一、基于多层竞争的高效并行遗传算法（论文文献综述）
张同任,陈永彬,魏德宸[1]（2020）在《跨声速层流机翼变保真度分层优化设计》文中研究说明层流减阻作为一项革新性技术,为显着提高飞机气动性能提供了可能。针对跨声速自然层流机翼设计方法开展研究,建立了基于变保真度流动分析的分层优化设计模型来提高机翼的优化效率。将求解欧拉方程耦合线性稳定性理论的方法作为流动转捩判断的依据,采用建立的变保真度分层优化方法耦合多岛并行遗传算法开展跨声速层流机翼优化设计研究。优化后,机翼表面层流区域由初始外形的23.05%增大到优化后外形的45.50%;表面摩擦阻力系数明显降低,由初始外形的0.004 74降低到优化后外形的0.003 94。另外,采用变保真度分层优化方法只需较少的时间便得到高精度模型上的收敛解,对比采用非并行遗传算法,计算效率提高了9倍以上,验证了变保真度多层优化设计模型的高效性和在求解实际工程问题中的潜力。
廖金月[2]（2020）在《片上网络下智能化静态任务调度算法研究》文中进行了进一步梳理在多核技术的发展过程中,如何优化任务调度问题,提升多核并行计算能力一直是人们关注的重点问题。在传统的任务调度问题研究中,诸如任务复制、任务聚簇、列表调度等传统方法,往往不能完全反映解空间的构成情况,很难从可能的调度解中一次性获得较好的调度结果,因此针对此类问题的搜索算法成为这方面研究的主要方向。本文以智能搜索算法中的遗传算法作为搜索最优调度解的方法,设计了基于全局列表和聚簇-列表混合的两种搜索算法GLPGA和CLGA。GLPGA算法使用并行遗传算法中的岛式模型,使用不同遗传算子并行搜索全局调度列表,通过迁移的方式,扩大较优解空间的搜索范围;CLGA算法使用聚簇和列表调度相结合的方式,求解任务到计算单元较优分配方式,通过全局任务列表确定各簇中任务的执行优先级,并使用一种自适应收敛判断标志主动结束搜索过程的方法寻找最优解。在多核系统模型上,本文采用了基于片上网络通讯架构中2D-Mesh结构的多核模型,对任务处理中通讯过程进行行为级建模。算法使用大量随机静态任务图在2D-mesh结构模型下模拟调度结果,测试表明,算法在片上的规范化调度长度在低于1.9,并行度加速比Speedup可达3.9,具有良好的调度性能,优于已有的调度算法。
吴昊[3]（2020）在《基于双层并行算法的水电站群优化调度方法及应用研究》文中认为随着我国大型江河流域的水电站群规模急剧扩大,优化调度问题也随之越来越复杂。为充分发挥各水电站间最优水量补偿和优化调节的功效,从而达到水资源最大利用率,世界各地相关专业领域的科学家和学者们,都纷纷依据目前各类水电站的种类及特性,展开了优化调度模型相关理论和求解方法研究,然而调度模型的优化解精度和对应算法的计算耗时是两大主要相互制约矛盾点。近些年来随着计算技术的飞速发展,以此为契机可充分有效利用计算资源,根据模型和算法的不同特点提出相对应的并行算法,在保证或提高优化解精度的基础上,一定程度上可相对减少或保持原有模型优化求解的计算耗时。因此本文以我国西南地区某大型流域为研究背景,取其部分相邻串联水电站,且都具备年调节功能。根据梯级水电站群库容水流优化调节的理论方法及其模型特点,以能够获得理想优化结果作为目的,在单机多核、联网多机两种架构模式下提出了双层并行算法,针对如何提高计算效率展开研究,从而可进一步提高对梯级水电站群优化调度的管理水平。本文主要研究成果如下。（1）在水电站发电优化调度模型中应用人工鱼群算法,为避免陷入局部优化解,可将其结合混沌优化算法,扩大单体人工鱼的遍历搜索范围,另一方面可增加单体人工鱼数目,从而进一步提高优化调度模型优化解的精度,然而计算耗时会有一定程度的增加。针对该问题并结合模型特点,对其可并行化因素进行深入的分析研究,以多台多核计算机互联组成网络系统为硬件基础,提出了混沌人工鱼群双层并行算法,之后对我国西南某流域的单一水电站发电优化调度模型展开了实例验证。结果表明该双层并行算法不仅提高了整体优化解的精度,同时能有效将计算耗时控制在可接受的范围之内。（2）将传统动态规划算法应用于水电站优化调度模型中,增加时段内初、末库容状态变量离散数,可进一步使整体优化解收敛于理论最优值,但计算耗时会成倍增加。针对该问题,基于时段内初、末状态库容变量各循环计算的可并行性,提出了双层并行动态规划算法。通过我国西南某流域水电站发电优化调度模型的实例验证,表明该算法在整体优化解精度和计算耗时两个矛盾点有较好的制衡作用。（3）当应用动态规划算法求解梯级水电站群与库容水流优化调节相关的水力发电模型时,若提高优化解精度,易产生“维数灾”现象,对其计算进行并行化处理可在一定程度上减少计算时间,但并未有效降维,计算时间依然较多。基于大系统分解协调原理建立的二级递阶结构调度模型可有效降维,且可应用多线程技术并行化的标准动态规划算法求分解后水电站子系统的优化解。针对标准动态规划算法中可并行化因素展开分析研究,引出了基于大系统分解协调及分解后单一水电站双层并行动态规划的梯级水电站群发电优化调度模型。其并行因素主要采自于分解后各水电站时段内初、末离散化库容状态变量的两种细粒度子任务划分,通过扩大离散程度来提高优化结果精度。以我国西南某流域的梯级水电站群作为实例背景,验证了该方法的有效性。（4）基于大系统分解协调方法,根据多台多核计算机互联的体系架构,提出了梯级水电站群优化调度模型的异时启动双层并行计算。该方法的基本思路是首先将多台多核计算机分配给对应编号的水电站,通过异时启动并行算法实现各水电站之间的相互独立计算,即为粗粒度任务划分的第一层并行计算;第二层并行计算便是基于分解后水电站自身标准动态优化计算的并行化处理,也是时段内离散化的初或末库容状态变量细粒度子任务划分。以我国西南某流域的梯级水电站群作为实例背景验证了该方法能够有效控制计算耗时和整体优化解精度。
吴贯锋[4]（2019）在《关于并行SAT求解器和并行自动演绎推理系统的研究》文中进行了进一步梳理命题逻辑和一阶逻辑是逻辑学中的基本问题,也是计算机科学领域的核心问题。在推理系统中命题是命题逻辑公式的最小单位,一阶逻辑可以看作是命题逻辑的扩展,一阶逻辑增加了谓词和量化,是经典的谓词逻辑。SAT问题是布尔可满足性问题（Satisfiability Problem,SAT）的简称。SAT问题求解（SAT Solving）和一阶逻辑自动定理证明（Auto Theorem Proving,ATP）广泛应用于自然科学和社会科学的各个领域中,如数学定理的证明、通信协议的可靠性验证、集成电路的可靠性验证、程序自动生成以及程序测试例的自动生成、程序的形式化验证、智能规划、知识编译、密码的安全可靠性分析、法律法规的无歧义性分析验证等问题均可转换为SAT问题进行求解,同样一些内容也可转化为一阶逻辑定理证明问题进行证明。因此,研究SAT问题求解和一阶逻辑定理证明相关的理论与方法具有很高的理论意义和现实应用价值。并行算法能够有效的提高命题逻辑求解器和一阶逻辑定理证明系统的效率,基于此,本课题在命题逻辑并行求解算法和一阶逻辑定理证明中的并行算法方面展开研究。在命题逻辑方面研究命题逻辑并行求解的相关技术,在一阶逻辑方面借鉴命题逻辑并行求解方面的相关技术,并基于徐扬教授提出的基于矛盾体分离的多元协同动态自动演绎推理理论,设计和实现了针对一阶逻辑定理证明的基于矛盾体分离的多元协同动态自动演绎推理逆向演绎并行系统。提出了基于OpenMP的并行混合遗传算法框架,该算法框架将遗传算法与局部搜索算法有机结合用以求解3-SAT问题,充分利用了局部搜索算法的寻找局部最优解的能力和遗传算法的全局搜索能力。与此同时,有限的局部搜索迭代和灾变操作能够防止陷入局部最优,而对选择操作的算法改进则提高了遗传算法的运行效率。在OpenMP并行编程框架下,利用编译制导语句将混合遗传算法并行化,则充分利用了计算机的计算资源,通过对国际SAT问题库SATLib中的测试例进行测试发现,该算法框架与同类算法相比,提高了3-SAT问题的求解效率和成功率。