL算法以自底向上的方式直接逐一地选择叶子节点并确定因果次序,而无需执行数据更新过程等其他操作,最后再使用剪枝算法确定因果网络结构。除了算法层面上的高效设计,本文还提供了算法在准确性与复杂度两方面的理论分析。此外,在仿真数据和关于无线网络优化的真实数据上进行的实验验证了 GPL算法在计算复杂度和准确度两方面的优势,尤其是在数据变量个数很多或样本量很少的情况。（2）针对面向非线性函数因果模型的因果发现算法缺乏因果网络识别的理论保障这个挑战,本文首先建立了基于高维多变量的非线性函数因果模型（multiple High-Dimensional Deterministic Models,HDDM）,并分析 了模型的良好性质:HDDM 模型在经过数据转换后,能使得两两互相依赖的变量具有不对称性。这一种不对称性是推导出因果网络识别性理论的重要基础。紧接着,本文设计了候选节点的两种选择策略,并在这两种策略的基础上相应地提出了一种基于非线性函数因果模型的因果发现集成算法和给出了算法的一致性分析。最后,通过在仿真数据上的实验,本文验证了算法理论的正确性,并将算法应用在雅虎股票指数数据集上,发现了股票数据背后的因果信息。（3）为了进一步探索数据的因果关系与增强模型的表征能力,本文以学习潜在隐变量之间的因果关系为研究目标。针对面向隐变量函数因果模型的算法无法解决多领域数据这一挑战,本文首先建立了基于多领域隐变量的函数因果模型（Multi-Domain Linear Non-Gaussian Acyclic Models for LAtent Factors,MD-LiNA）,并提供了模型的可识别性分析。MD-LiNA是一种新的因果表征方式。此外,本文提出了一种集成的两阶段方法,具体地说,在第一阶段,本文利用一种基于“伪残差”的被称为Triad的约束条件和因子分析方法,确定所有领域中隐因子的位置,并估计因子载荷矩阵（连接可观测变量与隐因子的矩阵）。在第二阶段,基于噪声独立性和不同领域的隐因子与真正隐因子之间的依赖性,本文建立目标函数与无环性约束等条件,有效地解决了多领域数据的问题,即当隐变量是多领域时,本文可以根据不同领域的隐变量之间的不同因果结构,来估计出背后隐藏的真正的隐变量之间的因果结构。在仿真数据与功能性磁振造影（Functional Magnetic Resonance Imaging,fMRI）海马大脑区域的真实数据上的实验结果显示,本文的方法不仅能有效处理单领域数据,也能处理多领域数据。总的来说,本文以构建识别效率高、泛化能力强的因果发现算法为总线,以两大不同的任务作为方向,以线性非高斯函数因果模型、非线性函数因果模型与基于隐变量的函数因果模型三大模型作为研究对象,解决了面向函数因果模型的不同因果发现问题。相关研究在不同的实际应用领域中发挥着一定的指导与参考作用。
王云杰[6]（2021）在《双边不变子空间与双边Krylov子空间的最优向后扰动误差界》文中提出近似解的最优向后扰动误差界是判别算法的稳定性的标准,是衡量计算解质量的重要指标.因此,研究近似子空间问题的最优向后扰动误差界是数值线性代数和大规模科学与工程计算中一个非常重要的课题.给定矩阵A和它的两个近似不变子空间X和y,双边不变子空间向后扰动问题是寻求范数尽可能小的扰动矩阵E,使得X和y分别是矩阵A+E和（A+E）H的不变子空间.着名的Kahan-Parlett-Jiang定理给出了该问题在一定条件下的最优向后扰动误差界.本质上,它给出了特征值问题近似解的后验误差界,为估计大规模非Hermitian矩阵的双边不变子空间计算解的质量提供了一个有力的工具.然而,由该定理确定的扰动误差界仅是局部最优,而不是全局最优的.对于大规模非Hermitian矩阵的双边Krylov子空间问题,设X和y是矩阵A的双边近似Krylov子空间.Wu等人考虑了如何确定范数尽可能小的后向扰动矩阵E,使得X和y分别是矩阵A+E和（A+E）H的Krylov子空间.然而,由于所使用的两个基是双正交的,且将问题转化为拟最优问题.因此,他们的结果不是最优的.最近,Farrell建立了低秩修正矩阵不同特征值个数的上界.Xu利用秩的不等式改进了 Farrell的结果.这些结果可用于估计求解扰动线性方程组问题所需的Krylov迭代的次数.但我们发现在很多情况下他们的上界超过了矩阵的阶数.因此,寻求新的上界是有意义的.我们将重新考虑上面的三个问题.本文的主要工作如下:第一,获得了双边不变子空间问题的全局最优向后扰动误差界.主要思想是利用导数寻求最小值.为此,我们建立了新的矩阵微分公式.这个公式避免了不解析函数对复矩阵变量的微分问题.利用新的矩阵微分公式,我们给出了选定子空间X和y的基底Xm和Ym下的最优向后扰动误差矩阵E,并证明了最优向后扰动误差E的Frobenius范数与基底Xm和Ym的选择无关.也就是说,我们的结果实际上是全局最优向后扰动误差界.而Kahan-Parlett-Jiang定理仅是局部最优的.因此,我们的结果改进了Kahan-Parlett-Jiang定理.数值实验结果和我们的全局最优性相吻合.第二,考虑了大规模非Hermitian矩阵双边Krylov子空间问题,关键的技巧也是利用函数对矩阵的微分.因涉及到长方形矩阵,我们提出了两个新的策略:一个是选择最优标准正交基代替Wu等人的双正交基.另一个是利用拉格朗日乘子法来选择最优的向后扰动矩阵E.为此,我们也建立了一个新的矩阵微分公式.数值实验表明我们的结果很大程度上改进了已有的结果.第三,建立了低秩修正矩阵不同特征值个数的可达上界;给出了一些仅依赖于所讨论矩阵和低秩修正矩阵信息的先验上界.我们的上界改进了 Farrell以及Xu的结果.另外,我们还研究了低秩修正矩阵的不同奇异值个数的上界.
