导读:本文包含了适应度方差论文开题报告文献综述及选题提纲参考文献，主要关键词:算法优化,涡流搜索(VS)算法,适应度,方差
适应度方差论文文献综述
刘魏岩,邹立颖,王红艳[1]（2018）在《算法的优化:基于适应度方差的涡流搜索方法》一文中研究指出研究了算法的优化方法。为克服涡流搜索(VS)方法在优化运行时可能会陷入局部最优的问题,提出了一种基于适应度方差(FV)的涡流搜索(VS)方法,简写为FVS算法。该方法每次迭代时计算一次全体备选解适应度值的方差大小,如果适应度方差小于某一设定阈值,则调整涡流搜索方法备选解产生的位置,使方法产生的备选解能够跳出局部最优的限制。将这种基于适应度方差的涡流搜索方法与原始涡流搜索方法和其他几种优化算法对8个测试函数进行了寻优对比,结果验证了这种FVS方法的有效性。(本文来源于《高技术通讯》期刊2018年03期）
薛威力[2]（2015）在《基于适应度值方差布谷鸟算法参数调整》一文中研究指出为了使布谷鸟搜索算法在保持快速搜索能力的同时,提高算法寻优精度.本文首先分析算法参数pa和β对迭代过程所得适应度值方差的影响,根据方差的变化动态调整算法搜索过程中参数的取值,提出了一种基于适应度值方差改进的布谷鸟搜索算法,并通过5个标准测试函数分别对CS和VCS进行测试,结果表明,VCS的寻优性能优于CS.(本文来源于《价值工程》期刊2015年34期）
单兵,倪世宏,查翔[3]（2013）在《基于适应度方差度量种群多样性的GEP算法》一文中研究指出为了保持进化过程中种群的多样性,提高算法的收敛速度,保护进化过程中的较优个体,对标准基因表达式编程(GEP)算法进行了改进,提出了一种基于适应度方差度量种群多样性的GEP算法(GEP based on population diversity measure by variance of individuals’fitness,DM-GEP)。该算法以个体适应度方差来度量种群多样性,设计了自适应变异算子,使得变异率随着种群多样性情况而变化,且同时兼顾了种群的稳定性以及进化过程中较优个体的保护。仿真结果表明,DM_GEP提高了收敛速度和精确度。(本文来源于《计算机工程与设计》期刊2013年09期）
廖建华[4]（2012）在《基于适应度方差的概率进化和种群均匀初始化的VM资源分配方法》一文中研究指出数据中心虚拟机的有效配置使设备硬件成本和运维成本大幅降低，而遗传算法由于全局搜索能力良好常用于求解数据中心资源分配问题。不过遗传算法进化概率设置不当的话，在求解复杂度较高的问题时，容易出现群体多样性和差异性减弱过早收敛的现象。另一方面，遗传算法的初始种群是随机生成的，不能保证用较低的种群密度逼近最优解区域，影响了算法的搜索效率、收敛性和稳定性。本文针对遗传算法交叉概率和变异概率的动态调整、初始种群的构造问题作了研究。论文主要工作如下：1.在两种自适应遗传算法IAGA和NAGA的基础上，提出了基于适应度方差的交叉和变异概率调整方法：首先利用染色体适应度方差判断种群进化的阶段，动态调整交叉和变异概率的取值区间，然后根据染色体适应度值选择交叉概率和变异概率的更新规则。实验表明，所提出的方法更好地匹配了染色体在群体进化不同阶段的交叉概率和变异概率，其离线资源分配得到的最小资源需求满足率高于IAGA、NAGA对应值，在虚拟机个数为128和512时，分别比IAGA提高了2.0%和24%。2.提出了结合佳点集和随机点集的初始种群构造方法：首先在生成的佳点集上迭加均匀分布的随机变量，构成具有均匀散布和随机性的点集；然后利用该点集构造初始种群。实验表明，利用改进点集构造的初始种群，其离线资源分配得到的最小资源需求满足率在虚拟机个数为128,256和512时，比佳点集初始化方法分别提高了12.8%，2.9%，2.53%，提高了算法的寻优能力，更加有效地满足了虚拟机的资源需求。(本文来源于《华南理工大学》期刊2012-12-01）