针对硬件并行加速求解SAT问题,设计和改进了基于GPU的SAT问题求解算法,改进了GPU核函数的计算过程,设计了相应的数据结构,以便以位运算的方式完成BCP过程在GPU上的实现,同时位运算有效降低了核函数的分支数,提高了GPU的运行效率。针对现有的子句评估算法描述子句特征比较单一,保留的学习子句质量不高的问题。提出了基于频次与LBD混合的子句评估策略。在并行求解器的周期性删除学习子句模块替换原有的子句评估方式,同时在并行算法的子句共享模块应用该混合评估算法形成新的子句分享策略。实验结果表明,应用了混合评估算法的求解器求解能力均比原版本要高,与Syrup和abcd-SATP结合的版本求解出了原版未能求解出的43个问题。研究了基于矛盾体分离的多元协同动态自动演绎推理理论,在基于矛盾体分离的多元协同动态自动演绎推理理论框架下,提出了基于回溯的演绎路径控制算法,设计实现了基于矛盾体分离的多元协同动态自动演绎推理逆向演绎并行系统,实现了一阶逻辑问题真正意义上的并行划分演绎推理证明。从实验角度证明了基于矛盾体分离的多元协同动态自动演绎推理理论以及矛盾体分离的多元协同动态自动演绎推理逆向演绎理论的优越性。
杨小东[5]（2017）在《仿生智能算法与轴流压气机叶型优化设计研究》文中研究表明压气机叶型优化设计是提升压气机整体性能的重要途径。传统的基于梯度的优化算法要求目标函数连续可导,需要获取目标函数关于优化变量的导数信息,过程复杂,且容易陷入局部最优或反复震荡,通用性较差。仿生进化算法及群智能算法作为性能优良的全局优化算法,具有广阔的应用前景。论文致力于研究新型仿生智能算法的性能提升技术及其在压气机叶型优化设计上的应用并取得如下成果:1、提出基于分布式、并行计算架构的进化及群智能算法。基于并行架构对遗传算法、微分进化及人工蜂群算法进行了加速优化,大大缓解了目标函数求解耗时的问题。同时对算法本身的运行机制进行优化,提出了变比率三体交叉遗传算法、高斯随机缩放微分进化算法和邻域选择蜂群算法,有效提高了算法的全局寻优性能。2、针对支持向量机参数难以选取的难题,本文将蜂群算法与支持向量机进行融合以完成支持向量机参数的全局智能寻优。与传统神经网络相比,支持向量机基于结构风险最小化理论,不仅充分考虑样本对系统的影响,同时考虑优化问题的结构特征信息,以实现最优泛化性能。实验发现支持向量机在测试样本集上表现优于BP网络。本文提出的基于蜂群算法的支持向量机（ABC-SVM）可使支持向量机在训练样本的拟合以及泛化能力上保持平衡,达到全局最优。3、设计实现了参数化系统,实现的算法主要包括Hicks-Henne、CST和NURBS。对NURBS进行了深入研究,通过反复试验调整,提出了适用于压气机叶型拟合的经验公式,解决了在叶型参数化中使用NURBS容易出现非常规奇异叶型的问题。4、吸附式叶型通过抽吸叶片表面强逆压梯度处的附面层,使气动弯角增加,使压气机做功能力提高。为获得合适的叶型以及抽吸参数,本文基于人工蜂群算法和NURBS参数化法设计开发了一套智能叶型优化设计系统,该系统可对常规叶型、吸附式叶型进行智能优化设计,并且通过叶栅实验验证了优化结果的有效性。5、叶型优化过程中主要的时间消耗在于流场求解,为缓解优化耗时问题,提出了基于拉丁超立方采样的微分进化-人工蜂群-支持向量机（DE-ABC-SVM）算法,旨在代替真实的流场求解器,以更少的时间来获取流场参数的模拟值,并且通过不断添加新的样本点,以期不断提高算法精确度。整个优化过程是一个不断优化算法模型的过程,最终输出优化结果及最优的算法模型。使用该套算法对现有吸附式叶型进行了优化验证,效果良好。
曹立禄[6]（2017）在《基于Hadoop的遗传算法在TSP中的研究》文中指出信息爆照时代,数据规模急剧增加,大数据分析计算平台应运而生。以遗传算法为代表的智能算法,具有并行运行的特点,在处理多条件、多约束及非线性等实际问题中所起的作用越来越明显。本文着重研究如何将遗传算法在大数据分析计算平台上进行有效的运行,并在TSP（旅行商问题—Travelling Salesman Problem）问题中实例化文章提出的混合并行遗传算法（HPGA,Hybrid Parallel Genetic Algorithm）。本文主要研究工作和成果如下:（1）讨论遗传算法并行的可能性。由于遗传算法天生具有并行运行的属性。因此,如何提升其并行的效果是本文讨论的重点。学术界,已经有很多专家学者对遗传算法并行的可能性做了相关的研究。本文在前人研究的基础上,对研究成果进行充分的讨论,以确保优化遗传算法的并行特性。（2）建立基于Hadoop的混合并行遗传算法模型。基于遗传算法并行可行性的讨论研究,本文构建了基于Hadoop的混合并行遗传算法模型。将不同的并行遗传算法模型进行合理的整合,使其具有更好的伸缩性,提高混合并行遗传算法模型在面对实际问题求解过程中的适应能力。在提高求解效率的同时,又能很好保持遗传算法的优秀特性。（3）模型框架的实例化和方法研究。本文选取TSP旅行商问题实际背景,以混合并行遗传算法为基础,对提出的算法模型进行实例化验证,通过实验数据证明本文提出模型框架的可用性。
彭烨[7]（2014）在《自动化立体仓库管理系统研究与应用》文中研究说明随着经济结构的转型及市场的扩大，对实现制造业信息化的要求变得越来越迫切，本文出于这种实际要求，对立体仓库管理系统的功能及多件出库路径规划问题进行研究。首先，对自动化立体仓库作简要介绍。通过与普通仓库对比突出自动化立体仓库的特点，进一步说明其现实意义。其次，提出了本文对多件出库路径规划问题的解决方案。基于并行计算的高效性和遗传算法的全局搜索能力，采用并行遗传算法对堆垛机出库路径进行规划。通过实例编程和应用，证明了这种算法在解决类似问题上的有效性。再者，针对立体仓库的现实需求，对其管理系统和可视化监测管理模块进行了分析和设计。其中管理系统从需求分析开始，逐步运用UML进行了系统上下文、体系结构、类图和设计模型方面的工作，并辅以数据库设计与创建；监测模块也从需求分析开始设计，通过详细剖析监控对象及其硬件组成，确定监测范围，并使用现场总线控制技术实现监控层与控制层间的通信。最后，在前三章的基础上基于.NET平台开发自动化立体仓库管理系统。并对出入库、盘点、货品台账管理、任务管理等主要功能模块的流程进行了详细介绍，并以此为基础，使用C#语言及WINFROM窗体做出了程序实现。本文结合立体仓库实际需求，为充分利用当前多核计算机的并行计算能力，设计并行遗传算法作为多件出库路径规划问题的解决方案，达到节省计算时间，提高立体仓库工作效率的目的。
黄风华[8]（2014）在《云环境下基于并行支持向量机的高光谱影像分类研究》文中研究指明高光谱遥感影像具有波段多、数据量大、数据不确定性和监督分类时易受Hughes现象影响等特点,由此对现有的图像信息分析处理技术提出了更高的要求。支持向量机（SVM）是一种基于统计学习理论且已被众多实验所证实的有效学习机制,能较好地解决小样本、非线性、高维数等问题,并已被成功地应用于高光谱分类领域；但对于大规模高光谱影像的分类问题,SVM传统算法（串行）的训练和预测效率低下,而单机和传统分布式环境也难以提供处理海量数据所需的强大并行运算能力和足够的内存空间。有鉴于此,本文引入并行支持向量机（PSVM）和云计算技术,设计出一种基于云计算的并行支持向量机（Cloud-PSVM）分类模型,提出云环境下Cloud-PSVM的增量学习算法和参数的全局优化策略,并将Cloud-PSVM应用于土地利用分类领域,构建基于Hadoop平台的高光谱影像分类云服务。整个研究从计算模式、分类方法和服务模式这三方面入手,旨在保证分类精度的前提下提高高光谱影像分类的效率,推动大规模高光谱影像地物信息提取与机器解译的规模化和智能化。