张硕[7]（2021）在《高通量卫星通信系统物理层多播传输技术研究》文中研究表明高通量卫星通信系统除了拥有卫星通信覆盖范围大、对通信距离不敏感等优势以外,有更高的吞吐量和更低的通信成本,这弥补了以往卫星通信系统的不足。近些年来高通量卫星通信得到了迅速的发展,应用领域大幅扩展,并面临更大的应用需求。与以往卫星通信相同,高通量卫星以单播和广播为主要的物理层传输方式,无法高效的处理一些具有多播特性的业务。因此,需要进一步提高系统容量以及用户容纳数量,尽可能采用高效的物理层传输技术。目前的高通量卫星通信系统利用多波束天线在覆盖区域形成大量点波束,在波束间采用四色频率复用获得相对较高的频率复用次数,实现高吞吐量。四色频率复用并未充分利用有限的频谱资源,而采用全频率复用能够更加充分利用频谱资源从而增加系统的用户容纳数量,同时可以进行更加灵活的频带资源调度。高通量卫星通信系统采用全频率复用时,多个波束的馈源可以进行协作实现物理层多播,即根据用户的信道状态利用同一无线资源同时为一个或者多个具有相同业务请求的多播用户分组提供的具有针对性的点对多点的物理层传输。物理层多播可以节省无线频谱资源,增加用户数容纳数量。目前,高通量卫星通信系统中对于物理层多播传输的研究相对较少,仅在为提高帧利用率的帧复用传输的研究中考虑了多播传输,并未充分利用物理层多播传输的优势。本文对全频率复用的高通量卫星通信系统中的物理层多播传输进行了研究。针对不同应用场景,考虑高通量卫星通信特点,利用用户的信道状态信息（Channel State Information,CSI）,采用用户调度和预编码技术,提高物理层多播传输性能。论文的具体研究内容及目标如下:第一,鉴于现有高通量卫星通信系统并未充分利用物理层多播传输的优势,对物理层多播传输应用场景下的多播传输模型进行了分析。目前,在高通量卫星通信系统中仅有旨在提高帧利用率的帧复用传输涉及到多播传输。多播传输本身可以高效地为更多类型的业务提供服务,因此,确定高通量卫星通信系统多播传输的应用场景十分重要。本文对高通量卫星通信系统中多播业务传输和帧复用传输两个应用场景下的物理层多播传输进行分析,归纳整理出各场景对应的多播传输模型,确定采用用户调度和预编码技术提高物理层多播传输性能,为后续的研究打下基础。第二,对于多播业务的传输,以提高传输的频谱效率为目标提出基于用户分组的多播传输方式,并设计用户分组算法。高通量卫星通信系统具有较大的服务区域,多播业务的用户数量可能很大,此时需采用较低频谱效率的传输才能保证所有用户都能得到服务。因此,需要解决用户数量大导致的多播传输频谱效率低的问题。论文分别考虑了多播区域为多波束和单波束两个场景。多波束场景下根据用户的信道特性将用户划分成多个子分组分别进行多播传输,以提升每个用户参与传输时的频谱效率,并提出了两种低复杂度的用户分组算法。单波束场景下提出了一种利用混合调制实现不同信道状态用户不同传输速率的分层传输方案,以提高信道状态好的用户的传输频谱效率。第三,对于帧复用传输,针对高通量卫星通信链路延迟大和用户信道相对稳定的特点,以保证用户公平性为目标设计低复杂度的用户调度和预编码算法。全频率复用高通量卫星通信系统中相邻波束之间会产生同频干扰,可以通过采用用户调度和预编码处理来提高物理层多播传输的性能。目前的相关研究很少针对高通量卫星通信系统的信道特点进行算法设计。高通量卫星通信本身链路延迟较大,采用复杂度较高的算法会进一步增加延迟,而其信道相对稳定的特点,一方面利于利用CSI信息提升传输性能,一方面还需要保证用户服务的公平性。本文将调度问题分解为两个调度子问题以降低复杂度,在调度算法设计中以保证用户公平性为目标。同样,将预编码问题分解为预编码方向向量求解和功率分配两个问题,利用信号泄漏噪声比的概念建立优化问题分别求解每个多播分组的预编码方向向量,降低了优化问题的复杂度,并以最大最小公平性为优化目标进行功率分配以保证用户的公平性。
刘玉惠[8]（2021）在《复杂双层规划问题的进化算法研究》文中提出在工程与经济管理领域,经常会出现涉及不同决策层次的优化模型,这类问题称为多层优化问题。由于问题的决策过程是递阶的,因此也称为递阶优化问题。当问题仅仅涉及两层决策时,相应的最优化模型称为双（二）层规划。双层规划是多层递阶优化问题的典型代表,由于其广泛的实际应用背景和算法挑战,已成为最优化问题的一个重要研究领域。不同于多目标优化,双层规划的决策者处在两个不同的层次上,这种递阶结构往往导致问题是非凸不可微的,即便是线性双层规划问题,也是强NP-难的。这些特点使得基于梯度的传统优化算法往往很难找到问题的全局最优解。由于进化算法等群智能优化算法具有全局收敛性,且对函数没有凸可微的限制,因此被越来越多地用于求解双层规划问题。然而,当双层模型涉及多峰函数、整数约束及多目标优化时,问题的求解难度更大,有效的算法极少。本文从模型处理和算子设计等方面入手,针对四类复杂双层优化问题,设计了有效的进化算法,具体工作如下:1.对线性整数双层规划问题,提出了基于梯度信息的进化算法。首先,对上层规划问题的每一个决策变量值,通过求解下层松弛问题获得下层问题的松弛解。其次,采用赌轮选择方法选择部分个体进行下层最优解的更新,该过程采取了一个简化的分支定界法。此外,结合上层目标函数的负梯度,设计了一个启发式交叉算子,使得产生的后代尽可能向目标函数值好的方向趋近。实验结果表明,算法在获得最优解时消耗的计算成本较少。2.对非线性整数双层规划问题,基于简化的分支定界算法和插值方法提出了一个模因算法。首先,以上层决策变量值作为种群个体,对初始种群中每个个体通过解下层规划问题得最优整数解。其次,为了减少下层问题的频繁求解,采用插值方法近似种群中每一个个体对应的下层解。最后,在进化过程中,通过更新好个体对应的下层最优解,获得原问题的整数最优解。数值实验结果显示,提出的模因算法是有效的。3.针对复杂的非线性双层规划问题,通过利用Trust-Tech技术和相关系数,设计了一个嵌入代理模型的进化算法。首先,使用Isodata方法对初始种群进行分组,并根据上下层目标函数的秩次确定每组个体的相关系数。其次,对于进化算子产生的后代个体,通过代理模型近似下层规划问题的解,并结合相关系数筛选种群中的点。最后,使用Trust-Tech技术搜寻不同组中的最好解,这有助于加快进化算法的收敛速度。仿真实验结果表明,算法能有效获得最优解。4.对多目标双层规划问题,给出了基于代理模型的进化算法。首先,利用均匀设计产生权重向量,通过嵌入动态加权和方法,使下层多目标问题转化为几个单目标优化问题。其次,对每一个给定的上层决策变量,通过代理模型求解转换后的下层规划问题,并自适应地改进代理模型。最后,将以上技术应用到MOEA/D算法中,获得上层问题的Pareto解集。仿真实验结果显示,嵌入这些技术有效提高了算法求解多目标双层规划问题的性能。