董勇,郭海敏[5]（2011）在《基于群体适应度方差的自适应混沌粒子群算法》一文中研究指出已有的混沌粒子群算法多使用Logistic混沌映射,但Logistic混沌映射产生的混沌序列不够均匀,影响了混沌粒子群算法的性能。提出在混沌粒子群算法中引入均匀性更好的An混沌映射,利用An混沌映射初始化粒子群的位置和速度,并通过适应度方差的变化来自适应控制部分粒子进行混沌更新,以改善混沌粒子群算法的性能。数值仿真的结果表明,改进算法的收敛性和全局搜索能力都有所提高,能有效避免早熟收敛。(本文来源于《计算机应用研究》期刊2011年03期）
田东平,赵天绪[6]（2010）在《基于群体适应度方差的自适应粒子群优化算法》一文中研究指出针对基本粒子群优化算法稳定性较差和易陷入局部收敛的缺点,提出了一种基于群体适应度方差的自适应粒子群优化算法。一方面,在可行域中采用混沌初始化生成均匀分布的粒群,提高了初始解的质量;另一方面,构造了基于群体适应度方差的惯性权重的自适应变换公式,增强了算法跳出局部最优解的能力。仿真实验结果表明了该算法的可行性和有效性。(本文来源于《计算机工程与应用》期刊2010年18期）
李海楠,张学良,温淑花[7]（2007）在《基于群体适应度方差的粒子群优化算法》一文中研究指出由于粒子群算法在进化后期存在搜索速度较慢,容易陷入局部最优点以及搜索到解的时间较长且精度不高的缺点,所以对算法进行改进的研究就成为一个必要的课题。通过利用混沌的遍历性和随机性的特点,引入基于Tent映射的混沌理论机制,使算法在进化后期一旦陷入局部最优点就可以跳出局部最优点的位置,并且通过群体适应度方差的计算来判断当前群体的离散程度或聚集程度,进而判断是否需要以一定的概率选择微粒个体去进行混沌更新。几个测试函数的仿真实验结果也表明了该算法在搜索时间上、解的精度上都要远远优于标准的粒子群算法,是一种可行的优化工具,有一定的应用前景。(本文来源于《计算机仿真》期刊2007年05期）
适应度方差论文开题报告
（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：
为了使布谷鸟搜索算法在保持快速搜索能力的同时,提高算法寻优精度.本文首先分析算法参数pa和β对迭代过程所得适应度值方差的影响,根据方差的变化动态调整算法搜索过程中参数的取值,提出了一种基于适应度值方差改进的布谷鸟搜索算法,并通过5个标准测试函数分别对CS和VCS进行测试,结果表明,VCS的寻优性能优于CS.
（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。
适应度方差论文参考文献
[1].刘魏岩,邹立颖,王红艳.算法的优化:基于适应度方差的涡流搜索方法[J].高技术通讯.2018
[2].薛威力.基于适应度值方差布谷鸟算法参数调整[J].价值工程.2015
[3].单兵,倪世宏,查翔.基于适应度方差度量种群多样性的GEP算法[J].计算机工程与设计.2013
[4].廖建华.基于适应度方差的概率进化和种群均匀初始化的VM资源分配方法[D].华南理工大学.2012
[5].董勇,郭海敏.基于群体适应度方差的自适应混沌粒子群算法[J].计算机应用研究.2011
[6].田东平,赵天绪.基于群体适应度方差的自适应粒子群优化算法[J].计算机工程与应用.2010
[7].李海楠,张学良,温淑花.基于群体适应度方差的粒子群优化算法[J].计算机仿真.2007
标签：算法优化; 涡流搜索(VS)算法; 适应度; 方差;