主要研究内容与成果如下：（1）为有效地提高Hyperion高光谱影像的空间分辨率,设计出一种改进型的Gram-Schmidt高光谱影像融合方法,实现了Hyperion高光谱影像与同一遥感平台及同一时相的ALI高空间分辨率影像的高效融合；提出一种基于光谱-地形,以及纹理特征的组合径向基核函数（MRBF）,并构建出一种基于MRBF的二叉决策树多类SMO （BDT-SMO）分类器,可有效地提高高光谱融合影像的分类精度。（2）构建Hadoop云储存平台,采用Hadoop分布式文件系统（HDFS）和Hbase数据库实现大规模高光谱融合影像数据和样本数据的分布式存储,通过合理选择分割策略、存取机制和数据组织形式,可有效地提高大规模融合影像和样本数据的存取效率。（3）为有效地提高大规模训练样本的并行学习效率,提出一种基于交叉样本的改进型混合并行支持向量机（YBJCF-PSVM）模型,并与GPU技术相结合,以提高单节点的并行学习能力。此外,设计出一种基于MapReduce和YBJCF-PSVM模式的Cloud-PSVM分类器。（4）将Cloud-PSVM应用于土地利用分类领域。采用MapReduce模式对实验区高光谱融合影像进行并行特征提取,并通过Cloud-PSVM分类器对大规模样本进行并行训练与预测。实验结果表明,Cloud-PSVM分类器能在保证分类精度的前提下较大程度地提高高光谱融合影像的分类效率。此外,为能有效地提高土地利用分类结果的发布效率,还设计并实现了一种基于Hadoop的高光谱融合影像分类的云服务。（5）在云计算环境下设计出一种基于MapReduce和壳向量的SVM增量学习算法（MapReduce-HASVM）,可有效地提高Cloud-PSVM分类器的泛化能力和扩展性。此外,还提出一种基于云计算和并行遗传算法（PGA）的Cloud-PSVM参数分布式全局优化策略,可有效地提高Cloud-PSVM分类器的分类精度和核参数的优化效率。
刘建华[9]（2013）在《基于操作模式的铜闪速熔炼过程工况迁移策略研究及应用》文中提出摘要：闪速熔炼是提取金属铜的主要工艺,我国铜精矿资源复杂、变化频繁,需要迁移工况以保证熔炼性能。目前主要是基于人工经验调整操作参数进行工况迁移,导致迁移时间长、工况波动大、能源消耗高。铜闪速熔炼生产过程积累了大量的工业运行数据,研究如何从这些数据中挖掘出指导工况迁移的操作参数调整规则,完成熔炼工况的高效迁移,对实现熔炼企业的节能降耗具有重要意义。本文研究并提出了基于操作模式的铜闪速熔炼过程工况迁移策略,主要解决“目标工况设定”和“工况迁移路径选择”两大难题,提出了基于操作模式匹配、基于关键工艺指标预测的操作模式优化两种目标工况设定方法,以及面向调整代价最优的铜闪速熔炼过程工况迁移路径优化选择方法,开发了基于操作模式的铜闪速熔炼过程监控与优化系统。主要研究工作和创新性成果如下：（1）针对操作模式库庞大引起最优操作模式搜索效率低的问题,提出了基于柯西不等式的操作模式分级快速匹配方法。首先采用主元分析法设定属性权重,提高了匹配可靠性；然后将柯西不等式引入到初级匹配的相似性度量准则中,减少计算复杂度,快速获取相似操作模式集,使次级匹配只在相似操作模式集中进行,加快了匹配速度。最后利用UCI数据集与实际数据应用结果进行验证和分析。（2）针对铜闪速熔炼过程冰铜温度、冰铜品位和渣中铁硅比三大工艺指标难以在线检测的问题,提出了基于投影寻踪回归的铜闪速熔炼过程关键工艺指标预测方法。利用匹配获得的相似操作模式集,分别建立了预测三大工艺指标的投影寻踪回归子模型。为求解模型参数,以各子模型投影指标为目标,采用实数编码混沌伪并行遗传算法优化求解投影方向和多项式系数；以综合投影指标为目标,通过选择合适的岭函数个数,协调各子模型预测精度与模型参数更新速度,改善了模型整体性能。数据验证结果表明三大工艺指标的最大相对误差分别为6.08%、3.79%和6.93%,预测模型能满足实际生产需求。（3）针对优良操作模式库中不存在与铜精矿资源相适应最优操作模式的问题,提出了基于实数编码混沌伪并行遗传算法的操作模式优化方法,通过优化求解稳态工况下的最优操作参数,获取最优操作模式。综合多个工艺指标,构建了综合工况评价函数和操作模式优化模型；将混沌信息交换机制引入到“独立进化、信息交换”的伪并行遗传算法中,并采用实数编码形式完成各子种群的独立进化,从而设计了一种基于实数编码的混沌伪并行遗传算法。并将该方法应用于求解组成操作模式的最优操作参数分量,进而提取所需最优操作模式。最后通过算法性能测试和实际数据应用结果进行验证和分析。（4）针对基于经验的操作参数调整引起工况迁移路径选择盲目的问题,提出了面向调整代价最优的铜闪速熔炼过程工况迁移路径优化方法。综合考虑工况迁移时间、能源消耗,构造了工况迁移性能评价指标,建立了反映熔炼过程工况迁移路径与操作参数调整过程的动态关系模型,结合产品质量、工况波动、以及由当前工况和目标工况组成的端点等约束条件,将工况迁移路径优化选择问题转化为具有多约束和端点固定的优化问题,并利用Legendre伪谱法进行求解,获取最优工况迁移路径。工业应用结果表明所提方法与人工调整过程相比迁移时间缩短了1.5小时,氧量节省22879m3,冰铜温度、冰铜品位和渣中铁硅比三大工艺指标波动的平均相对误差分别减少了1.28%、0.65%和0.49%。（5）结合本文研究成果,开发了基于操作模式的铜闪速熔炼过程监控与优化系统,并应用于某冶炼厂实际生产过程。现场应用结果表明,本文提出的技术路线和方法具有较强的实用性。
徐斌[10]（2012）在《基于遗传算法与并行计算的电磁场逆问题研究》文中研究表明以电磁设备优化设计为主的电磁场逆问题,由于其突出的工程应用价值,自诞生以来就一直是电磁场应用研究领域的热点问题。随着计算机技术的发展和电磁场数值计算理论、方法的不断丰富与完善,以及工程技术发展的客观需求,电磁场逆问题的应用前景必定更为可观。本文针对遗传算法及其在电磁场优化设计中的应用展开了深入研究,为改进标准遗传算法算法早熟和局部寻优能力不足,提出自适应对偶种群遗传算法,引入适应于当前种群最优解的对偶种群和新的子代产生规则。典型数学问题测试结果表明改进后的遗传算法最优解质量高,收敛速度快,稳定性好。以超导磁储能系统优化设计问题为例,对其数学模型进行深入的研究,采用基本有限元算法求解SMES系统优化设计的正问题。将改进遗传算法运用到SMES系统优化设计问题,取得较好的优化结果。一般地,电磁场逆问题求解由于函数适应度计算通过数值方法实现,整个优化过程计算时间冗长。为解决这一问题,在改进算法的基础上结合并行计算,分别采用一级主从并行模式和二级主从并行模式处理改进算法,在Linux平台下基于C和MPI编程开发并行遗传算法,仿真结果表明,相较于串行遗传算法,并行遗传算法具有更快的求解速度,优化时间的并行加速比几乎是线性的,充分说明本文方法对电磁场逆问题实际应用的价值和理论研究的借鉴意义。
二、基于多层竞争的高效并行遗传算法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、基于多层竞争的高效并行遗传算法（论文提纲范文）
（1）跨声速层流机翼变保真度分层优化设计（论文提纲范文）
| 0 引言 |
| 1 流动控制方程及转捩判断方法 |
| 1.1 流动控制方程 |
| 1.2 线性稳定性理论 |
| 2 层流机翼变保真度分层并行优化方法 |
| 2.1 多岛并行遗传算法 |
| 2.2 层流机翼变保真度分层优化方法 |
| 2.2.1 低保真度优化设计阶段 |
| 2.2.2 高保真度优化设计阶段 |
| 3 层流机翼变保真度分层并行优化设计 |
| 3.1 优化问题及设计变量定义 |
| 3.2 优化结果及层流特性分析 |
| 4 结论 |
（2）片上网络下智能化静态任务调度算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.1.1 任务调度问题与DAG介绍 |