徐京明[9]（2020）在《云计算环境下的资源调度算法的研究》文中研究指明云计算的发展是有目共睹,其中资源调度是云计算研究热点领域之一。资源调度是根据调度目标将任务映射到可用资源,从而建立有效的映射关系的过程,它是一个NP完全问题。目前有很多关于资源调度方面的研究,但是仍然有不足之处,有些算法考虑问题不够全面,有些算法性能优化程度不够,因此,如何设计有效的资源调度策略以提高云环境下调度效能以及节省能源成本成为新的研究热点问题。为了克服传统的max-min算法在负载不均衡、时间跨度大和响应时间长等不足,本文提出了一种基于max-min算法的优化调度算法（OPMMA）,以减少时间跨度、任务完成时间、任务响应时间并提高资源利用率。OPMMA算法主要分为三种场景,场景1:任务长度之间差距较小,物理资源之间的处理速度差距较大;场景2与场景1完全相反;其他情况本文称为场景3,并且场景3在本文中不做重点研究分析对象。OPMMA算法减少调度时间的关键在于利用不同CPU处理速度下和不同长度的任务,按照不同场景的特性进行调度,提高单位时间内物理机处理任务的速率。仿真结果表明,在场景1和场景2中,OPMMA算法虽增加些许任务完成时间,但能够显着降低调度过程中的时间跨度和响应时间,该算法具有一定的适用性和实用性。针对云计算环境下的高能耗问题,本文从系统节能的角度提出了一种节能资源调度算法（ESSAMM）。该算法在max-min算法的基础上综合考虑了用户对于任务期望的完成时间和能量消耗两个因素,以节省任务执行过程中产生的能量消耗并提高用户的时间Qo S满意度,实现负载均衡。在ESSAMM算法中,首先将任务集合中各任务按照长度从小到大排序,并根据时间Qo S为该集合中长度最大和最小的任务选出符合用户期望的物理资源;接着,根据能量估算模型,计算出这两个任务在各物理机上的能耗;然后,选择最小能耗对应的物理机来执行该任务;然后,将这两个任务在任务集合中删除,并重复上述过程,直到任务集合为空。仿真结果表明,ESSAMM算法虽增加了少许的任务完成时间,但能够有效降低系统执行任务产生的总能耗,提高资源利用率。
王承涛[10]（2020）在《多因素影响下地铁杂散电流腐蚀行为及预测模型研究》文中进行了进一步梳理随着我国城镇化进程的不断推进,城市交通拥堵问题成为制约城市发展的一大因素。为了有效解决这一问题,地铁、轻轨等城市轨道交通系统因其运量大、环保、节约空间等优点,逐渐成为城市公共交通的支柱。在地铁运营过程中,会产生一种广泛存在于地铁系统主体结构和周围地下环境中的电流泄漏现象,称之为地铁杂散电流,其本质是由于地铁直流牵引回流系统对地绝缘性能下降。地铁杂散电流会对线路周围的埋地金属管线产生严重的电化学腐蚀影响,造成埋地金属管线的管壁减薄,严重时能够导致埋地金属管线的穿孔,导致天然气、煤气、航空燃油等危险运输介质的泄漏,进而可能诱发爆炸、火灾等安全事故。因此,研究杂散电流对埋地管线的电化学腐蚀现象不仅能够提高地铁系统的可靠性,而且能够降低城市埋地管线运输系统的安全风险。地铁系统是我国城市公共交通的未来发展方向,研究杂散电流腐蚀行为是深入理解杂散电流腐蚀演化规律的基础。由于地下环境的复杂特性,常用监测手段难以适用,探索新型腐蚀评估和预测方法对于判断埋地管线的当前腐蚀状态和未来发展趋势具有重要的工程实际意义。因此,深入研究地铁杂散电流腐蚀演化规律及其形成机理,并探究在此基础上腐蚀评估和预测方法,是实现地铁系统安全运营、埋地管线运输系统可靠服役的关键课题。本文在国家自然科学基金项目的资助下,结合埋地管线在受杂散电流腐蚀影响下的实际工况,以电化学实验为基本研究方法,同时借助信号处理方法、机器学习算法等手段深入开展多因素影响下的地铁杂散电流对埋地管线的电化学腐蚀行为及预测模型的研究。研究工作主要包括:（1）分析了地铁直流牵引系统和负回流系统架构,总结了地铁杂散电流的形成原因。探讨了地铁杂散电流腐蚀环境因素,并通过埋地钢筋的杂散电流腐蚀实验获得了地铁杂散电流腐蚀的宏观特征,为进一步开展电化学实验奠定了基础。设计了杂散电流电化学腐蚀行为模拟加速实验,介绍了所使用的Q235A试样的化学组成和制备方法、溶液制备过程和方法、电化学实验系统以及电化学测试内容和具体步骤,同时设计了杂散电流干扰下土壤电解质中的挂片实验。（2）分析了模拟加速实验和挂片实验结果。首先分别探讨了NaCl溶液、NaCl-Na2SO4溶液和NaCl-Na2SO4-NaHCO3溶液中的杂散电流腐蚀极化特性,分析了不同外界因素对于腐蚀电流密度和线性极化电阻的影响规律。其次分别分析了NaCl溶液、NaCl-Na2SO4溶液和NaCl-Na2SO4-NaHCO3溶液中的电化学阻抗谱特性,包括Nyquist图和Bode图特征、等效电路拟合结果、等效电路电气参数变化规律及其与电化学腐蚀演化规律的对应关系,以及不同外界因素对于阻抗谱的影响规律。分析了不同外界因素影响下的腐蚀表面形貌以及腐蚀产物与金属基底间的界面结构,探索了杂散电流作用下的电化学腐蚀行为机理和发展规律,划分了腐蚀阶段。分析了土壤环境下杂散电流腐蚀模拟实验结果,并验证了电解质溶液环境的加速实验有效地模拟了实际环境中的杂散电流腐蚀。