坷拉博士

论文检测，用于检测论文抄袭率，抄袭部分用红色标出。

粒子群优化算法是一种新颖的仿生、群智能优化算法。该算法原理简单、需调整的参数少、收敛速度快而且易于实现，因此近年来粒子群算法引起了广大学者的关注。然而到目前为止粒子群算法的在理论分析和实践应用方面尚未成熟，仍有大量的问题需进一步研究。本文针对粒子群算法易出现“早熟”陷入局部极小值问题对标准粒子群算法进行改进并将改进的粒子群算法应用于BP神经网络中。本文的主要工作如下：本文首先介绍了粒子群算法的国内外的研究现状与发展概况，较系统地分析了粒子群优化算法的基本理论，总结常见的改进的粒子群优化算法。其次介绍了Hooke-Jeeves模式搜索法的算法分析、基本流程及应用领域。针对标准粒子群优化算法存在“早熟”问题，易陷入局部极小值的缺点，本文对标准粒子群算法进行改进。首先将原始定义的初始种群划分为两个相同的子种群，采用基于适应度支配的思想分别将每个子种群划分为两个子集，Pareto子集和N_Pareto子集；然后将两个子群中的适应度较优的两个Pareto子集合为新种群。Griewank和Rastrigin由于新种群的参数设置区别于标准粒子群算法的参数设置，新的粒子与标准种群中的粒子飞行轨迹不同，种群的探索范围扩大，从而使算法的全局搜索能力有所提高。 为平衡粒子群算法的全局寻优能力和局部寻优能力，提高粒子群算法的求解精度和效率，本文在新种群寻优过程中引入具有强收敛能力Hooke-Jeeves搜索法，提出了IMPSO算法。雅文网www.lunwendingzhi.com，并用IMPSO算法对标准基准测试函数进行实验，将得到的实验结果并与标准粒子群算法对基准函数的实验结果进行对比，仿真结果证明了该改进的粒子群算法的有效性。 最后本文研究改进的粒子群算法在BP神经网络中的应用。首先介绍人工神经网络的原理及基于BP算法的多层前馈神经网络，其次用IMPSO算法训练BP神经网络并给出训练流程图。 将IMPSO算法训练的BP神经网络分别应用于齿轮热处理中硬化层深的预测以及用于柴油机的缸盖与缸壁的故障诊断中，并将预测结果、诊断结果与BP神经网络、标准粒子群优化算法训练的BP神经网络的实验结果进行对比，实验结果证明了改进的粒子群算法训练BP网络具有更强的优化性能和学习能力。 英文简介： Particle swarm optimization algorithm is a novel bionic, swarm intelligence optimization algorithm. The algorithm principle is simple, less need to adjust the parameters and convergence speed is fast and easy to implement, so in recent years, particle swarm optimization (pso) to cause the attention of many scholars. So far, however, the particle swarm algorithm are not mature in theory analysis and practice applications, there are still a lot of problems need further research. Based on particle swarm algorithm is prone to "premature" into a local minimum value problem to improve the standard particle swarm algorithm and improved particle swarm optimization (pso) algorithm was applied to BP neural network. This paper's main work is as follows: at first, this paper introduces the particle swarm algorithm in the general situation of the research status and development at home and abroad, systematically analyzes the basic theory of particle swarm optimization algorithm, summarizes the common improved particle swarm optimization algorithm. Secondly introduces the analysis method of Hooke - Jeeves pattern search algorithm, the basic process and application fields. In view of the standard particle swarm optimization algorithm "precocious" problems, easy to fall into local minimum value, in this paper, the standard particle swarm algorithm was improved. First of all, the original definition of the initial population is divided into two identical sub populations, based on the fitness of thought respectively each child population is divided into two subsets, and Pareto subset N_Pareto subset; And then has a better fitness of two subgroups of two Pareto set for the new population. Griewank and Rastrigin because of the new population parameter setting differs from the standard particle swarm algorithm of the parameter is set, the new particles and particle trajectories in the different standard population, population expanding, which makes the algorithm's global search ability have improved. To balance the global search capability of the particle swarm algorithm and local optimization ability, and improve the precision and efficiency of particle swarm optimization (pso) algorithm, introduced in this article in the new population optimization process has a strong convergence ability to search method of Hooke - Jeeves, IMPSO algorithm is proposed. And standard benchmark test functions with IMPSO algorithm experiment, will receive the results with the standard particle swarm algorithm, comparing the experimental results of benchmark functions, the simulation results prove the validity of the improved particle swarm algorithm. At the end of the paper research the improved particle swarm algorithm in the application of the BP neural network. First this paper introduces the principle of artificial neural network and based on the multi-layer feed-forward neural network BP algorithm, secondly by IMPSO algorithm training the BP neural network and training flow chart is given. IMPSO algorithm training the BP neural network respectively used in the gear heat treatment hardening layer depth prediction and used for fault diagnosis of diesel engine cylinder head and cylinder wall, and the predicted results, the diagnostic results, the standard particle swarm optimization algorithm with BP neural network of training BP neural network, comparing the experimental results of the experimental results show that the improved particle swarm optimization (pso) training BP network has better optimization performance and learning ability.