| 1.1.2 片上网络系统简介 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文的组织结构 |
| 第二章 多核调度问题概述 |
| 2.1 多核的任务调度算法 |
| 2.1.1 基于列表的调度算法 |
| 2.1.2 基于任务复制的调度算法 |
| 2.1.3 基于任务聚簇的调度算法 |
| 2.1.4 基于随机搜索的调度算法 |
| 2.2 任务调度算法的多核模型 |
| 2.3 片上网络架构相关问题 |
| 2.3.1 拓扑结构 |
| 2.3.2 片上网络交换机制 |
| 2.3.3 片上网络的路由算法 |
| 2.4 本章小结 |
| 第三章 NoC下基于遗传算法的静态任务调度方案 |
| 3.1 引言 |
| 3.2 基于遗传算法的静态任务列表调度 |
| 3.2.1 遗传算法的基本原理 |
| 3.2.2 LGA算法的编码 |
| 3.2.3 LGA算法的初始种群 |
| 3.2.4 LGA算法的适应度函数 |
| 3.2.5 LGA算法的选择策略 |
| 3.2.6 LGA算法的交叉变异率 |
| 3.2.7 LGA算法的保留策略和收敛判断 |
| 3.3 列表算法在片上网络上实现 |
| 3.3.1 任务列表在片上网络的调度过程 |
| 3.3.2 列表在片上网络的调度 |
| 3.4 本章小结 |
| 第四章 NoC下基于遗传算法的静态任务调度算法 |
| 4.1 GLPGA算法 |
| 4.1.1 GLPGA算法框架 |
| 4.1.2 GLPGA算法的编码 |
| 4.1.3 GLPGA算法的遗传算子 |
| 4.1.4 GLPGA的算法实现 |
| 4.2 CLGA算法 |
| 4.2.1 CLGA算法框架 |
| 4.2.2 CLGA算法的编码方式 |
| 4.2.3 CLGA算法的遗传算子 |
| 4.2.4 CLGA算法的实现 |
| 4.3 本章小结 |
| 第五章 实验测试和分析 |
| 5.1 性能评估参数的选取 |
| 5.2 多核模型描述和样本DAG图生成 |
| 5.3 GLPGA算法与ILS-RS算法的性能比较 |
| 5.4 CLGA算法与STA算法的性能比较 |
| 5.5 本章小结 |
| 第六章 总结和展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
| 1)发表的学术论文(含专利和软件着作权) |
（3）基于双层并行算法的水电站群优化调度方法及应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 梯级水电站群优化调度模型计算现状综述及分析 |
| 1.3.1 梯级水电站群调度模型及算法演进历程 |
| 1.3.2 梯级水电站群优化调度模型计算存在的主要问题 |
| 1.4 本文主要研究内容及技术路线 |
| 1.4.1 主要研究内容 |
| 1.4.2 研究技术路线 |
| 1.5 本文研究创新点 |
| 第2章 双层并行计算架构模式研究 |
| 2.1 双层并行计算方法研究 |
| 2.1.1 并行计算机内存结构 |
| 2.1.2 并行计算架构 |
| 2.1.3 并行计算实现方法及考虑因素 |
| 2.1.4 并行计算性能评价指标 |
| 2.1.5 双层并行计算架构 |
| 2.1.6 并行算法 |
| 2.2 优化算法并行化基础理论研究 |
| 2.2.1 传统优化算法并行化 |
| 2.2.2 智能优化算法及其并行化 |
| 2.3 本章小结 |
| 第3章 水电站优化调度模型的双层并行算法 |
| 3.1 水电站发电量最大优化调度基本模型 |
| 3.2 基于混沌人工鱼群双层并行算法的水电站优化调度模型 |
| 3.2.1 混沌人工鱼群双层并行算法(CAFSDPA) |
| 3.2.2 基于CAFSDPA水电站发电优化调度模型的求解步骤 |
| 3.3 基于双层并行动态规划算法的水电站优化调度模型 |
| 3.3.1 动态规划算法的并行因素分析 |
| 3.3.2 模型双层并行计算流程 |
| 3.4 本章小结 |
| 第4章 基于双层并行算法的水电站优化调度模型实证研究 |
| 4.1 基于CAFSDPA的水电站优化调度模型实证研究 |
| 4.1.1 相近算法计算结果比较 |
| 4.1.2 部分参数不同情况下CAFSDPA计算结果比较 |
| 4.2 基于双层并行动态规划算法的水电站实例论证 |
| 4.3 本章小结 |
| 第5章 梯级水电站群的双层并行算法研究 |
| 5.1 基于大系统分解协调的双层并行算法研究思路 |
| 5.2 梯级水电站群发电优化调度大系统分解协调模型 |
| 5.2.1 大系统分解协调 |
| 5.2.2 梯级水电站群发电优化调度基本模型 |
| 5.2.3 梯级水电站群发电优化调度分解协调模型 |
| 5.3 基于分解后水电站CAFSDPA的大系统分解协调模型 |
| 5.3.1 模型基本原理 |
| 5.3.2 模型计算步骤 |
| 5.4 基于分解后水电站多线程并行动态规划的双层并行算法研究 |
| 5.4.1 分解后水电站动态规划算法 |
| 5.4.2 模型计算可并行化分析 |
| 5.4.3 多线程技术并行计算 |
| 5.4.4 算法结合基本原理 |
| 5.4.5 模型计算步骤 |
| 5.5 基于分解后各水电站异时启动并行计算的双层并行算法研究 |
| 5.5.1 异时启动并行计算 |
| 5.5.2 并行策略的主要研究方向 |
| 5.5.3 梯级水电站群优化计算新型并行策略基本研究思路 |
| 5.5.4 梯级水电站群优化计算的新型并行策略 |
| 5.5.5 新型并行策略分析 |
| 5.5.6 基于分解后各水电站异时启动并行计算的双层并行算法 |
| 5.6 混联水电站群新型并行策略展望 |
| 5.7 本章小结 |
| 第6章 基于双层并行算法的水电站群大系统分解协调模型实证研究 |
| 6.1 实例背景 |
| 6.2 基于分解后水电站CAFSDPA的分解协调模型实例验证 |
| 6.2.1 模型计算流程及问题论证方向 |
| 6.2.2 计算结果分析 |
| 6.3 基于分解后水电站多线程双层并行动态规划的分解协为模型实例验证 |
| 6.3.1 程序流程图 |
| 6.3.2 计算结果与分析 |
| 6.4 基于分解后水电站异时启动并行计算的大系统分解协调双层并行算法实例验证 |
| 6.4.1 基本模型建立 |
| 6.4.2 异时启动并行计算方法设计 |
| 6.4.3 实例计算结果与分析 |
| 6.5 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（4）关于并行SAT求解器和并行自动演绎推理系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号和缩略词表 |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外相关研究现状 |
| 1.2.1 命题逻辑并行求解器的研究现状 |
| 1.2.2 一阶逻辑定理证明并行证明系统研究现状 |
| 1.3 论文的主要工作 |
| 1.4 论文结构安排 |
| 第2章 命题逻辑与一阶逻辑相关知识 |
| 2.1 引言 |
| 2.2 命题逻辑求解器相关知识 |
| 2.2.1 命题逻辑问题求解相关概念 |
| 2.2.2 命题逻辑求解器 |
| 2.2.3 归结演绎 |
| 2.2.4 DP算法(Davis-Putnam Algorithm) |
| 2.2.5 DPLL算法 |
| 2.2.6 CDCL算法 |
| 2.2.7 局部搜索算法 |