（3）研究了直流漂移消除参数对于时域和频域电化学噪声信号的影响,探究了杂散电流腐蚀电化学噪声的混沌特性,分析了模拟杂散电流腐蚀电化学噪声信号时域和频域特性,探讨了不同外界因素对于电化学噪声频域信号特征参数的影响。基于杂散电流腐蚀电化学噪声信号的小波变换结果,提出了基于电化学噪声的杂散电流腐蚀速率评估方法,研究了不同外界因素影响下不同分解层层能量的变化规律,以对数处理后的第一层至第六层分解层能量之和为基本参数,探究了其与不同外界因素影响下腐蚀速率的相关性。（4）鉴于QPSO优化算法的固有缺点,提出了结合平均最好位置和莱维飞行的QPSO改进算法LWQPSO,通过标准测试函数Ackley、Griewank、Bohachevsky1和Bohachevsky2验证了所设计算法的性能改进效果。设计了基于LWQPSO的人工神经网络回归预测算法流程及结构框架,建立了基于模拟加速实验测量结果的腐蚀电流密度预测数据集,构建了基于LWPQSO-NN的腐蚀电流密度预测模型并进行了神经网络训练。基于LWQPSO-NN算法的预测结果,分析了种群规模、最大迭代次数、线性和非线性收缩扩张系数下降策略参数对平均预测精度和精度稳定性的影响,确定了不同参数的精度敏感性。比较了LWQPSO-NN算法相比于BPNN、QPSO-NN和WQPSO-NN在精度和稳定性上的提升,并以杂散电流腐蚀问题为前提证明了LWQPSO-NN算法在腐蚀电流密度预测问题上的性能优势。本论文有图121幅,表42个,参考文献166篇。
二、确定F_(min)的一个算法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、确定F_(min)的一个算法（论文提纲范文）
（1）无源传感器网络的覆盖问题（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 无源传感器网络 |
| 1.1.2 无源传感器网络中的覆盖问题 |
| 1.2 研究现状及分析 |
| 1.2.1 无线传感器网络中的覆盖算法 |
| 1.2.2 无源传感器网络中的覆盖算法 |
| 1.3 本文主要研究工作 |
| 1.3.1 本文主要研究问题 |
| 1.3.2 本文的主要贡献 |
| 1.4 本文章节安排 |
| 第2章 基于绿色能源的无源传感网的覆盖问题 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.2.1 网络模型 |
| 2.2.2 问题定义 |
| 2.2.3 MC-BF问题的复杂度 |
| 2.2.4 MC-BF问题所得覆盖质量的上界 |
| 2.3 不相交集合调度算法 |
| 2.3.1 不相交集合构造 |
| 2.3.2 构造覆盖 |
| 2.3.3 时间复杂性 |
| 2.3.4 近似比 |
| 2.4 自适应局部覆盖质量最大化算法 |
| 2.4.1 局部工作状态预测 |
| 2.4.2 最大化局部覆盖质量 |
| 2.4.3 局部覆盖修正 |
| 2.4.4 时间复杂性 |
| 2.5 分布式不相交集合调度算法 |
| 2.5.1 分布式不相交集合构造 |
| 2.5.2 构造覆盖 |
| 2.5.3 通信复杂度 |
| 2.6 实验分析 |
| 2.6.1 模拟环境实验 |
| 2.6.2 真实环境实验 |
| 2.7 本章小结 |
| 第3章 绿色能源分布敏感的无源传感网的覆盖问题 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.2.1 网络模型 |
| 3.2.2 问题定义 |
| 3.3 JOB问题近似算法 |
| 3.3.1 放松JOB问题 |
| 3.3.2 转换relaxed-JOB问题的解 |
| 3.3.3 性能分析 |
| 3.4 实验分析 |
| 3.4.1 模拟实验 |
| 3.4.2 真实实验 |
| 3.5 本章小结 |
| 第4章 基于无线充电的无源传感网的覆盖问题 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.2.1 网络模型 |
| 4.2.2 问题定义 |
| 4.3 基于快照需求的时隙支配集构造 |
| 4.3.1 确定潜在支配集 |
| 4.3.2 构造时隙支配集的贪心算法 |
| 4.4 基于连续需求的时隙支配集构造 |
| 4.4.1 基于时隙的COTI问题求解 |
| 4.4.2 方向角重置 |
| 4.5 实验分析 |
| 4.5.1 基准算法 |
| 4.5.2 实验设置 |
| 4.5.3 基于快照需求的时隙支配集构造 |
| 4.5.4 基于连续需求的时隙支配集构造 |
| 4.6 本章小结 |
| 第5章 基于混合能源的无源传感网的覆盖问题 |
| 5.1 引言 |
| 5.2 问题定义 |
| 5.2.1 系统模型 |
| 5.2.2 问题定义 |
| 5.2.3 计算复杂性 |
| 5.3 MIN-PS问题的近似算法 |
| 5.3.1 构造数据覆盖 |
| 5.3.2 构造能量覆盖 |
| 5.4 MAX-CQ问题的近似算法 |
| 5.4.1 构造能量覆盖 |
| 5.4.2 构造数据覆盖 |
| 5.5 实验分析 |
| 5.5.1 实验设置 |
| 5.5.2 验证MIN-PS问题相关算法 |
| 5.5.3 验证MAX-CQ问题相关算法 |
| 5.6 本章小结 |
| 第6章 基于部分无源节点的传感网的覆盖问题 |
| 6.1 引言 |
| 6.2 问题定义 |
| 6.3 集中式算法 |
| 6.3.1 集中式连通支配集构造算法 |
| 6.3.2 连通支配集调度算法 |
| 6.4 分布式算法 |
| 6.4.1 核心数据结构 |
| 6.4.2 改进型LMW算法 |
| 6.4.3 性能分析 |
| 6.5 实验分析 |
| 6.5.1 实验设置 |
| 6.5.2 实验结果 |
| 6.6 本章小节 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（2）空间文本查询优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号表 |