求解最优化问题一直是遗传算法的经典应用领域，但是对于不同的最优化问题，遗传算法往往要重新设计“交叉”、“变异”算子，甚至要开发新的进化操作；另外遗传算法不容易理解、操作复杂、大多数情况下效率比较低。所以，寻求新的解决最优问题的算法一直是研究热点。对约束优化问题的求解，已有许多算法被提出。传统的方法有梯度映射法、梯度下降法、惩罚函数法、障碍函数法等，但是单纯使用这些方法不是效率很低就是适用范围有限。而进化计算由于其求解过程不依赖于目标函数的解析性质，同时又能以较大的概率收敛于全局最优解，所以用进化算法求解约束优化问题已是一个很有意义的研究方向。用进化计算求解约束优化问题时，最基本的思想就是：首先设法把个体带入可行域，然后再在可行域内找到尽可能好的解。求解约束优化问题最困难的主要是对约束条件的处理。目前，使用最广泛的对约束条件的处理方法是惩罚函数法。基于惩罚函数的进化算法一般来说都包含有许多惩罚系数，在实际应用时，只有正确设置这些系数才可能获得可行解，而要获得适当的惩罚系数则需要大量的实验为基础。在科学实践、工程系统设计及社会生产和经济发展中还有一类很常见到优化问题：多目标优化问题，因此研究多目标优化问题具有十分重要的意义。由于多目标优化问题不存在唯一的全局最优解，所以求解多目标优化问题实际上就是要寻找一个解的集合。传统的多目标优化方法是将多目标问题通过加权求和转化为单目标问题来处理的。但是，这种方法要求对问题本身有很强的先验认识，难以处理真正的多目标问题。进化计算由于其是一种基于种群操作的计算技术，可以隐并行的搜索解空间中的多个解，并能利用不同解之间的相似性来提高其并发求解的效率，因此进化计算比较合求解多目标优化问题。 粒子群优化（Particle Swarm Optimization, PSO）经济论文www.youzhiessay.com。 算法是由Kennedy和Eberhart于1995年提出的一种优化算法。它是对生物群体的社会行为进行的一种模拟，它最早源于对鸟群觅食行为的研究。在生物群体中存在着个体与个体、个体与群体间的相互作用、相互影响的行为，这种行为体现的是一种存在于生物群体中的信息共享的机制。PSO算法就是对这种社会行为的模拟，即利用信息共享机制，使得个体间可以相互借鉴经验，从而促进整个群体的发展。 PSO算法和遗传算法（Genetic Algorithm，GA）类似，也是一种基于迭代的优化工具，系统初始化为一组随机解，通过某种方式迭代寻找最优解。但PSO没有GA的“选择”、“交叉”、“变异”算子，编码方式也比GA简单。并且很多情况下要比遗传算法更有效率，所以基于粒子群算法处理优化问题中的是一个很有意义的研究方向。由于PSO算法容易理解、易于实现，所以PSO算法发展很快。在函数优化、系统控制、神经网络训练等领域得到广泛应用。 因此，本文在PSO算法基础上对PSO算法处理优化问题的能力及基于PSO算法，毕业论文网www.594wm.com，求解约束优化问题和多目标优化问题进行了深入研究。主要体现在以下几个方面：第一、介绍了有关粒子群优化算法的背景知识，阐述了算法产生的基础。 接着讨论了粒子群优化算法的发展和基本原理，并给出了算法的流程。通过对算法公式和参数设置进行的综合分析以及和其它优化算法进行比较，给出了粒子群优化算法实际使用时的指导原则。并讨论了算法在一些领域中的成功应用。第二、就粒子群优化算法在求解最优化问题中的应用，对无约束和有约束最优化问题分别设计了基于粒子群优化算法的不同的求解方法。对于无约束优化问题，本文直接用目标函数作为适应度函数，采用实数编码。对于约束优化问题，本文采用一种惩罚函数作为粒子群优化算法的适应度函数。 对两种问题分别应用了不同的测试函数对其进行了测试，结果表明了粒子群优化算法求解最优化问题的可行性。第三、针对约束优化问题本文在引入了半可行域的概念的基础上提出了竞争选择的新规则，并改进了基于竞争选择和惩罚函数的进化算法的适应度函数。并且本文规定了半可行解性质：半可行解优于不可行解，但劣于可行解。在半可行域内个体可直接用目标函数来评价。第四、结合粒子群优化算法本身的特点，本文设计了选择算子对半可行域进行操作，从而提出了利用PSO算法求解约束优化问题的新的进化算法。 第五、由于多目标优化问题和单目标优化问题是有本质的区别的：前者一般是一组或几组连续解的集合，而后者只是单个解或一组连续的解，所以PSO算法不能直接应用于多目标优化问题。因此本文对PSO全局极值和个体极值选取方式做了改进，提出了最优解评估选取的PSO算法，用于对多目标优化问题的非劣最优解集的搜索。实验结果证明了算法的有效性。粒子群算法的收敛性、基于粒子群算法求解不连续、多可行域的约束优化问题、基于粒子群算法求解高维多目标优化问题是本文的后续研究工作。

