导读:本文包含了新的目标函数论文开题报告文献综述及选题提纲参考文献，主要关键词:优化,通量平衡分析,双层规划,对偶理论
新的目标函数论文文献综述
徐恭贤,苏丹[1]（2014）在《计算甘油代谢目标函数的一种新算法》一文中研究指出通量平衡分析是代谢工程研究中能够定量预测细胞内通量分布情况的有效工具,然而其预测准确性的前提是需要设计合理的代谢目标函数。研究了克雷伯氏杆菌歧化甘油生产1,3-丙二醇的代谢目标函数计算问题。该问题的数学形式是一个双层规划模型,首先应用线性规划的对偶理论将其转化为等价的单层非线性优化问题,然后采用非线性优化算法对其进行求解。与已有的研究结果相比,所提方法获得了克雷伯氏杆菌歧化甘油代谢的全局最优通量分布情况。(本文来源于《计算机工程与应用》期刊2014年08期）
汪庆淼[2]（2014）在《基于目标函数的模糊聚类新算法及其应用研究》一文中研究指出聚类分析是统计模式识别中无监督分类的一个重要分支,基于实际问题的需要,聚类分析在近叁十年的研究及应用中得到飞速的发展。由于能更准确描述模式间的不确定关系,模糊聚类算法研究发展成为聚类分析领域的研究热点。基于目标函数的模糊聚类算法将聚类分析问题转换为一个带约束条件的优化数学问题,通过求解条件优化问题的解从而确定数据集的模糊划分及聚类结果。此类算法具有较好直观理解、算法设计简单、聚类效果良好、易于推广应用等优点,在模式识别及分类、图形图像处理、以及计算机视觉等众多领域中获得了成功的应用,从而成为数据挖掘和机器学习领域的研究热点。模糊c均值聚类(FCM)及可能性c均值聚类(PCM)是两种典型的基于目标函数的模糊聚类算法,本文综述了这两种算法的研究现状,针对聚类算法的四个研究方面：平衡不平衡数据集模糊聚类、多模糊指标广义化、基于PSO算法的模糊指标广义化、模糊指标自适应寻优进行了研究,主要的工作如下：(1)针对平衡或不平衡数据集分类问题,说明了聚类分析与有监督分类关于不平衡数据集问题的区别,分析了聚类分析针对平衡或不平衡数据集分类应满足的基本性质,指出模糊聚类结果不均衡的原因在于对样本容量的忽略,提出了模糊聚类算法均衡化的概念、基本原理和实现方法,通过在聚类算法目标函数中引入被忽略的样本容量信息可实现算法均衡化。基于模糊聚类算法均衡化的原理,对FCM及PCM算法进行了均衡化处理,得到均衡FCM算法及均衡PCM算法。由于目标函数的复杂性,无法利用梯度信息得到模糊隶属度迭代公式,引入粒子群生物群智能优化算法对模糊隶属度进行估计,实现了聚类算法对于平衡或不平衡数据集统一形式的有效分类。(2)研究了聚类算法多模糊指标的广义化。分析了FCM算法聚类收敛的基本原理,解析了FCM算法选择极小值点迭代进而实现目标函数单调递减的算法构造,揭示了多模糊指标与原有单一模糊指标的关系,即非最速下降迭代路径和最速下降迭代路径的关系,从而提出聚类算法模糊指标广义化的概念及实现途径。对FCM及PCM算法施行模糊指标广义化,得到了广义FCM及广义PCM算法,使得原有聚类算法成为广义化算法的特例,扩展了模糊指标的取值范围并可得到多种算法迭代路径,丰富和优化了聚类算法的聚类结果。另外也分析了FCM算法模糊指标m≤1时的各取值阶段特性,从反面验证了FCM算法不能取值m≤1的原因。(3)研究了基于粒子群算法的模糊指标广义化。在模糊指标广义化研究的基础上,对模糊指标取值范围进行了分析讨论,受限于FCM算法目标函数对模糊隶属度二阶海塞(Hesse)矩阵正定的要求,FCM算法模糊指标m要求大于1,通过理论分析发现,利用粒子群算法对模糊隶属度进行估计,可放宽m值约束要求为大于0,从而提出模糊指标粒子群广义化的想法,在此基础上对FCM及PCM算法进行粒子群广义化处理,采用粒子群算法对模糊隶属度解空间寻优,放松了梯度法所求模糊隶属度迭代公式对m>1的要求,从而进一步拓展了聚类算法模糊指标取值空间,优化了聚类算法的寻优路径。(4)在模糊指标自适应寻优方面,总结并分析了传统模糊指标m值确定方法的分类、基本原理及存在的不足,讨论了模糊指标与模糊隶属度、聚类中心叁者的相互关系及对于聚类算法的价值意义。说明了模糊指标的取值应与模糊隶属度及聚类中心的迭代寻优相互关联,指出其取值应满足动态、自适应及目标函数存在模糊指标极值的基本要求,提出利用粒子群算法并基于实际数据对模糊指标进行自适应寻优的设想。对FCM及PCM算法进行了模糊指标自适应寻优处理,通过改造FCM及PCM算法目标函数,使目标函数对模糊指标存在极值,采用粒子群算法对模糊指标及模糊隶属度进行估计,实现了聚类算法对模糊指标与模糊隶属度、聚类中心叁参量动态自适应寻优的目的。(本文来源于《江苏大学》期刊2014-04-01）