| 英文缩写表 |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 空间文本索引映射机制 |
| 1.2.2 数据精简技术 |
| 1.3 研究内容 |
| 1.4 主要贡献 |
| 1.5 章节安排 |
| 第2章 空间文本查询优化技术 |
| 2.1 空间文本查询基础理论 |
| 2.1.1 相关定义 |
| 2.1.2 空间文本查询模型 |
| 2.1.3 空间文本索引 |
| 2.1.4 空间文本查询算法 |
| 2.2 求解空间文本数据流上连续查询的索引映射机制 |
| 2.2.1 空间索引映射机制 |
| 2.2.2 文本索引映射机制 |
| 2.2.3 空间文本索引融合机制 |
| 2.2.4 分布式集群上求解CQST的索引映射机制 |
| 2.3 求解KORQ的数据精简技术 |
| 2.4 本章小结 |
| 第3章 空间文本索引映射机制 |
| 3.1 问题定义 |
| 3.2 文本索引映射机制 |
| 3.2.1 研究动机 |
| 3.2.2 标准分块有序倒排索引 |
| 3.2.3 批量查询/批量映射策略 |
| 3.3 空间索引映射机制 |
| 3.3.1 研究动机 |
| 3.3.2 内存代价模型 |
| 3.3.3 查询插入算法 |
| 3.3.4 实例 |
| 3.4 实验分析 |
| 3.4.1 实验环境 |
| 3.4.2 参数测试结果讨论与分析 |
| 3.4.3 性能评估 |
| 3.5 本章小结 |
| 第4章 高度动态空间文本索引映射机制 |
| 4.1 高度动态文本索引映射机制 |
| 4.1.1 研究动机 |
| 4.1.2 自适应分块有序倒排索引 |
| 4.2 高度动态空间索引映射机制 |
| 4.2.1 研究动机 |
| 4.2.2 基于成本的k-skyband重新评估技术 |
| 4.3 实验分析 |
| 4.3.1 实验环境 |
| 4.3.2 参数测试结果讨论与分析 |
| 4.3.3 性能评估 |
| 4.4 本章小结 |
| 第5章 分层采样数据精简技术 |
| 5.1 精确算法 |
| 5.1.1 KORQ及相关定义 |
| 5.1.2 精确算法描述 |
| 5.1.3 精确算法分析 |
| 5.2 分层采样数据精简技术 |
| 5.2.1 研究动机 |
| 5.2.2 近似算法描述及分析 |
| 5.3 实验分析 |
| 5.3.1 实验环境 |
| 5.3.2 参数测试结果讨论与分析 |
| 5.3.3 性能评估 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（3）复杂地质条件下TBM掘进参数多目标优化方法及软件开发（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 TBM掘进参数和地质参数 |
| 1.2.2 TBM掘进效率和掘进成本 |
| 1.2.3 多目标优化方法 |
| 1.2.4 目前存在的问题 |
| 1.3 研究内容与方法 |
| 1.4 研究路线 |
| 1.5 创新点 |
| 2 多目标优化算法及程序化 |
| 2.1 算法筛选 |
| 2.2 NSGA-Ⅱ算法 |
| 2.2.1 代码核心编写 |
| 2.2.2 算法测试问题 |
| 2.2.3 算法性能指标 |
| 2.2.4 测试结果与分析 |
| 2.3 NSGA-Ⅲ算法 |
| 2.3.1 代码核心编写 |
| 2.3.2 算法性能指标 |
| 2.3.3 测试结果与分析 |
| 2.4 MOPSO算法 |
| 2.4.1 代码核心编写 |
| 2.4.2 测试结果与分析 |
| 2.5 本章小结 |
| 3 TBM掘进数据分析和处理 |
| 3.1 数据获取及筛选 |
| 3.1.1 技术与掘进参数 |
| 3.1.2 工程地质参数 |
| 3.1.3 掘进目标参数 |
| 3.2 岩-机相互作用分析 |
| 3.2.1 相关性分析 |
| 3.2.2 掘进目标回归模型 |
| 3.3 掘进参数机器学习及NSGAⅡ-BP算法 |
| 3.3.1 岩性识别 |
| 3.3.2 神经网络模型 |
| 3.3.3 NSGAⅡ-BP算法 |
| 3.4 本章小结 |
| 4 TBM掘进参数多目标优化分析软件开发 |
| 4.1 多目标优化数学模型 |
| 4.1.1 设计变量 |
| 4.1.2 目标函数 |
| 4.1.3 约束条件 |
| 4.1.4 决策变量 |
| 4.2 软件总体设计 |
| 4.2.1 开发环境 |
| 4.2.2 系统设计 |
| 4.2.3 数据库设计 |
| 4.2.4 功能和技术特点 |
| 4.3 软件运行界面 |
| 4.3.1 系统登陆和注册 |
| 4.3.2 欢迎使用 |
| 4.3.3 第一步设置问题 |
| 4.3.4 第二步设置算法 |
| 4.3.5 第三步求解 |
| 4.3.6 第四步显示结果 |
| 4.3.7 用户管理 |
| 4.3.8 系统退出 |
| 4.4 本章小结 |
| 5 TBM掘进参数工程案例验证 |
| 5.1 工程介绍 |
| 5.2 案例验证一 |
| 5.3 案例验证二 |
| 5.4 案例验证三 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 TBM 掘进参数多目标优化分析软件核心代码 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）基于进化计算的约束多目标优化算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 约束多目标优化问题与算法 |
| 1.1.2 约束多目标优化领域的挑战 |
| 1.2 国内外研究现状 |
