导读:本文包含了随机回溯论文开题报告文献综述及选题提纲参考文献，主要关键词:QKD网络,量子密钥分发,信任中继,随机路由
随机回溯论文文献综述
张梅舒,徐雅斌,李艳平[1]（2018）在《基于回溯的D QKD网络随机路由算法研究与设计》一文中研究指出为了解决基于信任中继的QKD网络路由方案存在的密钥浪费、传输效率低等问题,针对已有的路由算法进行改进,提出了一种基于回溯的随机路由算法。通过在选路过程中添加回溯点,用于标记选路失败后应该回溯到的节点;在遇到已选路径中某条链路密钥量不足的情况下,通过查找回溯点,就可以从回溯点开始沿着随机选择的新路径重新进行密钥传递。对比实验及分析结果表明,该算法在选路时间、密钥消耗量以及密钥传输效率方面都有一定的优势。(本文来源于《2018中国信息通信大会论文摘要集》期刊2018-12-14）
王冰清[2]（2016）在《基于回溯式搜索算法的随机神经网络优化及应用》一文中研究指出在神经网络的发展历史中,BP算法(Error Back Propagation, BP误差反向传播)一直作为神经网络权值优化的主流方法。但其收敛速度慢、易陷入局部极小值等缺点降低了神经网络的性能。随机神经网络采用单隐含层结构,隐含层(输入节点到隐含节点)参数随机产生,输出层(隐含节点到输出节点)参数通过计算得到。相比于采用BP算法的神经网络而言,随机神经网络的学习速度得到了上百倍的提高,同时也提高了网络模型的准确率和泛化能力。隐含层参数的随机性策略提升了网络性能,但这种机制导致隐含层需要过多的节点。这就造成了网络结构过于臃肿,降低了测试速度。许多学者对此进行研究,旨在简化网络结构,用进化算法优化随机神经网络的隐含层参数便是其中一种。进化算法是一种基于自然选择和生物遗传等生物进化机制而出现的一种启发式搜索算法。进化算法包括遗传算法[2],遗传编码,进化策略,进化编程四部分。进化算法拥有强大的全局搜索能力。因此,本文尝试通过回溯式搜索算法(进化算法的一种)优化随机神经网络的参数,以提高随机神经网络的效率、简化神经网络结构。回溯式搜索算法求解过程是一个贪婪的过程,在用回溯式搜索算法迭代优化随机神经网络时,会造成模型趋向于拟合验证集,但在测试集上的性能甚至可能出现下降的现象。因此,本文中提出了一种双项约束的损失函数,通过数据约束,很大程度上减轻了模型趋向于拟合验证集的问题。在对网络模型评价时,泛化能力是一个重要的指标。在本文中,提出了一种新的泛化能力评价准则,能更直观的表现出模型的泛化能力。许多疾病如糖尿病、青光眼等早期症状都表现在视网膜上。通过视网膜分析可以对这些疾病做早期的预防和治疗。视网膜血管分割是视网膜分析的基础。在血管分割中,血管的弯曲、分支等分割的是否准确,直接影响到视网膜分析的准确性。本文把回溯式搜索算法改进的随机神经网络模型用于视网膜血管分割,取得了令人满意的效果。在UCI数据集和视网膜血管分割数据集上,基于回溯式搜索算法改进的随机神经网络模型获得了令人满意的效果。本文对基于回溯式搜索算法优化随机神经网络的模型做了较广泛的探究,但仍存在一些问题以待进一步的实验验证和理论分析。(本文来源于《山东大学》期刊2016-05-30）
徐伟,巩馥洲[3]（2014）在《值域增长约束满足问题的无回溯与随机行走策略的算法复杂性分析》一文中研究指出值域增长的约束满足问题模型是计算复杂性理论中一类重要的实际问题模型,针对解决这类问题的算法研究仍然很少。通过研究RB模型这一典型的值域增长约束满足问题,发现当问题规模很大时,无回溯策略比随机行走策略更加有效。这与典型的值域确定的约束满足问题如SAT问题不同,是值域增长的约束满足问题所特有的性质。通过实验研究了两种策略的表现,并进一步对两种策略的表现进行了分析。(本文来源于《计算机科学》期刊2014年04期）