随着信息技术的不断发展，数字图像处理技术越来越多地被应用在航空航天、生物医学工程、工业检测、机器人视觉、军事制导和文化艺术等各个领域。图像处理日益成为一门引人注目、前景远大的学科，而MATLAB语言以强大的科学运算、灵活程序设计流程、高质量的图形可视化与界面设计、与其他程序和语言便捷的接口功能，成为当今国际上科学界最具影响力、最有活力的软件。MATLAB又称矩阵实验室，其强大的矩阵运算能力是其它语言无法比拟的，而矩阵运算正是图像处理的根本所在。因此，本文以MATLAB提供的图形用户界面（GUI）为平台对图像处理系统进行设计。依据软件开发的设计原则，确定了设计的一般步骤，具体如下： （1）明确系统所要实现的主要功能，应该具有哪些模块。 （2）绘出基本的用户界面草图，并对其进行修改，最终确定一个方案。 （3）根据最终确定的方案，利用MATLAB GUI制作用户操作界面以及其他菜单项目。 （4）编写界面及其菜单里的每个功能的回调程序，并且逐项进行功能检测。根据以上的步骤，首先利用MATLAB图形用户界面设计了该系统的静态界面。当静态界面设计完成之后，GUI将自动生成.FIG和.M文件。其中.FIG文件保存了关于静态窗口界面的所有对象的属性值，.M文件包括GUI设计、控制函数以及为子函数的用户控件回调函数，主要用于控制GUI展开时的各种特征。这个.M文件可以分为GUI初始化和回调函数两个部分，用户控件的回调函数根据用户与GUI的具体交互方式分别调用。回调函数就是在调用对象时，该对象所要回应的动作。 因此，如何编写对象的回调函数是该系统的一大难点。在为编写回调函数时，获得该函数的句柄是实现对象动作功能的关键所在。句柄实际上就是分配给每个对象的数字标识，每次创建对象时，MATLAB就会自动为它创建一个唯一的句柄，这样只要我们能找到该句柄，就能对该对象进行操作。本文首先简单的介绍了MATLAB GUI的基本知识，为系统的界面的设计提供了理论基础；接着系统的介绍了数字图像的一些基础，主要包括图像文件格式，图像的类型以及颜色空间模型，在系统中这些都有所体现；然后详细的介绍了数字图像处理的一些常用技术，这些技术和方法在系统中大都很好的实现了。 本系统实现了图像处理技术中比较实用的若干功能，而且操作简单，容易上手。该系统支持索引图像、灰度图像、二值图像、RGB图像等图像类型；支持BMP、GIF、JPEG、TIFF、PNG等图像文件格式的读，写和显示。并具有很多图像处理功能，例如图像类型转换功能实现了色彩图像、索引图像和二值图像之间的相互转换；编辑功能实现了对图像的旋转和添加噪声操作；图像滤波部分包括中值滤波、巴特沃斯滤波器、邻域平均滤波；图像变换模块主要是傅里叶变换、离散余弦变换、Hough变换和Radon变换；在边缘检测功能中，主要用到了Roberts算子、Sobel算子、Prewitt算子、LoG算子、Canny算子和零交叉法。 其他的模块主要是颜色空间的转换和显示当前的时间和日期。以上这些功能的实现都是在MATLAB语言的基础上，编写M文件程序代码实现的。QPSK调制全称Quadrature Phase Shift Keying,http://blog.sina.com.cn/s/blog_a5b5b79e0101rwlf.html，意为正交相移键控，是一种数字调制方式。它的频带利用率高，且抗干扰性能强，已经成为现代通信技术中一种十分重要的调制解调方式。之所以选择这些功能，是因为这些技术在我们日常的生活中有很强的的应用价值，并且对于一些算法运算量大、算术复杂、处理速度低的技术，可以利用MATLAB简单快捷的得到数据结果，又能够得到直观的图示。 提出了基于普通PC机声卡的LabVIEW和MATLAB的虚拟式语音信号采集与分析处理的设计方案。MATLAB http://blog.sina.com.cn/s/blog_a5b5b79e0101rtqj.html具有很强大的数学计算和图形绘制功能,但它在界面开发能力、数据输入、网络通信、硬件控制方面都比较繁琐,在信号和图像处理等领域具有无可比拟的优势；而LabVIEW刚好是标准的数据采集和仪器控制软件,以其强大的数据采集、数据分析和仪器控制功能在现代测控领域中得到了广泛的应用,但在数值处理分析和算法工具等方面效率低,功能简单,不能满足工程上多方面的要求。将两者结合起来,取长补短,是快速高效开发语音信号和分析系统的一种有效的方法。通过收集资料、整理、归纳出对于语音信号采集与分析的技术手段,综合成本低,便于实现,发挥软件优势的这些因素,选择了该种方案。首先,本课题从学生研究角度的实际情况出发,在分析了语音信号采集的理论知识基础上,基于PC机的集成声卡,运用LabVIEW操作声卡录制一段自己说话的语音信号。

通过引入步长线性搜索，SQP算法在一定的假设条件下可以具有全局和局部超线性收敛性。然而在传统的SQP算法中，其二次规划子问题可能不相容，也就是子问题可行集是空集。 为了解决这个不足，备种技术相继被提出。特别是Panier和Tits在[9]中提出的一种可行SQP（FSQP，www.Yifanglunwen.com）算法，其保证山东科技大学硕士学位论文每次迭代都得到可行点，从而避免了上述问题。然而FSQP算法仍然要求每次迭代求解一个二次规划子问题，使得算法的复杂度和计算量仍然较大。在这种情况下便产生了对QP一free算法的研究，因为它的子问题只包含更易求解且计算量相对较小的线性系统。 1988年，panier，Tits和Herskovits在[10]中提出一种求解不等式约束优化lb]题的QP一free算法。该算法每次迭代只要求求解两个不同的线性方程组和一个线性平方问题。从那时起，QP一free算法成为非线性约束优化领域的研究热点之一。 QP一free算法具有SQP算法的一些优点，例如收敛速度快，算法结构简单等。此外它还有其它一些良好性质，例如其子问题通常只包含同系数的线性方程组，并且这些方程组在一定的假设条件下都是可解的。 然而，从理论和实用的角度来看，现有的QP一free算法仍存在两个主要问题有待解决。首先，为了确保局部快速收敛性并防止Maratos效应，严格互补松弛条件要被假设成立。然而在一般情况下，该条件很难被检验。 其次，求解等式和不等式约束优化问题的QP一free算法一般要求所有等式和有效不等式约束的梯度向量线性无关。但每当等式约束个数多于两个或者总约束个数超过空间维数时，该线性无关条件经常失效。在这种情况下，病态wachier一Biegler现象（参见[4』）就会在算法中发生。Tits等最近在〔2]中提出了一种双重内点算法，在保证收敛性质不受影响的前提下，该算法大大减弱了以上线性无关条件。 通过一段时间的发展，存在于早期QP一free算法中的一些缺点己经正在被解决。例如，起初的一些QP一free算法只能证明迭代点列的任一聚点是原问题的稳定点，在一些附加假设条件下，如所有稳定点是孤立的，才能证明这些聚点是原问题KKT点。 这个问题在Z.Gao，G.He和F.Wu的关于序列线性方程组算法的文章中得到解决。另外，一些QP一free算法的子问题线性系统在严格互补松弛条件不成立时可能出现病态。这将导致乘子逼近序列出现分歧以致收敛性失败。通过应用Fiseher一Burmeister非线性互补问题函数，H.Qi和L.Qi在【17]中对以前的QP一free算法做了有效的改进，使得迭代矩阵的一致非奇异性得到保证。在大多数QP一free算法中，其子问题的维数通常是满的。因此，当应用于大规模约束问题时，计算量会相应大大增加。Y.Yang和L.Qi在Faeehinei一FISeher一Kanzow KKT识别技术的基础上，http://www.yifanglunwen.com/post/46.html对不等式约束优化问题提出一种QP一free算法。 在其每次迭论文摘要代中，只有有效工作集中的约束参与计算。 在本文中，我们在Facchinei一Fischer一Kanzow KKT点有效约束集识别技术的基础上提出了三个具有强收敛性的QP一free算法。第一个是求解不等式约束优化问题（NLPI）的可行点算法。在该算法中我们引入如下有效约束集识别函数:。

