导读:本文包含了全局优化搜索论文开题报告文献综述及选题提纲参考文献，主要关键词:遗传算法,全局优化,团簇,结构搜索
全局优化搜索论文文献综述
高召琴,贾建明[1]（2018）在《基于遗传算法的全局优化及在团簇结构搜索中的应用》一文中研究指出遗传算法是研究复杂体系特性时经常采用的一种高效的全局优化方法.以开发出的程序为基础,介绍了遗传算法的基本特征、操作步骤、技术细节及在团簇结构优化中的运用.通过在富勒烯和铋团簇两类代表性团簇结构优化问题中的具体应用,所得结果与已有的理论和实验数据符合较好,印证了所提出的操作方案的有效性、高效性和通用性.(本文来源于《淮阴师范学院学报(自然科学版)》期刊2018年01期）
刘群锋,陈景周,徐钦桂[2]（2017）在《多水平直接搜索全局优化方法》一文中研究指出直接搜索是数值最优化中的重要思想.DIRECT算法是基于直接搜索思想的一个流行的全局优化算法.本文首先回顾了新近提出来的一个具有叁水平直接搜索框架的全局优化算法MrDIRECT,着重回顾了MrDIRECT算法是怎样消除DIRECT算法的"渐近无效"行为的,并为此提供了更多的数值证据.然后,本文提出了一个具有四水平直接搜索框架的MrDIRECT算法,讨论了其收敛性,并对之进行了大量的数值测试.我们的目的是检验水平数的增加对算法效率的影响.结果表明,水平数的增加带来的数值效果的改善并不足以抵消计算成本的增加,总体数值效果不如叁水平MrDIRECT算法.最后,本文指出MrDIRECT算法采用的多水平直接搜索框架的重要优势是,能够很灵活地平衡局部搜索和全局搜索,从而可用于设计更多的多水平直接搜索全局优化算法.本文验证的水平数增加未必带来整体数值效果的改善这一结论也可用于指导这类算法的设计.(本文来源于《数值计算与计算机应用》期刊2017年04期）
刘方洁[3]（2017）在《基于分组与局部搜索的大规模全局优化新算法》一文中研究指出随着计算机技术水平的提升,工程领域逐渐出现了更大规模的优化需求。当优化问题的规模逐渐增大时,问题的复杂性也迅速升高。此时,对大规模全局优化问题的研究就显得尤为迫切。大规模全局优化问题具有变量维数高、局部最优解多、待优化函数值在定义域上极具变换性等特点,对其求解极其困难。因此,研究人员将进化类算法引入了大规模全局优化领域。进化类算法在处理小规模优化问题时明显优于非进化类算法,但随着决策变量个数的增加,进化类算法的性能也开始呈现出急剧下降趋势。主要原因有二:其一,问题规模的增大使得搜索区域的复杂性迅速加大,局部最优点的个数迅速增加。算法很容易陷入局部最优值;其二:搜索范围呈指数级增大,算法对区域的探索性不足。因此迫切需要提出既能对整个搜索区域进行高效探索,又能跳出局部最优的高效算法。一种有潜力的解决方案是协作型协同进化算法(CCEA)。它是一种基于分组与局部搜索的全局优化算法,将分而治之及协同思想引入大规模全局优化算法的设计。目前,学者们对此作了大量研究,并提出了一系列求解大规模全局优化问题的新方法,其中具有代表性的算法有:DECC,DECC-G,DECC-DG,MLCC,CCVIL,CPSO-SK和CPSO-HK,CCPSO,CCPSO2等。但是,已有协作型协同进化算法的分组方案还不够有效,甚至会对很多问题失效,而且局部搜索算法的效率也有待提高。为了克服这些缺陷,本文提出了两种改进的协作型协同进化算法。主要工作如下:1.提出了DECC-DG算法的一种改进算法:DECC-TSDG算法。该算法对DECC-DG算法中的分组方法DG进行了改进,提出了两步走的分组算法TSDG。TSDG在保证分组结果正确的前提下,降低了分组过程所消耗的时间,节省了宝贵的计算资源,使得分组过程更加高效。