石卫东,王媛[3]（2013）在《例谈目标函数新视角》一文中研究指出线性规划内容是近几年来高考的热点问题,几乎每份高考试题都有相关的试题,经过几年的考查,其试题难度已从简单的求线性目标函数的最值到求非线性目标函数的最值,现在更是出现于代数中的向量、解析几何、函数相结合的新题型,下面举例说明。(本文来源于《语数外学习(数学教育)》期刊2013年08期）
周凌柯,李九龙,薄煜明[4]（2012）在《基于一种新的鲁棒目标函数的化工过程数据校正》一文中研究指出给出了一种基于新鲁棒目标函数的数据校正方法,分析了目标函数的性质及其影响函数,表明了该方法对显着误差具有较强的鲁棒性。对一个线性和非线性化工过程进行了仿真研究,并与常用的Huber鲁棒估计法和Fair鲁棒估计法进行了对比分析。(本文来源于《化工自动化及仪表》期刊2012年03期）
姚智颖,刘冬,刘光斌[5]（2011）在《具有新目标函数的改进型变分贝叶斯》一文中研究指出针对变分贝叶斯迭代运算中参数集分解所带来的问题,定义表观信息作为新的目标函数,提出了一种改进型的变分贝叶斯方法。该方法应用于线性高斯动态系统时,等价于Kalman滤波方法。推导过程还得出了Kalman增益的简化计算方程。(本文来源于《电光与控制》期刊2011年08期）
时平平,王希云[6]（2008）在《基于新拟牛顿方程的拟牛顿法对一般目标函数的全局收敛性》一文中研究指出文章通过四阶泰勒展开提出了一种新拟牛顿方程,且给出了新的拟牛顿算法,并结合Wolfe非精确线性搜索证明了此新拟牛顿算法对一般非凸无约束优化问题的全局收敛性。(本文来源于《太原科技大学学报》期刊2008年03期）
但彭波,张彩明[7]（2002）在《带约束的曲面放缩变形及一个新的目标函数》一文中研究指出对解决带约束的曲面放缩变形的fix and stretch法提出了一个新的目标函数。该目标函数在导矢叉乘积分的意义下保证了新旧曲面对应的法向变化尽可能小 ,从而保证了两个曲面的形状和曲率分布尽可能接近。另还对新方法和基于能量模型的方法进行了比较(本文来源于《贵州工业大学学报(自然科学版)》期刊2002年04期）
王焱,孙一康[8]（2002）在《基于板厚板形综合目标函数的冷连轧机轧制参数智能优化新方法》一文中研究指出板厚、板形精度是衡量板带质量的二个主要指标 ,本文以板厚板形为目标函数 ,首次采用智能化的优化方法———免疫遗传算法(IGA)对冷连轧机轧制参数进行优化。应用实例证明其性能优于传统优化方法 ,可获得满意的综合效果 ,这为新产品的试制和原有产品轧制规程的优化提供了依据。(本文来源于《冶金自动化》期刊2002年03期）
王晓哲,顾树生,吴成东,高明[9]（2001）在《一种新的加权目标函数下的神经网络训练方法》一文中研究指出采用罚函数算法的思想构造一个新的加权目标函数 ,可以用一个无约束优化过程实现约束条件下的参数寻优·基于此种新的加权目标函数 ,采用遗传算法训练了神经网络控制器参数·仿真表明 ,该方法比采用Clarke目标函数及其改进方案使系统具有更好的输出响应性能 ,更具有工程实用性·(本文来源于《东北大学学报》期刊2001年06期）
张承慧[10]（2001）在《一种工业过程时变参数估计新算法——修正目标函数法》一文中研究指出针对某些工业过程控制参数高度时变的特点和LS拟合算法存在病态估计的现象 ,提出了一类基于修正目标函数的时变参数估计算法 ,并给出递推辅助变量算法。此类算法不仅具有较强的实时跟踪能力和较高的估计精度 ,而且能克服病态估计 ,摆脱了伪随机信号在工程中带来的麻烦。新算法没有增加计算量 ,非常适合于工程应用 ,仿真及实际应用结果都证明新算法是有效的。文中给出了有关新算法的定理及其证明(本文来源于《中国工程科学》期刊2001年11期）
新的目标函数论文开题报告
（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：