田翠华,许卫平,陈玉明[4]（2013）在《深度优先遍历算法、随机布点法及回溯法在迷宫游戏中的应用》一文中研究指出在Eclipse平台下采用Java语言实现迷宫游戏的设计与开发。采用随机布点算法生成不规则迷宫地图,采用图的深度优先遍历算法随机生成规则地图。地图格的大小、不同在相同的窗口生成较低、中等、较高叁种不同难度的规则或不规则地图。把走迷宫的对象设置成角色方块,使用键盘方向键控制当前移动点进行游戏。遍历规则地图的起点不同,把游戏分为简单、中等、高难3种难易程度。运用回溯法从入口一步步进行探索,最后找到迷宫出口,并在界面上显示出该路径。编写画布类函数Canvas(),实现游戏设置。游戏的成功开发表明,算法研究至关重要,应用这些算法开发游戏是有效的。(本文来源于《河北北方学院学报(自然科学版)》期刊2013年03期）
余涛,周斌,陈家荣[5]（2011）在《基于多步回溯Q(λ)学习的互联电网随机最优CPS控制》一文中研究指出针对非马尔可夫环境下火电占优的互联电网AGC控制策略,引入随机最优控制中Q(λ)学习的"后向估计"原理,可有效解决火电机组大时滞环节带来的延时回报问题。本文以CPS1/CPS2滚动平均值为状态输入,将CPS评价指标与松弛目标根据线性加权原则转化为MDP奖励函数,从长期的角度提出一种在线反馈学习结构的随机最优CPS控制。统计性仿真试验表明,所提CPS控制具有较强的适应性和动态性能,在保证CPS合格率基础上能有效减少调度端的平均发令次数和反调次数。同时,该策略提供了一种可通过修正松弛因子在线调整AGC系统的"松弛度",可降低发电成本及机组磨损,从而实现CPS松弛控制。(本文来源于《电工技术学报》期刊2011年06期）
马新顺,石彤菊[6]（2008）在《一类随机规划的蒙特卡罗回溯优化求解方法》一文中研究指出针对一类随机规划问题构造了基于蒙特卡罗的回溯优化求解法,该方法本质属于一种动态搜索算法,通过迭代求解一系列样本确定性优化问题并经样本容量逐渐增加过程而逼近随机问题的最优解,而迭代终止条件由需求的计算精度确定,并具体给出了近似解的计算方法及迭代终止条件.最后,通过算列验证了该方法的有效性.(本文来源于《河北大学学报(自然科学版)》期刊2008年06期）
许可,李未[7]（2000）在《随机约束满足问题的回溯算法分析》一文中研究指出提出一种新的随机 CSP( constraintsatisfaction problem)模型 ,并且通过研究搜索树的平均节点数 ,分析了回溯算法求解该模型的平均复杂性 .结果表明 ,这种模型能够生成难解的 CSP实例 ,找到所有的解或证明无解所需的平均节点数即随变量数的增加而指数增长 .因此 ,该模型可以用来研究难解实例的性质和 CSP算法的性能等问题 ,从而有助于设计出更为高效的算法 .(本文来源于《软件学报》期刊2000年11期）
许可,李未[8]（2000）在《随机k-SAT问题的回溯算法分析》一文中研究指出通过研究搜索树的平均节点数 ,分析了回溯算法求解随机 k- SAT问题的平均复杂性 ,结果表明 :找到实例所有的解或证明其无解所需的平均节点数随变量数 n的增加而指数增长 ;随着 r(子句数 /变量数 )的增大 ,求解将变得越来越容易 ,而且当 r趋近于无穷大时 ,以 n为指数 ,平均节点数的底数将无限地趋近于 1.因此 ,尽管回溯算法求解随机 k- SAT问题具有指数的平均复杂性 ,但当 r充分大以后 ,许多实例的求解将变得非常容易 .(本文来源于《计算机学报》期刊2000年05期）