| 2.2.8 并行SAT求解技术 |
| 2.3 一阶逻辑定理证明器相关知识 |
| 2.3.1 一阶逻辑自动定理证明的相关概念 |
| 2.3.2 基本的数据结构 |
| 2.3.3 最一般合一算法 |
| 2.3.4 基于浸透的演绎方法 |
| 2.3.5 基于目标的演绎方法 |
| 2.3.6 一阶逻辑中的并行方式 |
| 2.4 小结 |
| 第3章 基于OpenMP的求解SAT问题的并行遗传算法 |
| 3.1 引言 |
| 3.2 并行遗传算法与OpenMP编程框架简介 |
| 3.2.1 遗传算法 |
| 3.2.2 并行遗传算法 |
| 3.2.3 并行编程框架OpenMP |
| 3.3 求解SAT问题的遗传算法相关工作 |
| 3.3.1 求解SAT问题的遗传算法 |
| 3.3.2 求解SAT问题的局部搜索算法 |
| 3.3.3 SAT问题并行求解框架 |
| 3.4 对求解SAT问题的混合遗传算法的改进 |
| 3.4.1 选择操作 |
| 3.4.2 交叉操作 |
| 3.4.3 变异与灾变操作 |
| 3.4.4 改进的求解SAT问题的混合遗传算法描述 |
| 3.5 求解SAT问题的并行混合遗传算法 |
| 3.5.1 数据共享 |
| 3.5.2 迁移实现 |
| 3.5.3 整体流程 |
| 3.5.4 负载均衡问题 |
| 3.6 实验分析 |
| 3.6.1 测试环境 |
| 3.6.2 求解效率对比 |
| 3.6.3 变异率和交叉率对求解效率的影响 |
| 3.6.4 不同种群规模与求解成功率的关系 |
| 3.6.5 HCGA、HGA与 CGPHGA求解时间对比 |
| 3.6.6 HGA与 CGPHGA最优解进化代数分布 |
| 3.6.7 迁移规模对求解成功率的影响 |
| 3.6.8 并行算法对比 |
| 3.7 小结 |
| 第4章 基于GPU的并行SAT求解算法 |
| 4.1 引言 |
| 4.2 3-SAT问题与GPU简介 |
| 4.2.1 3-SAT问题 |
| 4.2.2 GPU简介 |
| 4.3 分治并行求解SAT问题相关工作 |
| 4.3.1 SAT问题并行求解框架 |
| 4.3.2 并行布尔约束传播算法 |
| 4.4 基于GPU的 BCP加速 |
| 4.4.1 整体流程 |
| 4.4.2 数据结构设计 |
| 4.4.3 GPU-BCP算法描述 |
| 4.4.4 实验分析 |
| 4.5 小结 |
| 第5章 学习子句混合评估算法与分享策略 |
| 5.1 引言 |
| 5.2 学习子句评估算法相关工作 |
| 5.2.1 基于VSIDS的评估算法 |
| 5.2.2 基于LBD的子句评估算法 |
| 5.2.3 混合评估算法 |
| 5.3 基于学习子句使用频次与LBD混合评估算法 |
| 5.3.1 基于学习子句使用频次的评估算法 |
| 5.3.2 基于频次与LBD混合评估算法 |
| 5.4 并行求解器中改进的子句共享策略 |
| 5.4.1 并行节点间子句分享策略 |
| 5.4.2 混合评估方式下的子句分享策略 |
| 5.5 实验与分析 |
| 5.6 小结 |
| 第6章 基于矛盾体分离的多元协同动态自动演绎推理的逆向演绎并行系统 |
| 6.1 引言 |
| 6.2 矛盾体分离理论背景知识 |
| 6.3 基于矛盾体分离理论的相关工作 |
| 6.3.1 标准延拓的矛盾体分离算法 |
| 6.3.2 扩展延拓的矛盾体分离算法 |
| 6.3.3 矛盾体分离算法的优势 |
| 6.3.4 子句与文字演绎权重 |
| 6.3.5 文字函数项复杂度 |
| 6.3.6 稳定度 |
| 6.4 基于矛盾体分离理论的自动推理演绎 |
| 6.4.1 系统结构 |
| 6.4.2 重要模块说明 |
| 6.4.3 演绎方向控制 |
| 6.4.4 子句与文字选择策略 |
| 6.4.5 重复使用子句策略 |
| 6.4.6 中间演绎结果策略 |
| 6.4.7 构建矛盾体的回溯策略 |
| 6.5 基于矛盾体的逆向并行自动推理演绎 |
| 6.5.1 系统结构 |
| 6.5.2 重要模块说明 |
| 6.5.3 逆向分离算法 |
| 6.5.4 演绎方向控制 |
| 6.5.5 消息传递机制与负载均衡策略 |
| 6.6 实验与分析 |
| 6.7 小结 |
| 第7章 总结 |
| 7.1 论文总结 |
| 7.2 今后工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的论文及科研成果 |
| 攻读博士学位期间主研的科研项目 |
（5）仿生智能算法与轴流压气机叶型优化设计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 智能算法与压气机气动优化设计研究现状 |
| 1.2.1 气动优化设计技术研究现状 |
| 1.2.2 遗传算法在优化设计中的应用研究现状 |
| 1.2.3 仿生智能算法研究与应用现状 |
| 1.2.4 现代人工智能技术发展概况 |
| 1.3 本文的主要工作 |
| 第二章 仿生智能算法研究与改进设计 |
| 2.1 遗传算法研究与改进 |
| 2.1.1 标准遗传算法研究 |
| 2.1.2 遗传算法改进：变比率交叉算法设计 |
| 2.1.3 变比率三体交叉算法设计 |
| 2.2 遗传算法拓展：分布式遗传算法设计 |
| 2.2.1 遗传算法的缺陷 |
| 2.2.2 分布式遗传算法设计 |
| 2.2.3 分布式遗传算法改进设计 |
| 2.3 微分进化算法研究与改进 |
| 2.3.1 微分进化算法的基本原理及数学模型 |
| 2.3.2 微分进化算法的控制参数设置及影响研究 |
| 2.3.3 微分进化算法改进：高斯随机缩放DE算法设计 |
| 2.4 蜂群算法研究与改进 |
| 2.4.1 蜂群算法的基本原理 |
| 2.4.2 蜂群算法改进：邻域选择蜂群算法设计 |
| 2.5 并行蜂群设计：粗粒度分布式蜂群算法 |
| 2.5.1 粗粒度模型 |
| 2.5.2 粗粒度分布式蜂群算法设计 |
| 2.6 遗传算法、微分进化与蜂群算法数值仿真实验 |
| 2.6.1 Benchmark测试函数 |
| 2.6.2 梯度下降法优化实验 |
| 2.6.3 智能算法优化实验 |
| 2.7 本章小结 |
| 第三章 支持向量机算法改进与非线性函数回归研究 |
| 3.1 误差反向传播神经网络研究 |
| 3.1.1 误差反向传播网络模型 |
| 3.1.2 误差反向传播学习算法 |
| 3.1.3 BP算法的改进 |
| 3.2 统计学习与支持向量机研究 |
| 3.2.1 统计学习 |
| 3.2.2 支持向量机 |
| 3.3 非线性函数逼近性能数值实验研究 |
| 3.3.1 回归分析：二维三角函数 |
| 3.3.2 回归分析：二维多极值函数 |
| 3.3.3 回归分析：三维函数的回归分析 |
| 3.4 支持向量机算法改进：蜂群-支持向量机(ABC-SVM)算法设计 |
| 3.4.1 ABC-SVM算法设计 |
| 3.4.2 ABC-SVM数值优化实验 |
| 3.5 本章小结 |
| 第四章 压气机叶型参数化设计技术研究 |
| 4.1 常用参数化法 |
| 4.1.1 Hicks-Henne参数化 |
| 4.1.2 特征参数描述法 |
| 4.1.3 正交基函数法 |
| 4.1.4 CST方法 |
| 4.1.5 NURBS参数化法 |
| 4.2 基于CST的压气机叶型参数化方法分析 |
| 4.2.1 CST方法中权重因子的反算 |
| 4.2.2 CST拟合的有效性验证 |
| 4.2.3 CST参数化叶栅拟合效果分析 |
| 4.3 基于NURBS的压气机叶型参数化方法分析 |