主要讨论图像处理中的插值与检索算法,具体研究内容如下: (1)图像插值有着广泛的应用背景,被大量应用在图像的放缩、旋转等几何操作中。对于图像的放缩操作,较成熟的插值算法有最邻近插值、双线性插值以及样条插值等。最邻近插值方法简单、易实现、速度快,然而会在新的图像中产生锯齿形边缘和方块效应;双线性插值利用源像素点周围邻近的几个像素点的线性平均权值来计算目标像素点值,具有一定的边缘平滑作用,但会使图像的细节产生退化,丢失重要的边缘特征;三次样条插值放缩后的图像具有较高的光滑性,但计算量大、且易造成边缘模糊。 以上这些方法都是在假设图像像素和周围像素呈线性关系的基础上进行的,但事实上图像的有些纹理之间或像素间呈突变性质,具有非线性关系。 因此,对这些具有不连续灰度特性的像素如果采用常规的插值算法,一般会使图像的轮廓和纹理模糊,降低图像质量。 本文在对传统插值算法研究的基础上,提出了一种改进的边缘插值算法,实验结果表明:相比传统算法,本文算法不仅提高了图像的峰值信噪比(PSNR),而且较好地保留了原图像的细节信息和清晰的边缘。 (2)基于内容的图像检索(Content-Based Image Retrieval,www.YiFanglunwen.com)是一种利用图像视觉特征信息(如颜色、纹理、形状等)进行的图像检索技术,它综合了图像处理、数据库、信息检索、计算机视觉等多学科,CBIR已成为国内外研究的一个热点。 本文深入研究了图像颜色特征提取和相似性匹配,通过把彩色图像分块来设置不同区域的权值来突出图像的主体部分,并结合彩色图像的主色调来设置图像颜色权值的方法,提出了一种基于RGB颜色模型的分层彩色图像检索方案,该方法既满足了彩色图像的检索需要,同时提高了查准率和查询效率。 此外,本文借助分形理论,深入研究了基于纹理特征的图像检索技术。 最后,本文设计并实现了一个基于本文算法的CBIR软件系统。

常微分方程初值问题的求解方法倍受数学研究者、工程技术人员关注。 不幸的是,仅有极少数常微分方程能求出其精确解(用初等解析函数表示出来的解),绝大部分的常微分方程的精确解难以求出。 虽然,通过数学分析技巧能求出个别方程的精确解,可是因为其解的形式太复杂在应用中不方便使用。鉴于此,研究常微分方程数值解法具有理论意义和应用价值。 事实上,有限差分法是求解常微分方程初值问题的最有效方法之一。有限差分法是一种成熟而有效的求解常微分方程近似解的方法,这种方法是基于差商代替导数(数值微分)或者积分插值(数值积分),然后构造差分格式,通过差分迭代格式求解原微分方程,获得原微分方程的近似解。 这种方法在工程技术领域应用极为广泛。本文对常微分方程初值问题的数值解法进行了比较系统的综述。 主要介绍了应用中常用的典型方法,例如Euler折线法、Runge-Kutta法和Adams法等,给出具体算例,验证算法的有效性。最后,针对一个生态数学模型,利用Mathematica,www.85mle.com给出了具体的数值模拟分析,并对各种算法进行比较分析。 更多还原

小波作为一个新兴的数学分支,应起始于S.Mallat和Y.Meyer在八十年代中后期所作的工作,即构造小波基的通用方法,多分辨分析MRA。此后小波得到了迅猛的发展,在应用方面更是掀起了一股应用小波的热潮,如信号处理、图像分析、奇性检测、边缘分析、微分方程数值求解等。 本文研究了小波理论的有关知识在微分方程数值求解中的一些应用,具体研究内容包括以下几个方面:管理论文www.yifanglunwen.com，第一章简要综述小波分析的发展历程及其在微分方程数值求解方面的应用。第二章详细分析涉及本课题的小波基本理论和算法,如多分辨分析理论,Mallat算法等。 第三章在对Daubechies小波作比较详细介绍的同时,引入了周期化的Daubechies小波和一些基于小波的微分方程数值求解方面的相关理论知识,为第四章中的微分方程数值求解做好铺垫。第四章首先基于小波-伽辽金法数值求解了具有周期边界条件的一维Helmholtz方程, 然后将小波-伽辽金法和向后的Euler法相结合数值求解了具有周期初边界条件的一维热传导方程;最后提出小波最优有限差分法(该方法的本质是先基于小波生成一个不规则网格,然后再在不规则网格上利用有限差分法对偏微分方程进行数值求解),将它用于具有周期初边界条件的非线性Burgers方程的数值求解,并和直线法的求解结果进行对比,显示了该方法在数值求解有局部急剧变化解的非线性偏微分方程的巨大潜力。 通过一些数值试验表明:基于小波的微分方程数值求解不仅可以得到高精度的数值解(通过对具有解析解的Helmholtz方程验证得到)和对规模较大的问题能够进行很好的处理(通过对具有解析解的热传导方程验证得到),而且对解具有奇异性的非线性问题也能进行很好的数值模拟(通过对非线性Burgers方程的验证得到),同时在求解效率上较之其他一些解决此类问题(非线性)的方法(如直线法)有很大提高,充分显示了基于小波算法的优越性。