2.给出了一种新的变量相关性判定策略。该策略考虑了各组包含重迭变量的情形,适应面更广。此外,还将Alpha稳定分布引入差分进化算法,提出了一种改进的差分进化算法作为局部搜索算法。新算法在节省了计算资源的同时,也提升了局部搜索算法的搜索能力,得到了更好的全局最优解。最后提出了求解大规模全局优化的一个新算法:Alpha-DECC-IOG算法。3.对这些新算法进行了实验,结果表明了这些新算法的有效性。(本文来源于《西安电子科技大学》期刊2017-06-01）
孙莉,王传伟,潘浩[4]（2016）在《求解全局优化问题的两阶段模式搜索算法》一文中研究指出将Matlab中全局优化工具箱中的模式搜索求解器与割峰函数结合,提出一个两阶段模式搜索算法。首先通过模式搜索求解器求解包含多个极小值的优化问题,返回结果后,在当前迭代点处定义割峰函数,继而采用模式搜索求解器进一步极小化辅助函数寻找比当前结果更好的下降点。该算法简单易行,数值结果表明新算法提高了模式搜索求解器获得全局解的效率。(本文来源于《山东农业大学学报(自然科学版)》期刊2016年03期）
张琛[5]（2016）在《大规模全局优化中的分组技术和局部搜索技术研究》一文中研究指出从遗传算法和进化策略的提出至今,科研工作者不断地提出了很多不同的元启发算法去解决全局优化问题,这些算法展现出了很强的搜索能力并找到了令人满意的解。然而,随着科学和计算的进步,对于全局优化问题,函数自变量的个数由少于十个逐渐转变为成百上千,越来越多的问题从传统的小规模优化转向更加复杂的大规模优化。随着问题维度的增加,搜索空间变大,在有限时间内去寻找全局最优解,这些算法开始面临“维度灾难”,传统的搜索算法在处理这些问题时效果变得很差。这些算法效果变差的原因主要有两点:第一,随着变量维度的线性增加,搜索空间的大小呈指数增加趋势;第二,随着变量维度的增加,很多问题的性质发生了改变。因此,大规模全局优化问题的求解成为目前此研究领域的一个关键问题。而大规模优化问题可以根据测试函数的公式已知与否分为白盒优化和黑盒优化问题,白盒问题即已知求解函数的公式,而黑盒问题则是只知道函数的输入和输出,去求解函数的全局最优解。首先,随着协同进化框架的提出,“分而治之”的思想成为解决大规模优化的一个关键点。分而治之的主要方法是把一个大规模的全局优化问题分解成若干个小规模问题,再分别去优化这些小规模问题。而其中研究的主要方向则为怎样把大规模问题分解成为小规模问题,即就是基于变量的相关性对变量进行分组。如果一个变量是独立的,那么它的优化则不会影响到别的变量的优化,在对其他变量进行优化时,这些不相关变量可以被当作常量进行处理。而把相关的变量分到一组进行优化也能够很好的提高优化效果。本文提出了一个基于分治策略的针对大规模全局优化问题的新的分组方法,使用基于部分相关系数的方法判断不同维度之间的相关性并在进化过程中对变量进行分组。并且分别提出使用一次相关性判断和多次相关性判断的方法去处理分组问题。同时,采用协同进化的框架,对已完成分组变量按组用进化算法分别进行优化。其次,在大规模优化问题中,在对评价次数有明确规定的情况下,为了节约评价次数并加快问题的收敛速度,本文对带近邻搜索的自适应差分进化算法(SaNSDE)进行改进。在SaNSDE的基础上加入变焦策略,并提出一种新的变异策略。在优化过程中,不断缩小每一维变量的搜索空间的大小,并配合滑动窗口防止进化过程中的过早收敛到局部最优解,加快收敛到全局最优解的速度。为了验证提出的算法的有效性,首先在小规模测试数据集上对基于SaNSDE的变焦变异算法进行测试。实验结果表明,在小规模测试函数上,基于SaNSDE的变焦算法获得了良好的结果。其次,在大规模测试函数上分别对变焦算法,一次相关性判断算法和多次相关性判断算法进行测试,并对实验结果予以分析说明。实验结果表明,本文提出的算法在解决大规模问题上展现出了很好的有效性和计算效率。(本文来源于《西安电子科技大学》期刊2016-01-01）