| 4.3.1 NURBS控制点反求 |
| 4.3.2 NURBS拟合方法有效性验证 |
| 4.3.3 NURBS叶栅拟合分析 |
| 4.4 本章小结 |
| 第五章 压气机叶型智能优化设计及实验研究 |
| 5.1 附面层抽吸的机理 |
| 5.1.1 附面层抽吸对下游附面层动量厚度的影响 |
| 5.1.2 附面层未分离时抽吸 |
| 5.1.3 附面层分离时抽吸的影响 |
| 5.2 吸附式压气机叶栅数值模拟方法 |
| 5.2.1 控制方程 |
| 5.2.2 人工粘性 |
| 5.3 基于蜂群算法的吸附式叶型智能优化设计 |
| 5.3.1 奇异叶型的产生机理及消除措施 |
| 5.3.2 NURBS在压气机叶型参数化中的应用 |
| 5.3.3 流场求解程序 |
| 5.3.4 流场求解器的实验验证 |
| 5.3.5 优化目标和优化变量 |
| 5.3.6 实例一：大弯角亚音叶型优化设计 |
| 5.3.7 实例二：吸附式叶型优化设计研究 |
| 5.4 智能优化设计系统实验验证研究 |
| 5.4.1 叶型智能优化设计 |
| 5.4.2 优化叶型实验研究 |
| 5.4.3 实验结论 |
| 5.5 本章小结 |
| 第六章 蜂群-支持向量机混合算法改进与压气机叶片优化设计 |
| 6.1 蜂群-支持向量机算法的改进:DE-ABC-SVM |
| 6.1.1 样本选择与初始模型设计技术研究 |
| 6.1.2 自适应微分蜂群-支持向量机算法设计：DE-ABC-SVM |
| 6.2 DE-ABC-SVM算法数值实验研究 |
| 6.2.1 Sphere函数优化实验 |
| 6.2.2 Ackley函数优化实验 |
| 6.3 基于DE-ABC-SVM的叶型优化设计 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究总结 |
| 7.2 论文的创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 附录 符号表 |
| 致谢 |
| 攻读博士学位期间发表的学术论文和参加科研情况 |
（6）基于Hadoop的遗传算法在TSP中的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 研究目的和意义 |
| 1.4 研究内容和研究思路 |
| 第2章 Hadoop大数据平台 |
| 2.1 Hadoop大数据平台背景 |
| 2.1.1 Hadoop大数据平台的产生背景 |
| 2.1.2 Hadoop大数据平台生态圈 |
| 2.2 Hadoop核心组件及其文件系统 |
| 2.2.1 核心组件 |
| 2.2.2 文件式存储系统hdfs及实现机制 |
| 2.2.3 MapReduce分析计算框架 |
| 2.3 E-MapReduce大数据分析计算平台 |
| 2.3.1 E-MapReduce概述 |
| 2.3.2 E-MapReduce架构组成 |
| 2.3.3 E-MapReduce优势 |
| 2.4 本章小结 |
| 第3章 传统遗传算法及TSP问题模型分析 |
| 3.1 遗传算法 |
| 3.1.1 遗传算法简介 |
| 3.1.2 遗传算法的发展历史 |
| 3.1.3 遗传算法的特点 |
| 3.1.4 遗传算法的运算过程 |
| 3.2 TSP问题及其传统求解模型分析 |
| 3.2.1 TSP问题简介 |
| 3.2.2 TSP问题的传统求解思想 |
| 3.2.3 TSP问题的智能优化算法求解思想 |
| 3.3 本章小结 |
| 第4章 基于Hadoop的混合并行遗传算法模型构建 |
| 4.1 基于Hadoop的并行遗传算法实现依据 |
| 4.1.1 个体适应度计算的并行性 |
| 4.1.2 整个群体中各个个体适应度评价的并行性 |
| 4.1.3 子代群体产生过程的并行性 |
| 4.1.4 基于群体分组的并行性 |
| 4.2 传统并行遗传算法实现模型 |
| 4.2.1 全局PGA模型 |
| 4.2.2 粗粒度PGA模型 |
| 4.2.3 细粒度PGA模型 |
| 4.2.4 混合PGA模型 |
| 4.3 基于Hadoop的并行遗传算法实现模型 |
| 4.3.1 混合并行遗传算法求解模型 |
| 4.3.2 混合并行遗传算法在Hadoop平台中的实现 |
| 4.3.3 混合并行遗传算法的优越性 |
| 4.4 本章小结 |
| 第5章 TSP问题下的模型验证 |
| 5.1 TSP问题传统遗传算法求解模型 |
| 5.2 Hadoop下HPGA求解TSP问题的数据平台设计 |
| 5.2.1 基础硬件设施设计 |
| 5.2.2 基于E-MapReduce的基础软件设施设计 |
| 5.3 Hadoop下HPGA求解TSP问题模型设计 |
| 5.3.1 初始总群与编码设计 |
| 5.3.2 求解TSP问题的遗传算子设计 |
| 5.3.3 求解TSP问题第一层算法模型设计 |
| 5.3.4 求解TSP问题第二层算法模型设计 |
| 5.4 算法测试与分析 |
| 5.4.1 第一层HPGA算法模型试验结果 |
| 5.4.2 第二层HPGA算法模型试验结果 |
| 5.4.3 基于Hadoop的HPGA试验结果分析 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 6.3 不足之处 |
| 参考文献 |
| 攻读学位期间公开发表论文 |
| 致谢 |
（7）自动化立体仓库管理系统研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 概述 |
| 1.1.1 自动化立体仓库的定义 |
| 1.1.2 自动化立体仓库的特点 |
| 1.1.3 课题相关领域的国内外研究现状和问题 |
| 1.2 课题相关 |
| 1.2.1 本课题的研究意义 |
| 1.2.2 本课题的研究内容 |
| 1.2.3 本课题采用的软硬件平台 |
| 1.3 论文结构 |
| 第二章 基于并行遗传算法的立体仓库拣选路径优化技术研究 |
| 2.1 自动化立体仓库拣选路径优化问题解决方案 |
| 2.2 自动化立体仓库固定货架拣选问题简介 |
| 2.2.1 固定货架简介 |
| 2.2.2 货物拣选工作流程 |
| 2.2.3 货物拣选工作原理 |
| 2.3 并行遗传算法 |
| 2.3.1 并行遗传算法简介 |
| 2.3.2 并行遗传算法的实现方案 |
| 2.3.3 粗粒度模型的迁移策略 |
| 2.3.4 并行遗传算法的性能与参数选取关系 |
| 2.3.5 并行遗传算法加速比分析 |
| 2.4 拣选路径问题的遗传操作设计 |
| 2.4.1 编码及交叉操作 |
| 2.4.2 变异操作 |
| 2.4.3 选择操作 |
| 2.5 立体仓库拣选路径问题的适应度函数设计 |
| 2.6 并行遗传算法的设计与实现 |
| 2.6.1 算法流程 |
| 2.6.2 算法过程描述 |
| 2.6.3 并行遗传算法参数 |
| 2.6.4 数据结构 |
| 2.6.5 计算实例 |
| 2.7 本章小结 |
| 第三章 自动化立体仓库管理系统分析与设计 |
| 3.1 概述 |
| 3.2 需求分析 |
| 3.2.1 理解需求 |
| 3.2.2 分析需求 |
| 3.3 基于 UML 的管理系统设计 |
| 3.3.1 UML 与面向对象软件设计概述 |
| 3.3.2 系统上下文与外部交互 |
| 3.3.3 体系结构设计 |
| 3.3.4 对象类识别及类图 |
| 3.3.5 设计模型 |
| 3.4 管理系统数据库分析 |
| 3.4.1 权限系统数据库分析 |