本文主要研究现有的几种求解p-Laplace方程的多重网格方法：FAS多重网格方法和Cascade多重网格法，并在此基础上提出了一种新的求解p-Laplace方程的多重网格方法：Cascade-back方法。该方法是Cascade方法与一新方法——“back”方法的结合。 其优点在于它综合了一般多重网格法与Cascade多重网格法的思想，利用粗网格上的校正来提高Cascade多重网格方法的计算速度和计算精度，而且在粗网格上保留了原方程的右端项，从而保证了粗网格上校正方程的性质与原方程相似。 由于求解本问题等价于一个严格凸泛函的极小化问题，所以本文中所提到的多重网格法均采用以下三种非线性无约束最优化方法：Polack-Ribiere共轭梯度法，Hooke-Jeeves模式搜索法及不含线搜索的SSC梯度法作为非线性磨光算子。其好处在于不必计算原算子的导数，而这是很困难的。 对于(p+1)/(p-1)和p很大的退化情形，Polack-Ribiere共轭梯度法在初值不好时，www.Yifanglunwen.com效果不很理想，甚至不收敛。故在本文中采用更为健壮的Hooke-Jeeves模式搜索法在粗网格上进行求解，得到一个较好的初值，然后再采用速度较快Polack-Ribiere共轭梯度法或不含线搜索的SSC梯度法在细网格上进行磨光，这样既保证了方法的收敛，又保证了速度。 本文分别在一维和二维情形，对不同的p值做了数值实验，针对实验结果分析比较了这几种多重网格法及其采用不同磨光算子时的效率，并验证了Cascade-back方法的有效性。

决策在管理活动中普遍存在,是为解决当前或未来可能发生的问题,选择最佳方案的一种过程,是管理活动的核心。 群体决策会产生大量的数据,而且这些数据为不精确非量化值。传统的群体决策在确定决策结果时,往往采用决策者的经验来选择,降低了决策的效率和质量。 在实际群体决策过程中,由于参与决策过程的决策者不止一位,因此会产生大量决策因素数据。本文融合了粗糙集理论和遗传算法理论,发挥二者所长。 粗糙集理论善于处理不精确的知识,通过粗糙集理论对数据进行预处理,挖掘大量影响决策结果数据中隐含的决策模式。遗传算法进行属性约简,产生判别库,通过量化的方式,能够科学、合理的提高决策的质量。本文提出一种基于粗糙集与遗传算法集成的群体决策模型来解决群体决策结果选择的问题。该模型的基本思想是：1)进行群体决策,产生原始数据。2)运用粗糙集理论对群体决策产生的相关信息进行离散化处理。3)对评价指标应用遗传算法进行约简。管理毕业论文题目：http://www.yifanglunwen.com/post/56.html 4)提取满意决策结果。在该模型中针对群体决策的三个阶段在分析数据时首先运用粗糙集理论进行离散化处理,其次应用遗传算法进行约简,提取判别规则即需要考虑的主要决策因素,最后根据判别规则结合实际情况作出及时、高效的决策。 在群体决策开始后,首先对问题的诊断进行群体决策,产生原始数据,对数据进行粗糙集和遗传算法集成处理,得出结果数据,即问题的明确；其次针对明确的问题,进行群体决策讨论方案,产生原始数据,对数据进行粗糙集和遗传算法集成处理,得出结果数据,即明确方案；最后在众多方案中进行抉择,对数据进行粗糙集和遗传算法集成处理,得出判别规则,再结合实际作出高效的决策,群体决策过程完成。 本文主要研究工作如下：1.将粗糙集理论和遗传算法理论融入群体决策的每一个过程中,构建了一种基于粗糙集与遗传算法集成的群体决策模型。 2.采用粗糙集理论对群体决策产生的信息进行预处理,提出了群体决策过程中四种决策因素特征提取方案。 3.运用遗传算法进行群体决策模型的属性简约。 4.引入某公司在信息化建设中的一个群体决策案例进行试验验证该模型。

分析了软件测试中测试用例自动生成技术的发展现状和粒子群优化算法的基本原理及实现步骤,并详细研究了几种重要的改进的粒子群优化算法。在此基础上,改进了基本粒子群优化算法,提出了基于改进的粒子群优化算法的测试用例自动生成系统框架,并给出了基于改进的粒子群优化算法的测试用例自动生成算法。 最后,采用matlab语言编程实现了基于改进的粒子群优化算法的测试用例自动生成算法,用具体实例对其进行了实验,并对结果数据进行了分析。 本文提出的基于改进的粒子群优化算法的测试用例自动生成算法具有简单、易实现、设置参数少和收敛速度快等特点。 实验结果表明,使用本文提出的算法测试用例自动生成的效果明显优于遗传算法等测试用例自动生成算法。 本文提出的基于改进的粒子群优化算法的测试用例自动生成算法提高了测试用例自动生成的效率,但该算法只实现了数值类型的数据,而且还存在手动操作问题,这将是作者下一步的主要研究方向。 还有些内容自己去www.YiFanglunwen.com看看。大概就是这些，比较浅显易懂的。