马卫,孙正兴[6]（2015）在《采用搜索趋化策略的布谷鸟全局优化算法》一文中研究指出布谷鸟搜索算法是一种基于莱维飞行搜索策略的新型智能优化算法.单一的莱维飞行随机搜索更新策略存在全局搜索性能不足和寻优精度不高等缺陷.为了解决这一问题,本文提出了一种改进的布谷鸟全局优化算法.该算法的主要特点在于以下叁个方面:首先,采用全局探测和模式移动交替进行的模式搜索趋化策略,实现了布谷鸟莱维飞行的全局探测与模式搜索的局部优化的有机结合,从而避免盲目搜索,加强算法的局部开采能力;其次,采取自适应竞争机制动态选择最优解数量,实现了迭代过程搜索速度和解的多样性间的有效平衡;最后,采用优势集搜索机制,实现了最优解的有效合作分享,强化了优势经验的学习.对52个典型测试函数实验结果表明,本文算法不仅寻优精度和寻优率显着提高,鲁棒性强,且适合于多峰及复杂高维空间全局优化问题.本文算法与最新提出的改进的布谷鸟优化算法以及其它智能优化策略相比,其全局搜索性能与寻优精度更具优势,效果更好.(本文来源于《电子学报》期刊2015年12期）
马卫,孙正兴,李俊楼[7]（2015）在《基于Powell局部搜索策略的全局优化布谷鸟算法》一文中研究指出为了解决布谷鸟搜索算法后期收敛速度慢、求解精度不高、易陷入局部最优等缺陷,提出了一种基于Powell局部搜索策略的全局优化布谷鸟搜索算法。算法将布谷鸟全局搜索能力与Powell方法的局部寻优性能有机地结合,并根据适应度值逐步构建精英种群候选解池在迭代后期牵引Powell搜索的局部优化,在保证求解速度、尽可能找到全局极值点的同时提高算法的求解精度。对52个典型测试函数实验结果表明,该算法相比于传统的布谷鸟搜索算法不仅寻优精度和寻优率有所提高,并且适应能力强、鲁棒性好,与最新提出的其他改进算法相比也具有一定的竞争优势。(本文来源于《计算机应用研究》期刊2015年06期）
蒋鑫[8]（2012）在《全局优化在边坡最危险滑动面搜索中的应用》一文中研究指出在分析土坡稳定时,稳定性分析可分为两个步骤：第一步,对滑坡体内任意确定滑动面,确定其安全系数定义,并给出安全系数值;第二步,在所有的可能的滑动面中重复第一步,找出相应安全系数最小的滑动而。目前对于第一步的研究已经较为成熟,而对于第二步(最危险滑动而搜索)的研究也已经取得了一些成果。目前对于最危险滑动面搜索的问题,许多学者发展、提出了各自的方法,但都存在各自的适用性。针对现有方法的不足,本文结合全局优化理论,分析了最危险滑动面搜索问题的一般特性。发现在确定了安全系数计算方法的前提下,最危险滑动面搜索问题科以转化为求多极值多元函数在可行域上最小值问题。针对求多极值多元函数在可行域上最小值问题,本文从全局优化理论中引入了此类问题的一般策略。此外本文还分析了基于这些策略的具体算法对于最危险滑动面搜索问题的适用性,并选择引入适用性最好的填充函数法来解决最危险滑动面搜索问题。同时分析填充函数法的不足之处,寻找更优的基于填充函数思想的跨越函数法作为具体方法,并对安全系数函数进行合适的扩展以适应跨越函数法的要求。然后本文给出了该方法的程序实现流程,并编制程序。用编制的程序对常用考核算例进行计算分析,最后计算结果表明：考核算例的计算结果与考核算例的裁判答案相比,两者基本一致,说明了本文的方法能有效的搜索到最危险滑动而。用编制的程序对咸宁核电厂厂址边坡中的实例进行计算分析,并将本文方法的计算结果与常用软件的计算结果相比,结果表明本文方法计算结果更精确。说明了该方法在理论上和实际上都是可行的。(本文来源于《南京大学》期刊2012-05-28）