| 3.4.2 货品管理系统数据库设计 |
| 3.5 数据库的设计和创建 |
| 3.5.1 数据库的创建 |
| 3.5.2 创建表和字段 |
| 3.6 本章小结 |
| 第四章 自动化立体仓库监测管理模块分析与设计 |
| 4.1 需求分析 |
| 4.1.1 理解需求 |
| 4.1.2 分析需求 |
| 4.2 监测对象及其硬件组成 |
| 4.2.1 监控测象介绍 |
| 4.2.2 监测对象中的相关硬件 |
| 4.3 监控层与控制层的通信实现 |
| 4.3.1 PROFIBUS 简介 |
| 4.3.2 PROFIBUS 现场总线通信的实现 |
| 4.4 监测功能的实现 |
| 4.5 本章小结 |
| 第五章 自动化立体仓库管理系统开发 |
| 5.1 立体仓库自动化管理系统实例 |
| 5.1.1 入库作业模块 |
| 5.1.2 出库作业模块 |
| 5.1.3 盘点管理模块 |
| 5.1.4 货品台账管理模块 |
| 5.1.5 任务管理 |
| 5.2 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（8）云环境下基于并行支持向量机的高光谱影像分类研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 中文文摘 |
| 目录 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高光谱遥感影像支持向量机(SVM)分类研究现状 |
| 1.2.2 并行支持向量机(PSVM)研究现状 |
| 1.2.3 云计算与云GIS研究现状 |
| 1.2.4 基于云计算的并行支持向量机(Cloud-PSVM)研究现状 |
| 1.2.5 Cloud-PSVM与遥感数据云处理 |
| 1.3 研究目标、内容和技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 第2章 实验基础数据与影像融合 |
| 2.1 实验基础数据 |
| 2.1.1 EO-1卫星概况 |
| 2.1.2 EO-1相关数据及其他辅助数据 |
| 2.2 实验区概况 |
| 2.2.1 一级实验区概况 |
| 2.2.2 二级实验区概况 |
| 2.3 实验数据预处理 |
| 2.3.1 EO-1Hyperion数据预处理 |
| 2.3.2 EO-1ALI数据预处理 |
| 2.4 遥感数据融合 |
| 2.4.1 Hyperion影像融合的必要性 |
| 2.4.2 Hyperion影像融合策略 |
| 2.4.3 影像融合效果评价方法 |
| 2.4.4 基于GS3的高光谱影像融合研究 |
| 2.4.5 GS3与其他像元级融合方法对比研究 |
| 2.5 本章小结 |
| 第3章 基于组合特征的BDT-SMO高光谱融合影像分类研究 |
| 3.1 支持向量机(SVM) |
| 3.2 对SVM传统算法的改进——序列最小优化算法(SMO) |
| 3.3 纹理特征的提取方法 |
| 3.3.1 纹理灰度特征提取方法——灰度共生矩阵 |
| 3.3.2 纹理梯度特征提取方法——灰度-梯度共生矩阵 |
| 3.3.3 纹理尺度特征提取方法——小波多尺度分析 |
| 3.4 基于组合特征的BDT-SMO土地利用分类实现过程 |
| 3.4.1 分类特征提取 |
| 3.4.2 土地利用分类体系调整 |
| 3.4.3 样本选择与特征数据的归一化处理 |
| 3.4.4 基于不同特征组合方案的高光谱融合影像分类研究 |
| 3.4.5 基于不同多类分类策略的高光谱融合影像分类研究 |
| 3.5 基于BDT-SMO的高光谱融合影像土地利用分类研究 |
| 3.6 基于组合核函数的高光谱融合影像土地利用分类研究 |
| 3.6.1 核函数的定义与性质 |
| 3.6.2 核函数选取 |
| 3.6.3 组合核函数 |
| 3.6.4 实验与分析 |
| 3.7 本章小结 |
| 第4章 基于并行支持向量机的融合影像分类研究 |
| 4.1 并行支持向量机(PSVM) |
| 4.1.1 层叠式并行支持向量机(Cascade-PSVM) |
| 4.1.2 反馈式并行支持向量机(Feedback-PSVM) |
| 4.1.3 分组式并行支持向量机(Grouped-PSVM) |
| 4.1.4 混合式并行支持向量机(Hybrid-PSVM) |
| 4.2 基于样本交叉组合的改进型混合式PSVM(YBJCF-PSVM) |
| 4.2.1 YBJCF-PSVM样本交叉合并策略 |
| 4.2.2 YBJCF-PSVM结构设计 |
| 4.3 对比实验与分析 |
| 4.4 并行支持向量机(PSVM)的实现 |
| 4.4.1 单机并行支持向量机(HOST-PSVM) |
| 4.4.2 分布式并行支持向量机(DIST-PSVM) |
| 4.5 基于MPI的YBJCF-PSVM的训练方案 |
| 4.6 本章小结 |
| 第5章 基于Cloud-PSVM高光谱融合影像分类研究 |
| 5.1 海量遥感影像分类面临的困境 |
| 5.2 遥感数据云存储与Hadoop分布式文件系统 |
| 5.3 基于Hadoop的高光谱融合影像分割与存取策略 |
| 5.3.1 基于Hadoop的高光谱融合影像的分割策略 |
| 5.3.2 基于Hadoop的高光谱融合影像数据组织方式 |
| 5.3.3 基于Hadoop的遥感影像存取与更新策略 |
| 5.4 遥感数据云处理与MapReduce并行运算模式 |
| 5.4.1 遥感数据云处理 |
| 5.4.2 MapReduce分布式并行运算模式 |
| 5.5 基于MapReduce的分类特征并行提取方案 |
| 5.6 基于MapReduce的YBJCF-PSVM模型并行训练策略 |
| 5.7 基于MapReduce的融合影像并行预测策略 |
| 5.8 基于Hadoop的高光谱融合影像土地利用分类云服务 |
| 5.9 实验结果与分析 |
| 5.9.1 实验环境配置与样本选择 |
| 5.9.2 基于MapReduce的分类特征并行提取实验 |
| 5.9.3 基于MapReduce的YBJCF-PSVM模型并行训练实验 |
| 5.9.4 基于MapReduce的高光谱融合影像并行预测实验 |
| 5.9.5 基于Hadoop的高光谱融合影像土地利用分类云服务实验 |
| 5.10 本章小结 |
| 第6章 Cloud-PSVM增量学习策略研究 |
| 6.1 遥感影像分类增量学习问题 |
| 6.2 SVM的增量学习 |
| 6.2.1 SVM的增量学习过程 |
| 6.2.2 KKT条件 |
| 6.2.3 SVM传统增量学习策略 |
| 6.2.4 基于超球SVM的类增量学习策略 |
| 6.3 基于壳向量的SVM增量学习策略 |
| 6.3.1 壳向量 |
| 6.3.2 基于壳向量的SVM渐进增量学习算法(HASVM) |
| 6.4 基于MapReduce和壳向量的SVM渐进增量学习算法 |
| 6.5 实验与结果分析 |
| 6.5.1 基于HASVM的增量学习实验 |
| 6.5.2 基于HASVM的类增量学习实验 |
| 6.5.3 基于MapReduce-GPU-HASVM的增量学习实验 |
| 6.6 本章小节 |
| 第7章 基于并行遗传算法的Cloud-PSVM核参数优化策略 |
| 7.1 传统遗传算法 |
| 7.2 并行遗传算法(PGA) |
| 7.3 分布式并行遗传算法 |
| 7.4 基于MapReduce的并行遗传算法(MapReduce-PGA) |
| 7.5 基于MapReduce-PGA的BDT-SMO核参数优化策略 |
| 7.5.1 编码规则设置 |