人类基因组计划的基本完成表明后基因组时代的到来。 人类积累的大量的生物信息数据为揭开生命奥秘提供了数据基础,生物学研究的热点由对细胞内个别基因或蛋白质功能的局部性研究,转移到以细胞内全部的基因、蛋白质及代谢产物为整体对象的系统研究。对基因调控网络、蛋白质相互作用网络、代谢路径网络等结构及功能模块的检测技术的研究,逐步把分子生物学推入系统生物学时代。 基因与蛋白质通过网状的相互作用产生更高一级的功能模块,所以,通过数学建模来设计有效的算法,在生物网络中进行功能模块的挖掘和分析,将有助于更好地研究生物体自身的功能和不同生物体之间的进化关系,为分析理解生命基本规律提供依据。 本文对基于图论的经典频繁子图挖掘算法进行了系统的研究和全面的总结,在此基础上提出了一种新的挖掘频繁子图的算法,该算法包含子图的搜索算法及同构分类算法。 对子图搜索问题,提出了环分布的概念,并构造了基于环分布的子图搜索算法ESR(EnumerateSubgraphs based on Ring);对子图同构问题,利用度序列和特征值构造了两种算法,分别用于对有向图和无向图的同构判别;利用同构算法对搜索出的子图进行同构分类,根据分类结果得到频繁子图。 管理毕业论文网www.yifanglunwen.com；音乐毕业论文www.xyclww.com；经济论文www.youzhiessay.com 教育论文www.hudonglunwen.com；医学论文网www.kuailelunwen.com；英语毕业论文www.vipvo.com 当网络规模比较大时,子图数量非常庞大,同构分类的工作量很大,为此又提出了随机归类算法和Hamilton子图的挖掘算法,以减少同构分类的运算量。 随机归类算法是通过从子图集中随机地抽取一定数量的子图进行同构分类,是一种近似的算法;Hamilton子图的挖掘算法旨在挖掘特定类型(具有Hamilton回路)的子图,以减少搜索结果集。最后对5个真实生物网络进行了仿真实验研究,找出了不同规模的频繁子图,实验结果表明本文提出的算法优于现有的算法。

模糊数学在工程技术、管理科学、金融工程等领域应用中的很多问题都可以用模糊方程和模糊线性系统来描述。 但是,实现模糊方程和模糊线性系统的求解十分困难,对求解方法的研究一直以来都是重点,也是难点。 无论从理论研究还是从实际应用的角度来说,对模糊方程和模糊线性系统的求解研究都具有重要意义。 本文针对传统方法求解模糊方程和模糊线性系统在模糊数运算、隶属函数解析表示、模糊解判定等方面存在的困难,借助模糊结构元理论,相应地提出了一套模糊方程和模糊线性系统的求解方法。首先,利用两个单调函数的自反单调变换构造了等式限定算子,推广了等式限定运算,处理了存在负模糊情况下关于乘法运算的不可逆问题。 并将等式限定运算思想应用到求解模糊线性方程中,给出了模糊解的结构元表示方法和解存在的充要条件。同时,推广了模糊线性方程,研究了更一般的双重模糊线性方程。此外,还研究了关于矩形复模糊数和圆楔形复模糊数线性方程的求解问题。 其次,定义了幂模糊数和幂模糊数方程,基于结构元方法研究了幂模糊数运算和幂模糊数方程的求解。同时,实现了一元二次模糊方程的求解,利用区间[-1,1]上的单调函数将一元二次模糊方程的求解问题转化为二元二次参数方程组的求解问题,给出了二次模糊方程解存在的充要条件,并辅以数值例子。 最后,利用结构元技术提出了模糊线性系统的求解方法,给出了模糊解存在的充要条件,并辅以实例计算。由于该求解方法是借助[-1,1]上关于y轴对称的单调函数实现的,结果表明在解存在的判定上优于Embedding法。 同时,管理毕业论文www.yifanglunwen.com [-1,1]还研究了一类由模糊结构元线性生成的模糊线性系统,其求解特点是可转为经典线性系统,避免了参数的讨论。本文提出的模糊方程和模糊线性系统的结构元求解方法,极大地简化了模糊数运算的困难,实现了模糊解的判定和解析表达,为模糊数学基础理论问题的研究以及实际问题中的应用与推广奠定了基础。

函数逼近（Function Approximation ）是函数论中的一个重要组成部分,其在数值计算中的作用是十分重要的。运用神经网络进行函数逼近,为函数逼近的发展提供了一条新的思路。 用神经网络作函数的逼近有许多优点: 首先,它提供了一个标准的逼近结构及逼近工具,这个工具可以随着隐层个数改变来达到任意精度; 其次,有标准的学习算法用以确定逼近函数的参数,并且这一过程是拟人的,即很好地模拟了人的学习过程;最后,能处理的数据对象十分广泛:适用于大规模的,高度非线性的,不完备的数据处理。 本文以几种典型神经网络为例(BP神经网络Function Approximation 、RBF神经网络www.BoliLib.com Approximation 、正交多项式基函数神经网络、样条基函数神经网络),对基于神经网络的函数逼近方法进行了研究。神经网络的函数逼近能力受神经元个数、学习率、学习次数和训练目标等因素的影响,因此,在研究过程中,充分运用神经网络的非线性逼近能力,首先对几种用于函数逼近的神经网络的结构及算法进行研究;再针对几种常用函数曲线,如正弦函数、指数函数、对数函数、三角函数等,分别用典型神经网络进行逼近,并对逼近效果进行比较,得到用于函数逼近的神经网络选取规律。所得结论经过实际仿真测试,证明了其有效性。 本文的研究结果对函数逼近的研究具有借鉴意义。