张东升[9]（2012）在《低维模式搜索进化算法及在全局优化中的应用》一文中研究指出本文基于模式搜索法和遗传算法给出了一种低维模式搜索进化算法(Lower Dimensional Pattern Search Evolution, LDPSE),并将之应用到具有盒式约束的全局优化问题上得到了比较好的结果.LDPSE对所求问题最优解的搜索基于算术交叉算子、极值变异算子和低维模式搜索算子,其中算术交叉算子使群体中的个体相互之间进行信息交流,维护种群的多样性,极值变异算子能够拟制种群早熟情形的出现,并能使种群从整体上进行改善,低维模式搜索算子专注于种群中最优一部分个体的局部寻优,从而能够全面提升算法的性能.由于模式搜索法和遗传算法均是无需导数的优化(Derivative Free Optimization, DFO)方法,因此本文给出的LDPSE也是一种无需导数信息的优化算法,并且充分利用了进化算法的全局大范围寻优能力和模式搜索法的局部搜索能力.LDPSE是一种实编码进化算法,它引入了低维模式搜索算子,其一般形式为m-模式搜索算子,其中参数m远小于搜索方向集的维数.不同于直接引用模式搜索法作为优化算子的混合遗传算法,LDPSE中的m-模式搜索算子在每次被调用时仅从给定搜索方向集中按一定规律选取m个方向作为候选方向子集,而且为了保证m-模式搜索算子的有效性我们在算子中采用了挣扎操作.本文在最后对具有盒式约束的全局优化问题进行了大量的数值测试实验,验证了低维模式搜索进化算法的正确性和高效性.(本文来源于《大连理工大学》期刊2012-05-15）
鄂春林[10]（2012）在《基于全局优化搜索的良好密码特性布尔函数构造策略》一文中研究指出信息安全一直以来就在信息科学中占据着重要的角色。当今社会,随着信息时代的到来,特别是网络环境的日益普及,人们越来越关注信息在传输过程和存储过程中的安全性。信息安全的重要性在军事、科研、通信、计算机等领域不断显现。密码学作为信息安全的重要内容,从“凯撒密码”到量子计算,经历了巨大的发展,并随着计算机技术和信息技术的广泛应用,逐渐成为一门综合性的尖端科学。它与数学、计算机科学、信息学、声学、物理学、语言学等学科都有着密切的联系,同时不断融合各学科的先进理论和技术经验,产生了众多富有创新性的成果,这些成果不仅在各国抢占信息高地的举措中发挥了重要作用,同时也不断推动着信息安全向前发展。密码学是一门涵盖广泛的学科,本文则集中研究了密码学中近年来比较热门的代数攻击方法和布尔函数构造等内容。近几年来,代数攻击在密码学领域获得了越来越多的关注。人们提出了多种行之有效的代数攻击模式,对那些曾被认为密码安全的多种密码体制进行了攻击实验,并取得了较好的效果。代数攻击改变了人们对于密码的传统认识,并开始从密码的布尔函数表示上对于密码的各种抗性进行研究。代数免疫性正是衡量密码对于代数攻击的抵抗性的一类密码特性。本文中,我们主要分析了布尔函数的代数免疫性,同时对于对称布尔函数的代数免疫性,也给与了较多的关注。对于一些其他的密码特性如非线性、弹性等我们也做了分析和研究。由于具有较好密码抗性的布尔函数能够作为一些密码的强密钥,从而使得密码具有非线性、代数免疫性等诸多性质,因此构造具有良好密码性质的布尔函数一直是这一领域的研究重点。传统的构造方式或者对于构造函数有较多的条件限制,这种限制制约了布尔函数在其他密码评判准则下的表现；或者在已具备一定密码特性的布尔函数子集中进行操作从而找出满足更多性质的布尔函数,而这些查找或者计算操作则较为繁复。