聚类分析是统计模式识别中无监督分类的一个重要分支,基于实际问题的需要,聚类分析在近叁十年的研究及应用中得到飞速的发展。由于能更准确描述模式间的不确定关系,模糊聚类算法研究发展成为聚类分析领域的研究热点。基于目标函数的模糊聚类算法将聚类分析问题转换为一个带约束条件的优化数学问题,通过求解条件优化问题的解从而确定数据集的模糊划分及聚类结果。此类算法具有较好直观理解、算法设计简单、聚类效果良好、易于推广应用等优点,在模式识别及分类、图形图像处理、以及计算机视觉等众多领域中获得了成功的应用,从而成为数据挖掘和机器学习领域的研究热点。模糊c均值聚类(FCM)及可能性c均值聚类(PCM)是两种典型的基于目标函数的模糊聚类算法,本文综述了这两种算法的研究现状,针对聚类算法的四个研究方面：平衡不平衡数据集模糊聚类、多模糊指标广义化、基于PSO算法的模糊指标广义化、模糊指标自适应寻优进行了研究,主要的工作如下：(1)针对平衡或不平衡数据集分类问题,说明了聚类分析与有监督分类关于不平衡数据集问题的区别,分析了聚类分析针对平衡或不平衡数据集分类应满足的基本性质,指出模糊聚类结果不均衡的原因在于对样本容量的忽略,提出了模糊聚类算法均衡化的概念、基本原理和实现方法,通过在聚类算法目标函数中引入被忽略的样本容量信息可实现算法均衡化。基于模糊聚类算法均衡化的原理,对FCM及PCM算法进行了均衡化处理,得到均衡FCM算法及均衡PCM算法。由于目标函数的复杂性,无法利用梯度信息得到模糊隶属度迭代公式,引入粒子群生物群智能优化算法对模糊隶属度进行估计,实现了聚类算法对于平衡或不平衡数据集统一形式的有效分类。(2)研究了聚类算法多模糊指标的广义化。分析了FCM算法聚类收敛的基本原理,解析了FCM算法选择极小值点迭代进而实现目标函数单调递减的算法构造,揭示了多模糊指标与原有单一模糊指标的关系,即非最速下降迭代路径和最速下降迭代路径的关系,从而提出聚类算法模糊指标广义化的概念及实现途径。对FCM及PCM算法施行模糊指标广义化,得到了广义FCM及广义PCM算法,使得原有聚类算法成为广义化算法的特例,扩展了模糊指标的取值范围并可得到多种算法迭代路径,丰富和优化了聚类算法的聚类结果。另外也分析了FCM算法模糊指标m≤1时的各取值阶段特性,从反面验证了FCM算法不能取值m≤1的原因。(3)研究了基于粒子群算法的模糊指标广义化。在模糊指标广义化研究的基础上,对模糊指标取值范围进行了分析讨论,受限于FCM算法目标函数对模糊隶属度二阶海塞(Hesse)矩阵正定的要求,FCM算法模糊指标m要求大于1,通过理论分析发现,利用粒子群算法对模糊隶属度进行估计,可放宽m值约束要求为大于0,从而提出模糊指标粒子群广义化的想法,在此基础上对FCM及PCM算法进行粒子群广义化处理,采用粒子群算法对模糊隶属度解空间寻优,放松了梯度法所求模糊隶属度迭代公式对m>1的要求,从而进一步拓展了聚类算法模糊指标取值空间,优化了聚类算法的寻优路径。(4)在模糊指标自适应寻优方面,总结并分析了传统模糊指标m值确定方法的分类、基本原理及存在的不足,讨论了模糊指标与模糊隶属度、聚类中心叁者的相互关系及对于聚类算法的价值意义。说明了模糊指标的取值应与模糊隶属度及聚类中心的迭代寻优相互关联,指出其取值应满足动态、自适应及目标函数存在模糊指标极值的基本要求,提出利用粒子群算法并基于实际数据对模糊指标进行自适应寻优的设想。对FCM及PCM算法进行了模糊指标自适应寻优处理,通过改造FCM及PCM算法目标函数,使目标函数对模糊指标存在极值,采用粒子群算法对模糊指标及模糊隶属度进行估计,实现了聚类算法对模糊指标与模糊隶属度、聚类中心叁参量动态自适应寻优的目的。
（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。
新的目标函数论文参考文献
[1].徐恭贤,苏丹.计算甘油代谢目标函数的一种新算法[J].计算机工程与应用.2014
[2].汪庆淼.基于目标函数的模糊聚类新算法及其应用研究[D].江苏大学.2014
[3].石卫东,王媛.例谈目标函数新视角[J].语数外学习(数学教育).2013
[4].周凌柯,李九龙,薄煜明.基于一种新的鲁棒目标函数的化工过程数据校正[J].化工自动化及仪表.2012
[5].姚智颖,刘冬,刘光斌.具有新目标函数的改进型变分贝叶斯[J].电光与控制.2011
[6].时平平,王希云.基于新拟牛顿方程的拟牛顿法对一般目标函数的全局收敛性[J].太原科技大学学报.2008
[7].但彭波,张彩明.带约束的曲面放缩变形及一个新的目标函数[J].贵州工业大学学报(自然科学版).2002
[8].王焱,孙一康.基于板厚板形综合目标函数的冷连轧机轧制参数智能优化新方法[J].冶金自动化.2002
[9].王晓哲,顾树生,吴成东,高明.一种新的加权目标函数下的神经网络训练方法[J].东北大学学报.2001
[10].张承慧.一种工业过程时变参数估计新算法——修正目标函数法[J].中国工程科学.2001