| 7.5.2 独立遗传操作 |
| 7.5.3 个体移迁策略 |
| 7.6 实验与结果分析 |
| 7.6.1 核参数优化效率对比 |
| 7.6.2 分类精度对比 |
| 7.7 本章小结 |
| 第8章 结论与展望 |
| 8.1 结论 |
| 8.2 创新点 |
| 8.3 讨论与展望 |
| 参考文献 |
| 攻读学位期间承担的科研任务与主要成果 |
| 致谢 |
| 个人简历 |
（9）基于操作模式的铜闪速熔炼过程工况迁移策略研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 铜闪速熔炼过程建模技术研究现状 |
| 1.3 铜闪速熔炼过程操作参数优化技术研究现状 |
| 1.4 本文研究内容及结构安排 |
| 2 基于操作模式的铜闪速熔炼过程工况迁移框架 |
| 2.1 铜闪速熔炼过程工艺过程及影响因素分析 |
| 2.1.1 铜闪速熔炼工艺过程 |
| 2.1.2 物料平衡和热平衡分析 |
| 2.1.3 影响铜闪速熔炼性能的因素分析 |
| 2.1.4 控制方式分析 |
| 2.2 工况迁移问题的提出 |
| 2.3 操作模式形式化描述 |
| 2.3.1 铜闪速熔炼过程操作模式 |
| 2.3.2 铜闪速熔炼生产过程采用操作模式描述的原因分析 |
| 2.4 铜闪速熔炼过程工况迁移框架 |
| 2.5 本章小结 |
| 3 基于柯西不等式的操作模式分级快速匹配方法 |
| 3.1 铜闪速熔炼过程操作模式分级快速匹配思路 |
| 3.2 基于PCA的属性重要性度量 |
| 3.3 基于柯西不等式的快速匹配准则 |
| 3.3.1 操作模式相似性判断准则 |
| 3.3.2 快速匹配准则构造 |
| 3.3.3 算法复杂度分析 |
| 3.4 数据验证 |
| 3.4.1 UCI数据集验证 |
| 3.4.2 铜闪速熔炼过程实际生产数据验证 |
| 3.5 本章小结 |
| 4 基于投影寻踪回归的铜闪速熔炼过程关键工艺指标预测 |
| 4.1 铜闪速熔炼过程关键工艺指标预测模型构建思路 |
| 4.2 投影寻踪回归及其实现 |
| 4.3 铜闪速熔炼过程关键工艺指标预测模型构建 |
| 4.3.1 综合投影指标函数 |
| 4.3.2 模型构建步骤 |
| 4.3.3 模型参数更新机制 |
| 4.4 数据验证与结果分析 |
| 4.5 本章小结 |
| 5 基于实数编码混沌伪并行遗传算法的操作模式优化 |
| 5.1 铜闪速熔炼过程操作模式优化思路 |
| 5.2 铜闪速熔炼过程操作模式优化模型 |
| 5.2.1 优化目标 |
| 5.2.2 约束条件 |
| 5.3 实数编码混沌伪并行遗传算法 |
| 5.3.1 实数编码与遗传操作算子 |
| 5.3.2 混沌信息交换机制设计 |
| 5.3.3 实数编码混沌伪并行遗传算法实现 |
| 5.3.4 算法性能测试 |
| 5.4 铜闪速熔炼过程操作模式优化实现 |
| 5.5 本章小结 |
| 6 面向调整代价最优的铜闪速熔炼过程工况迁移路径优化 |
| 6.1 面向调整代价最优的铜闪速熔炼过程工况迁移路径优化思路 |
| 6.2 铜闪速熔炼过程工况迁移路径优化问题 |
| 6.2.1 熔炼过程工况迁移路径优化指标 |
| 6.2.2 熔炼过程工况迁移路径优化约束 |
| 6.2.3 解决思路分析 |
| 6.3 铜闪速熔炼过程动态模型构建 |
| 6.3.1 动态质量平衡模型 |
| 6.3.2 动态质量平衡模型验证 |
| 6.3.3 动态能量平衡模型 |
| 6.3.4 动态能量平衡模型验证 |
| 6.4 基于Legendre伪谱法的最优工况迁移路径求解 |
| 6.4.1 Legendre伪谱法 |
| 6.4.2 铜闪速熔炼过程工况迁移路径优化问题离散化 |
| 6.4.3 序列二次规划算法 |
| 6.5 数据验证结果分析 |
| 6.6 本章小结 |
| 7 基于操作模式的铜闪速熔炼过程监控与优化系统 |
| 7.1 系统总体架构及实施步骤 |
| 7.1.1 系统总体架构 |
| 7.1.2 系统软件结构 |
| 7.1.3 系统实施步骤 |
| 7.2 功能设计 |
| 7.2.1 过程状态监控模块 |
| 7.2.2 操作模式发现模块 |
| 7.2.3 操作模式匹配模块 |
| 7.2.4 熔炼过程工况迁移路径优化模块 |
| 7.2.5 数据库管理模块 |
| 7.3 本章小结 |
| 8 总结与展望 |
| 8.1 本文工作总结 |
| 8.2 有待进一步研究的问题 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间主要的研究成果 |
| 致谢 |
（10）基于遗传算法与并行计算的电磁场逆问题研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 课题的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 遗传算法的现状与发展趋势 |
| 1.2.2 并行计算的现状与发展趋势 |
| 1.3 本文的主要研究内容 |
| 第2章 遗传算法及其改进 |
| 2.1 遗传算法 |
| 2.1.1 遗传算法的原理 |
| 2.1.2 遗传算法的实现 |
| 2.2 遗传算法的改进 |
| 2.3 改进遗传算法的验证 |
| 2.4 小结 |
| 第3章 基于MPI的并行遗传算法及其应用 |
| 3.1 并行计算理论和并行语言实现方式 |
| 3.1.1 并行计算机 |
| 3.1.2 并行编程模型 |
| 3.1.3 MPI并行语言 |
| 3.1.4 MPICH平台的搭建 |
| 3.2 并行遗传算法 |
| 3.3 改进遗传算法的并行处理 |
| 3.3.1 一级主从PGA及运行结果 |
| 3.3.2 二级主从PGA及运行结果 |
| 3.3.3 相关并行计算技术 |
| 3.4 小结 |
| 第4章 并行遗传算法在电磁场逆问题中的应用 |
| 4.1 SMES系统优化设计问题 |
| 4.2 SMES正问题的求解 |
| 4.2.1 解析解法 |
| 4.2.2 有限元法 |
| 4.3 运用改进遗传算法求解SMES优化设计问题 |
| 4.4 运用并行遗传算法求解SMES优化设计问题 |
| 4.5 小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 文章发表录用情况 |
四、基于多层竞争的高效并行遗传算法（论文参考文献）
- [1]跨声速层流机翼变保真度分层优化设计[J]. 张同任,陈永彬,魏德宸. 滨州学院学报, 2020(04)
- [2]片上网络下智能化静态任务调度算法研究[D]. 廖金月. 合肥工业大学, 2020(02)
- [3]基于双层并行算法的水电站群优化调度方法及应用研究[D]. 吴昊. 华北电力大学(北京), 2020
- [4]关于并行SAT求解器和并行自动演绎推理系统的研究[D]. 吴贯锋. 西南交通大学, 2019
- [5]仿生智能算法与轴流压气机叶型优化设计研究[D]. 杨小东. 西北工业大学, 2017(01)
- [6]基于Hadoop的遗传算法在TSP中的研究[D]. 曹立禄. 大连海事大学, 2017(07)
- [7]自动化立体仓库管理系统研究与应用[D]. 彭烨. 南昌大学, 2014(02)
- [8]云环境下基于并行支持向量机的高光谱影像分类研究[D]. 黄风华. 福建师范大学, 2014(03)
- [9]基于操作模式的铜闪速熔炼过程工况迁移策略研究及应用[D]. 刘建华. 中南大学, 2013(02)
- [10]基于遗传算法与并行计算的电磁场逆问题研究[D]. 徐斌. 浙江大学, 2012(07)