随机回溯论文开题报告
（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：
在神经网络的发展历史中,BP算法(Error Back Propagation, BP误差反向传播)一直作为神经网络权值优化的主流方法。但其收敛速度慢、易陷入局部极小值等缺点降低了神经网络的性能。随机神经网络采用单隐含层结构,隐含层(输入节点到隐含节点)参数随机产生,输出层(隐含节点到输出节点)参数通过计算得到。相比于采用BP算法的神经网络而言,随机神经网络的学习速度得到了上百倍的提高,同时也提高了网络模型的准确率和泛化能力。隐含层参数的随机性策略提升了网络性能,但这种机制导致隐含层需要过多的节点。这就造成了网络结构过于臃肿,降低了测试速度。许多学者对此进行研究,旨在简化网络结构,用进化算法优化随机神经网络的隐含层参数便是其中一种。进化算法是一种基于自然选择和生物遗传等生物进化机制而出现的一种启发式搜索算法。进化算法包括遗传算法[2],遗传编码,进化策略,进化编程四部分。进化算法拥有强大的全局搜索能力。因此,本文尝试通过回溯式搜索算法(进化算法的一种)优化随机神经网络的参数,以提高随机神经网络的效率、简化神经网络结构。回溯式搜索算法求解过程是一个贪婪的过程,在用回溯式搜索算法迭代优化随机神经网络时,会造成模型趋向于拟合验证集,但在测试集上的性能甚至可能出现下降的现象。因此,本文中提出了一种双项约束的损失函数,通过数据约束,很大程度上减轻了模型趋向于拟合验证集的问题。在对网络模型评价时,泛化能力是一个重要的指标。在本文中,提出了一种新的泛化能力评价准则,能更直观的表现出模型的泛化能力。许多疾病如糖尿病、青光眼等早期症状都表现在视网膜上。通过视网膜分析可以对这些疾病做早期的预防和治疗。视网膜血管分割是视网膜分析的基础。在血管分割中,血管的弯曲、分支等分割的是否准确,直接影响到视网膜分析的准确性。本文把回溯式搜索算法改进的随机神经网络模型用于视网膜血管分割,取得了令人满意的效果。在UCI数据集和视网膜血管分割数据集上,基于回溯式搜索算法改进的随机神经网络模型获得了令人满意的效果。本文对基于回溯式搜索算法优化随机神经网络的模型做了较广泛的探究,但仍存在一些问题以待进一步的实验验证和理论分析。
（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。
随机回溯论文参考文献
[1].张梅舒,徐雅斌,李艳平.基于回溯的DQKD网络随机路由算法研究与设计[C].2018中国信息通信大会论文摘要集.2018
[2].王冰清.基于回溯式搜索算法的随机神经网络优化及应用[D].山东大学.2016
[3].徐伟,巩馥洲.值域增长约束满足问题的无回溯与随机行走策略的算法复杂性分析[J].计算机科学.2014
[4].田翠华,许卫平,陈玉明.深度优先遍历算法、随机布点法及回溯法在迷宫游戏中的应用[J].河北北方学院学报(自然科学版).2013
[5].余涛,周斌,陈家荣.基于多步回溯Q(λ)学习的互联电网随机最优CPS控制[J].电工技术学报.2011
[6].马新顺,石彤菊.一类随机规划的蒙特卡罗回溯优化求解方法[J].河北大学学报(自然科学版).2008
[7].许可,李未.随机约束满足问题的回溯算法分析[J].软件学报.2000
[8].许可,李未.随机k-SAT问题的回溯算法分析[J].计算机学报.2000