本文在研究已有构造方法的基础上,分析了布尔函数密码学特性之间,特别是代数免疫性与非线性之间的关系,设计了一种基于全局优化搜索算法的布尔函数构造策略。本文主要工作如下：1)较为系统地分析和研究了布尔函数的相关性质,并使用Walsh谱等工具对布尔函数的密码特性进行了研究,对代数攻击和代数免疫度的基本性质进行了研究,并分析了现有的两种布尔函数构造方法。2)介绍了对称布尔函数的相关特征、密码特性如非线性性和代数免疫性,同时对构造具有最大代数免疫度的对称布尔函数问题进行了较为细致的探讨。3)基于全局优化的搜索算法设计了一种具有良好密码特性的布尔函数构造策略。该方法采用了遗传算法作为全局搜索算法,结合非线性度及代数次数作为变异条件和筛选准则,有效地提高了在具有较高代数免疫度的布尔函数集合中搜索具有最优非线性度的布尔函数的效率。从一些实验结果分析可知,基于全局优化搜索的布尔函数构造策略能够获得具有较好密码特性的布尔函数。这类布尔函数构造策略可以基于具体方法的调整,而完成对于密码特性不同要求的搜索功能,因此具有较大的自由度和较广的适用范围。(本文来源于《复旦大学》期刊2012-04-28）
全局优化搜索论文开题报告
（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：
直接搜索是数值最优化中的重要思想.DIRECT算法是基于直接搜索思想的一个流行的全局优化算法.本文首先回顾了新近提出来的一个具有叁水平直接搜索框架的全局优化算法MrDIRECT,着重回顾了MrDIRECT算法是怎样消除DIRECT算法的"渐近无效"行为的,并为此提供了更多的数值证据.然后,本文提出了一个具有四水平直接搜索框架的MrDIRECT算法,讨论了其收敛性,并对之进行了大量的数值测试.我们的目的是检验水平数的增加对算法效率的影响.结果表明,水平数的增加带来的数值效果的改善并不足以抵消计算成本的增加,总体数值效果不如叁水平MrDIRECT算法.最后,本文指出MrDIRECT算法采用的多水平直接搜索框架的重要优势是,能够很灵活地平衡局部搜索和全局搜索,从而可用于设计更多的多水平直接搜索全局优化算法.本文验证的水平数增加未必带来整体数值效果的改善这一结论也可用于指导这类算法的设计.
（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。
全局优化搜索论文参考文献
[1].高召琴,贾建明.基于遗传算法的全局优化及在团簇结构搜索中的应用[J].淮阴师范学院学报(自然科学版).2018
[2].刘群锋,陈景周,徐钦桂.多水平直接搜索全局优化方法[J].数值计算与计算机应用.2017
[3].刘方洁.基于分组与局部搜索的大规模全局优化新算法[D].西安电子科技大学.2017
[4].孙莉,王传伟,潘浩.求解全局优化问题的两阶段模式搜索算法[J].山东农业大学学报(自然科学版).2016
[5].张琛.大规模全局优化中的分组技术和局部搜索技术研究[D].西安电子科技大学.2016
[6].马卫,孙正兴.采用搜索趋化策略的布谷鸟全局优化算法[J].电子学报.2015
[7].马卫,孙正兴,李俊楼.基于Powell局部搜索策略的全局优化布谷鸟算法[J].计算机应用研究.2015
[8].蒋鑫.全局优化在边坡最危险滑动面搜索中的应用[D].南京大学.2012
[9].张东升.低维模式搜索进化算法及在全局优化中的应用[D].大连理工大学.2012
[10].鄂春林.基于全局优化搜索的良好密码特性布尔函数构造策略[D].复旦大学.2012