本程序利用Sturm组细致讨论了三次拼接曲面的Berry有理参数化过程中的若干具体问题。按照Berry提出的有理参数化框架,对我们讨论的三次拼接曲面而言,有理参数化问题可归结为一元五次方程的求解问题。 若找到该方程的两个实根,则参数化过程中仍需进一步判断是否存在着相应的实分解;而若已知该方程的一对共轭虚根,则在进行参数化计算时无需此判断,这样计算量可得到明显简化。 我们按照三次拼接曲面的不同具体形式分别讨论其参数化问题。对称形式时,相应方程可降为四次,利用Sturm组可判断方程是否存在共轭虚根,进而可利用四次方程求根公式给出了虚根情形的有理参数化;而当非对称形式时,相应五次方程无统一求根公式,若其存在重根, 该方程可以降次,从而求出其解;若不然,利用Sturm，www.85mle.com/post/4.html组可讨论方程实根个数,并判断是否存在有利于进行参数化的共轭虚根。 我们还针对非对称情形讨论了一类特殊的三次拼接曲面的有理参数化,其相关方程可以降为三次,从而利用求根公式求出方程的所有解,并可得到相应的精确参数化。

当今,环境污染问题已经成为人类面对的一个日益严重的问题。只有准确掌握环境污染的实际情况,才能对污染问题采取行之有效的措施。这就要求我们对当前的环境污染状况做出准确,客观的评价。为了客观,高效地完成全国各地农业环境的质量评估工作,新一代的农业环境质量评价软件――农业部环境分析评价系统应运而生。农业部环境分析评价系统采用动态BP神经网络模型和模糊综合评价模型对各全国各地区的土壤,空气,灌溉水三个环境要素的污染状况以及各地区的总体环境质量进行评估。环境分析评价系统是计算机软件技术与环境质量评估工作相结合的典型实例,也是将BP神经网络模型（Bcrmefd Sengcetens,BP）,模糊综合评价方法,和计算机技术应用于环境质量评估的典型实例。而这篇论文也围绕农业部环境分析评价系统为核心集中展开。这篇论文共分为六个部分。 文章第一部分对环境分析评价系统的功能和由来进行了简要的介绍; 文章第二部分介绍了环境分析评价系统的理论模型的选择过程; 文章第三部分对动态BP神经网络模型,树文网wWw.KuaiLEunwen.com,该模型在环境质量评价中的应用,以及该模型在环境分析评价系统中的具体实现情况进行了介绍;文章第四部分则介绍了模糊综合评价模型,该模型在环境质量评价中的应用,以及该模型在环境分析评价系统中的具体实现情况; 文章第五部分对农业部环境分析评价系统对实际监测数据的评估结果进行了分析,并提出了作者自己的观点。 文章的最后一部分对现有的工作成果进行了总结,并提出了对未来工作的展望。 部分英文描述： Building wind power prediction system and improve its prediction accuracy is one of the key technology of large-scale wind power development. Based on the numerical weather prediction, a back propagation (BP) neural network is wind power prediction model, and adopts a wind farm real data analysis of the factors influencing the accuracy of the model. In view of the original wind speed and power, the sequence is not obvious, the BP neural network can't map the features of defect, put forward a wavelet - based on the BP neural network prediction model. The model using wavelet will wind speed and power series are decomposed on different scales, and the use of multiple BP neural network to predict each frequency component and finally reconstruct complete forecasting results are obtained. Studies have shown that the model can effectively improve the prediction precision.

随着互联网技术的高速发展,越来越多的数据将通过互联网进行传递,目前互联网已成为了最大的信息承载体,显然互联网已经给我们的日常工作和生活带来了诸多方便 但是互联网作为一个开放式的交流平台,信息容易受到非授权用户的攻击,因此信息传递的安全性越来越受到人们的关注。如果不能保障信息的安全传递,信息泄露将会极大地困扰着我们,因此,能否保障信息安全势必将成为制约互联网进一步发展的一个重要因素。 数字图像因为直观性的特点,使图像成为人类数据存储的主要方式。但是数字图像与文本数据不同,其具有的数据量比较大,因此若用传统的文本加密的方法对图像进行加密,比如DES、3DES,实时性将会变得很差,不利于图像的实时传递。 本课题主要研究的是基于混沌理论及空域变换的数字图像加密算法,在对传统的算法研究基础上,应用改进的一维Logistic混沌序列,生成置乱序列及置换序列,并采用了置乱加密与置换加密相结合的方式实现了对数字图像的加密。 本文首先www.youzhiessay.com介绍了密码学的基本概念及组成,阐述了密码编码学与密码分析学的经典算法,并简单介绍了混沌理论的起源、发展及现代混沌理论的定义, 着重介绍了本文算法中应用到的混沌序列---NCA混沌序列及Arnold空域变换,并指出了NCA混沌序列所具有的优点及缺点。然后介绍了针对近年来高分辨率图像越来越多的特点,采用了对不同类型的高分辨率图像采取不同的加密算法,总结出了两种加密算法即图像的全部加密(算法1)及图像的局部加密(算法2)。 在上述两种算法中都采用了先像素值置换加密后图像置乱加密的加密顺序,两个算法采用了相同的像素值置换算法,不同点在于当进行图像置乱时,算法1中采用了基于NCA的图像分块置乱算法,在算法2中采用了基于Arnold空域www.hudonglunwen.com变换的图像分块置乱算法；在生成像素值置换序列时, 采用了截取48位有效数字的方法替代了原有的截取15位有效数字的方法生成置换序列,仿真结果表明,改进后的方法在实时性、自相关性以及分布特性方面都有了明显的改进。图像的加密算法与解密算法的密钥是样的,又提出了将混沌序列及空域变换的初值用RSA算法进行加密,防止密钥在互联网中传递时受到非授权用户的窃取。 最后,借助MATLAB平台,论文网kuailelunwen.com，对算法中用到的置换乱序列及换序列进行了仿真验证,并用算法1和算法2对不同的高分辨率图像进行了加密,然后对加密后的图像进行了灰度直方图、自相关性、初值敏感性及自相关性等方面的分析,分析结果表明,本文的加密算法在保证实时性的前提下,有着良好的加密效果