| 1.2.1 处理BMOPs的CMEAs分类 |
| 1.2.2 处理复杂约束的技术分类 |
| 1.3 本文工作 |
| 1.4 后续章节安排 |
| 第二章 基本知识 |
| 2.1 CMOPs的数学描述 |
| 2.2 Pareto支配,Pareto解和Pareto前沿面 |
| 2.3 算法性能度量指标 |
| 2.4 基准测试问题 |
| 2.4.1 BMOPs的基准测试问题 |
| 2.4.2 CMOPs的基准测试问题 |
| 第三章 单纯形支配关系 |
| 3.1 基本描述 |
| 3.2 数学表达形式 |
| 3.3 算法框架 |
| 3.3.1 极大极小选择策略 |
| 3.3.2 所建议算法的主要框架 |
| 3.4 数值实验与分析 |
| 3.4.1 实验设置和评估指标 |
| 3.4.2 数值结果和分析 |
| 3.5 本章小结 |
| 第四章 基于有前景区域的进化算法 |
| 4.1 两种二元指标及其性质 |
| 4.2 所建议的选择和配对策略 |
| 4.2.1 有前景的区域和有价值的候选解 |
| 4.2.2 基于平行距离的散布维持机制 |
| 4.2.3 配对策略 |
| 4.3 所建议的算法 |
| 4.3.1 算法框架 |
| 4.3.2 算法复杂度 |
| 4.4 数值实验和结果分析 |
| 4.4.1 测试问题和对比算法 |
| 4.4.2 参数设置 |
| 4.4.3 实验结果分析 |
| 4.5 本章小结 |
| 第五章 识别有价值非可行解的准则 |
| 5.1 多准则技术TMSC |
| 5.1.1 非可行解分组 |
| 5.1.2 识别有价值非可行解 |
| 5.2 将TMSC嵌入进化算法 |
| 5.2.1 精英集 |
| 5.2.2 配对池 |
| 5.2.3 配对策略 |
| 5.2.4 所建议算法的框架 |
| 5.3 所建议新的CMOPs的基准测试问题 |
| 5.4 实验研究和分析 |
| 5.4.1 对比算法 |
| 5.4.2 测试问题 |
| 5.4.3 参数设计 |
| 5.4.4 性能分析 |
| 5.4.5 在现实工程优化上的应用 |
| 5.5 本章小结 |
| 第六章 一种新的基于指标的CMEA |
| 6.1 所建议的指标 |
| 6.1.1 基于代价值的距离 |
| 6.1.2 所建议的约束处理指标 |
| 6.2 所建议的算法框架 |
| 6.2.1 种群的更新方式 |
| 6.2.2 精英集 |
| 6.2.3 子代的产生 |
| 6.2.4 所建议算法的框架 |
| 6.3 数值实验和分析 |
| 6.3.1 对比算法 |
| 6.3.2 测试问题 |
| 6.3.3 在基准测试问题上的表现 |
| 6.3.4 在实际工程问题上的表现 |
| 6.4 本章小结 |
| 第七章 总结和展望 |
| 参考文献 |
| 攻读学位期间发表或完成的论文 |
| 致谢 |
（5）面向函数因果模型的因果发现算法研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 线性非高斯函数因果模型的研究现状 |
| 1.2.2 非线性函数因果模型的研究现状 |
| 1.2.3 含隐变量函数因果模型的研究现状 |
| 1.3 论文的主要研究内容 |
| 1.4 论文的结构 |
| 第二章 基础知识 |
| 2.1 因果图模型 |
| 2.2 函数因果模型 |
| 2.2.1 线性非高斯无环模型 |
| 2.2.2 非线性信息几何因果推断模型 |
| 2.3 基于隐因子的线性非高斯无环模型 |
| 2.4 本章小结 |
| 第三章 优先选择叶子节点的线性非高斯因果发现算法 |
| 3.1 引言 |
| 3.2 优先选择叶子节点的因果发现算法 |
| 3.2.1 整体思路 |
| 3.2.2 叶子节点的识别 |
| 3.2.3 优先选择叶子节点的因果发现算法 |
| 3.2.4 算法理论分析 |
| 3.3 仿真实验与分析 |
| 3.3.1 样本量敏感性分析 |
| 3.3.2 变量数敏感性分析 |
| 3.3.3 因果树假设敏感性分析 |
| 3.4 真实数据实验与分析 |
| 3.5 本章小结 |
| 第四章 面向高维数据的非线性因果发现算法 |
| 4.1 引言 |
| 4.2 面向高维数据的函数因果模型 |
| 4.2.1 模型的定义 |
| 4.2.2 模型的性质 |
| 4.3 基于高维模型的因果发现算法 |
| 4.3.1 理论分析 |
| 4.3.2 第一阶段: 识别第一个外生变量 |
| 4.3.3 第二阶段: 识别下一个外生变量 |
| 4.3.4 简单的例子 |
| 4.4 仿真实验及分析 |
| 4.4.1 维度敏感性分析 |
| 4.4.2 样本量敏感性分析 |
| 4.4.3 噪声敏感性分析 |
| 4.4.4 参数敏感性分析 |
| 4.5 真实数据实验及分析 |
| 4.6 本章小结 |
| 第五章 基于多领域隐因子模型的因果发现算法 |
| 5.1 引言 |
| 5.2 面向多领域隐因子的函数因果模型 |
| 5.2.1 模型的定义 |
| 5.2.2 模型假设的讨论 |
| 5.2.3 模型的识别性 |
| 5.3 基于多领域隐因子模型的因果发现算法 |
| 5.3.1 第一阶段: 测量模型的估计 |
| 5.3.2 第二阶段: 结构模型的估计 |
| 5.3.3 算法的一致性分析 |
| 5.4 仿真实验及分析 |
| 5.4.1 样本量的敏感性分析 |
| 5.4.2 高相关隐因子的敏感性分析 |
| 5.4.3 隐因子个数的敏感性分析 |
| 5.4.4 领域个数的敏感性分析 |
| 5.4.5 噪声的敏感性分析 |
| 5.5 真实数据实验及分析 |
| 5.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间取得与学位论文相关的成果 |
| 致谢 |