高压变频调速系统在轧钢工业、石油工业、造纸工业、水处理工厂等诸多工业领域得到了广泛的应用。 级联型高压变频器作为多电平变频器的一种特殊形式,由于其在谐波、功率因数、转矩脉动和共模电压等方面的优点,在实际生产过程中得到了越来越多的应用。 因此加快对级联型多电平高压变频器的研究、开发并在国内加以推广应用,在提高生产效率、节约能源方面具有重要的意义。论文在阐述多电平变流器的拓扑结构和控制算法的基础上,详细介绍了适合级联型高压变频器的常用控制算法,包括阶梯波控制算法、三角载波控制算法和空间矢量相移法。 以更好控制性能为目标,基于控制自由度组合的思想,从载波垂直移相和载波水平移相两个角度,分析了学者提出的多种新型三角载波控制算法以及一种分级控制算法,使用MATLAB/Simulink软件包建立了各新型算法应用于级联型高压变频器拓朴的仿真模型,通过与常用算法的对比,分析了新算法在输出电压波形、谐波含量、直流电压利用率、系统损耗等方面的优点,为级联型高压变频器系统的开发提供理论依据和技术支持。 文章接着揭示了三角载波控制和移相空间矢量法的本质联系,在此基础上,提出了一种优化的三角载波控制算法,该法的调制波通过在原有调制波基础上同时加入三次谐波和直流分量得到,在提高直流电压利用率的同时减少开关损耗,达到与空间矢量相移法相同的控制效果,且系统实现简单易行。 从仿真结果来看,该优化算法是可行的。最后,结合所参加的级联型高压变频器系统的设计工作,本文详细介绍了优化控制算法的DSP和FPGA硬软件实现,并给出了试验结果。 管理毕业论文网www.yifanglunwen.com 音乐毕业论文www.xyclww.com 经济论文www.youzhiessay.com 教育论文www.hudonglunwen.com 医学论文网www.kuailelunwen.com 英语毕业论文www.vipvo.com

人工神经网络和遗传算法都是将生物学原理应用于计算机科学的仿生学理论成果。由于它们具有极强的解决问题的能力，近年来引起了众多学者的兴趣与参与，已成为学术界跨学科的热门专题之一。 在人工神经网络的实际应用中，约90％的人工神经网络模型都是采用BP网络或者是它的变化形式，它也是前馈网络的核心部分，BP网络广泛应用于函数逼近、模式识别／分类、数据压缩等。现已成为人工智能研究的重要领域之一。然而，由于BP算法是一种梯度下降搜索方法，因而不可避免地存在固有的不足，如收敛速度慢、易陷入误差函数的局部极小点，对于较大的搜索空间，多峰值和不可微函数不能有效搜索到全局极小点。 遗传算法作为一种智能化的全局搜索算法，自80年代问世以来便在数值优化、系统控制、结构优化设计等诸多领域的应用中展现出其特有的魅力，同时也暴露出许多不足和缺陷。如完全依赖概率随机地进行操作，虽然可以避免陷入局部极小，但受寻优条件的限制，一般只能得到全局范围内的近似最优解，很难得到最优解；对参数采用二进制编码，人为地将连续空间离散化，导致了计算精度与字符串长度、运算量之间的矛盾；采用随机优化技术，所以要花费大量的时间；算法在交叉、变异的进化过程中随机性较强，致使搜索效率低下，具体表现为进化迭代过程中会出现子代最优个体劣于父代最优个体的“退化”现象；遗传算法虽然具有很强的全局搜索能力，但其局部搜索能力较弱(易出现早熟收敛现象)。 本文主要工作： (1) 对BP神经网络的缺陷进行分析研究，针对BP神经网络收敛度慢的不足，对经典BP网络的单极性Sigmoid传输函数和双极性Sigmoid函数进行数学分析，给出二者不同的数学性质和它们的优先选择方法。 (2) 利用数值计算优化方法对BP神经网络进行改进，提高其收敛速度，本文分别用拟牛顿法、最优步长法和共轭梯度法对BP神经网络学习法进行改进，对各种改进方法进行分析比较，给出各自适用的网络规模，并对其收敛性进行分析证明。 (3) 利用数值计算优化方法对遗传算法的交叉算子、变异算子、编码方式及适应度函数等进行分析研究，给出了基于一维极小化问题的最优策略(Fibonacci法)和近似最优策略(黄金分割法)的交叉和变异算子。 (4) 将擅长全局搜索的遗传算法和局部寻优能力较强的BP算法结合起来，根据GA的交叉、变异和选择算子在全变量空间以较大概率搜索全局解和在解的点附近利用BP神经网络能快速、精确地收敛的特点，融合二者的优点，将二者有机结合，利用遗传算法同时训练神经网络权值和拓扑结构，可以辟免陷入局部极小值，提高算法收敛速度，很快得到问题的全局最优解。 (5) 通过试验对改进后的BP神经网络算法、遗传算法和他们融合方法进行了试验验证。