（6）双边不变子空间与双边Krylov子空间的最优向后扰动误差界（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 预备知识 |
| 1.3 已有结论 |
| 1.4 主要创新点 |
| 2 双边不变子空间的全局最优向后扰动误差界 |
| 2.1 引言 |
| 2.2 选取最优的矩阵L_m和M_m |
| 2.3 全局最优向后扰动误差界 |
| 2.4 几个子空间的最优向后扰动界 |
| 2.5 数值实验 |
| 2.6 小结 |
| 3 双边Krylov子空间最优向后扰动误差界 |
| 3.1 引言 |
| 3.2 选择最优的标准正交基底 |
| 3.3 对给定的基底选择最优的H和K |
| 3.4 数值实验 |
| 3.5 小结 |
| 4 低秩修正矩阵不同特征值个数的可达上界 |
| 4.1 引言 |
| 4.2 低秩修正矩阵的不同特征值个数的新上界 |
| 4.3 小结 |
| 5 结论 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（7）高通量卫星通信系统物理层多播传输技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略语注释表 |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.1.1 课题背景 |
| 1.1.2 课题研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 全频率复用高通量卫星物理层传输研究现状 |
| 1.2.2 物理层多播传输关键技术 |
| 1.2.3 有待深入研究的问题 |
| 1.3 本文的主要研究内容 |
| 第2章 高通量卫星通信系统物理层多播传输模型分析 |
| 2.1 引言 |
| 2.2 高通量卫星通信物理层传输模型 |
| 2.2.1 系统模型 |
| 2.2.2 信道模型 |
| 2.2.3 物理层传输吞吐量估算 |
| 2.3 高通量卫星通信系统物理层多播传输模型 |
| 2.3.1 多播传输应用场景 |
| 2.3.2 多播传输模型与对应应用场景 |
| 2.4 高通量卫星通信系统物理层多播传输功能结构 |
| 2.5 本章小结 |
| 第3章 基于用户分组的多播业务物理层传输 |
| 3.1 引言 |
| 3.2 多播业务物理层多播传输模型 |
| 3.3 单波束多播区域多播业务分层传输方案 |
| 3.3.1 分层传输方案 |
| 3.3.2 性能分析 |
| 3.4 多波束多播区域基于用户分组的多播业务传输 |
| 3.4.1 基于用户分组的物理层多播传输问题 |
| 3.4.2 基于信道向量夹角的用户分组算法 |
| 3.4.3 算法复杂度分析 |
| 3.4.4 仿真结果与分析 |
| 3.5 本章小结 |
| 第4章 基于用户CSI的帧复用多分组多播传输用户调度算法 |
| 4.1 引言 |
| 4.2 帧复用传输用户调度问题 |
| 4.3 帧复用传输调度方案 |
| 4.4 基于用户CSI的用户调度算法 |
| 4.4.1 波束内调度算法 |
| 4.4.2 波束间调度算法 |
| 4.4.3 算法复杂度分析 |
| 4.5 仿真结果与分析 |
| 4.5.1 平均频谱效率仿真分析 |
| 4.5.2 Jain’s公平指数仿真分析 |
| 4.6 本章小结 |
| 第5章 基于SLNR的帧复用多分组多播预编码算法 |
| 5.1 引言 |
| 5.2 多分组多播预编码算法 |
| 5.2.1 平均信道预编码算法 |
| 5.2.2 基于干扰消除的预编码算法 |
| 5.2.3 基于最优化原理的预编码算法 |
| 5.3 基于SLNR的多播预编码算法 |
| 5.3.1 算法描述 |
| 5.3.2 复杂度分析 |
| 5.3.3 数值实验 |
| 5.4 帧复用传输预编码算法仿真结果与分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（8）复杂双层规划问题的进化算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 双层规划模型 |
| 1.2.2 双层规划问题的研究现状 |
| 1.3 双层优化面临的挑战 |
| 1.4 本文的创新点与内容安排 |
| 第二章 算法基础 |
| 2.1 进化算法简介 |
| 2.1.1 基本概念及算法框架 |
| 2.1.2 进化算法的特点及应用 |
| 2.2 模因算法简介 |
| 2.3 多目标优化 |
| 2.3.1 多目标优化模型 |
| 2.3.2 MOEA/D方法简介 |
| 2.4 小结 |
| 第三章 线性整数双层规划的进化算法 |
| 3.1 引言 |
| 3.2 算法设计 |
| 3.2.1 下层问题的求解方法 |
| 3.2.2 算法的基本步骤 |
| 3.3 实验结果 |
| 3.3.1 算例 |
| 3.3.2 参数设置 |
| 3.3.3 结果分析 |
| 3.4 小结 |
| 第四章 非线性整数双层规划基于近似技术的模因算法 |
| 4.1 引言 |
| 4.2 两种方法介绍 |
| 4.2.1 近似插值方法 |
| 4.2.2 简化的分支定界方法 |
| 4.3 算法设计 |
| 4.4 实验结果 |
| 4.4.1 算例 |
| 4.4.2 参数设置 |
| 4.4.3 结果分析 |
| 4.5 小结 |
| 第五章 非线性双层规划基于Trust-Tech技术的进化算法 |
| 5.1 引言 |
| 5.2 几种方法介绍 |
| 5.2.1 Isodata聚类方法 |
| 5.2.2 相关系数 |
| 5.2.3 Trust-Tech技术 |
| 5.2.4 代理模型 |
| 5.3 算法设计 |
| 5.3.1 算法框架图 |
| 5.3.2 算法步骤和伪代码 |
| 5.4 实验结果 |
| 5.4.1 算例 |
| 5.4.2 参数设置 |
| 5.4.3 结果分析 |
| 5.5 小结 |
| 第六章 多目标双层规划问题的进化算法 |
| 6.1 引言 |
| 6.2 几种方法介绍 |
| 6.2.1 下层问题的转化 |
| 6.2.2 代理模型的构造 |
| 6.3 算法设计 |
| 6.3.1 算法流程图 |
| 6.3.2 算法步骤及伪代码 |
| 6.4 实验结果 |
| 6.4.1 算例 |
| 6.4.2 测试标准 |
| 6.4.3 结果分析 |
| 6.5 小结 |
| 第七章 总结与展望 |
| 7.1 论文总结 |
| 7.2 工作展望 |
| 参考文献 |
| 攻读博士学位期间的研究成果 |
| 致谢 |
| 个人简介 |
| 学习及工作经历 |
（9）云计算环境下的资源调度算法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究目标与方法 |
| 1.3 主要研究内容 |
| 1.4 本文组织结构 |
| 第二章 云计算的相关工作研究 |
| 2.1 云计算 |
| 2.1.1 基本特点 |
| 2.1.2 服务模型 |
| 2.1.3 部署模型 |
| 2.2 云计算相关模型 |
| 2.2.1 云计算资源调度模型 |
| 2.2.2 云计算能耗估算模型 |
| 2.3 云计算的资源调度 |
| 2.3.1 资源调度概述 |
| 2.3.2 资源调度特点 |
| 2.3.3 资源调度目标 |
| 2.3.4 经典的云资源调度策略 |
| 2.4 本章小结 |
| 第三章 一种基于max-min优化的资源调度算法 |
| 3.1 研究背景 |
| 3.2 OPMMA调度算法 |
| 3.2.1 算法描述 |
| 3.2.2 算法调度目标 |
| 3.2.3 情景示例 |
| 3.2.4 情景分析 |
| 3.3 仿真结果分析 |
| 3.3.1 时间跨度 |
| 3.3.2 平均任务响应时间 |
| 3.3.3 任务完成总时间 |
| 3.4 本章小结 |
| 第四章 一种基于max-min节能的资源调度算法 |
| 4.1 研究思路 |
| 4.2 ESSAMM调度算法 |
| 4.2.1 变量以及相关定义说明 |
| 4.2.2 节能调度算法描述 |
| 4.2.3 节能调度算法流程 |
| 4.3 仿真结果与分析 |
| 4.3.1 参数设置 |
| 4.3.2 任务完成时间 |
| 4.3.3 整体资源利用率 |
| 4.3.4 系统总能量消耗 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间申请的专利 |
| 致谢 |
（10）多因素影响下地铁杂散电流腐蚀行为及预测模型研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 课题来源 |
| 1.2 课题研究背景及意义 |
| 1.3 课题研究现状 |
| 1.4 存在的问题 |
| 1.5 课题研究内容 |
| 2 杂散电流腐蚀行为总体分析及电化学腐蚀加速实验方法设计 |
| 2.1 地铁直流牵引负回流系统架构及杂散电流成因 |
| 2.2 地铁杂散电流对埋地金属管线腐蚀影响因素及宏观特征 |
| 2.3 电化学腐蚀模拟加速实验对象和溶液制备 |
| 2.4 Q235A钢杂散电流电化学腐蚀行为模拟加速实验设计 |
| 2.5 腐蚀产物元素组成分析 |
| 2.6 表面形貌分析 |
| 2.7 杂散电流干扰下的Q235A钢在土壤电解质中的挂片实验 |
| 2.8 本章小结 |
| 3 杂散电流电化学腐蚀模拟加速实验结果分析 |
| 3.1 杂散电流腐蚀模拟加速实验极化特性分析 |
| 3.2 杂散电流腐蚀模拟加速实验电化学阻抗谱特性分析 |
| 3.3 腐蚀表面形貌分析 |
| 3.4 腐蚀过程及机理分析 |
| 3.5 土壤环境下杂散电流腐蚀模拟实验结果分析 |
| 3.6 本章小结 |
| 4 模拟杂散电流腐蚀电化学噪声研究 |
| 4.1 电化学噪声基本介绍 |
| 4.2 电化学噪声数据处理方法 |
| 4.3 模拟杂散电流腐蚀电化学噪声时域和频域特征分析 |
| 4.4 基于电化学噪声的模拟杂散电流腐蚀速率评估方法 |
| 4.5 本章小结 |
| 5 杂散电流作用下基于数据挖掘技术的腐蚀电流密度预测方法研究 |
| 5.1 基于LWQPSO的优化人工神经网络回归预测算法 |
| 5.2 腐蚀电流密度预测数据集和预测模型的建立 |
| 5.3 基于LWQPSO-NN的腐蚀电流密度预测过程 |
| 5.4 腐蚀电流密度预测精度分析 |
| 5.5 分析与讨论 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
四、确定F_(min)的一个算法（论文参考文献）
- [1]无源传感器网络的覆盖问题[D]. 石拓. 哈尔滨工业大学, 2021(02)
- [2]空间文本查询优化[D]. 杨茸. 太原理工大学, 2021(01)
- [3]复杂地质条件下TBM掘进参数多目标优化方法及软件开发[D]. 孟中华. 北京交通大学, 2021(02)
- [4]基于进化计算的约束多目标优化算法研究[D]. 袁嘉蔚. 广东工业大学, 2021(08)
- [5]面向函数因果模型的因果发现算法研究及应用[D]. 曾艳. 广东工业大学, 2021(08)
- [6]双边不变子空间与双边Krylov子空间的最优向后扰动误差界[D]. 王云杰. 中国矿业大学, 2021(02)
- [7]高通量卫星通信系统物理层多播传输技术研究[D]. 张硕. 哈尔滨工业大学, 2021(02)
- [8]复杂双层规划问题的进化算法研究[D]. 刘玉惠. 青海师范大学, 2021(09)
- [9]云计算环境下的资源调度算法的研究[D]. 徐京明. 南京邮电大学, 2020(03)
- [10]多因素影响下地铁杂散电流腐蚀行为及预测模型研究[D]. 王承涛. 中国矿业大学, 2020(07)