一、基于遗传算法的模糊决策中的参数学习方法（论文文献综述）
宋馨芳[1]（2020）在《基于小样本多元数据的模糊认知图预测优化》文中研究说明在数据化、信息化的时代背景下,机器学习数据挖掘方法大多集中于大数据,小样本数据的研究一般采用统计模型方法,使用机器学习的方法较少。传统的小样本预测模型有很多,滑动平均预测模型、马尔可夫预测模型、回归分析预测模型等,这些预测模型存在着一定的局限性。模糊认知图（Fuzzy cognitive maps,FCM）是一种研究数据间因果关系的智能计算方法,它能够将关系反馈给每一个数据,并量化表示数据之间关系。因此本文提出了用模糊认知图对小样本多元数据进行学习预测,能更好地挖掘数据内在关联以及显式表达,让数据推理演化过程具备可解释性。本文的主要研究内容为:1)研究小样本多元数据模糊认知图建模。根据模糊认知图具备可解释性和系统性的特点,对数据进行分析,学习因素之间存在因果关系。系统性的表达因素关联,降低因为样本容量小带来的精度不足。2)从激活函数、推理机制两个层面,分解模糊认知图的整个构建过程,研究适合小样本多元数据的模糊认知图预测模型。3)将小生境技术与多智能体的遗传算法相结合,优化传统算法获得更好的预测效果。概括来说,主要创新点如下:1.提出了推理机制和激活函数组合解决小样本学习预测方法。小样本多元数据下,构建模糊认知图模型、机器学习预测困难,研究分解了模糊认知图的整个构建和推理机制,提出了推理机制和激活函数组合及参数选择方法,有效提高了小样本数据学习推理和预测的精度。2.提出了基于小生境多智能体遗传算法NMAGA-FCM模型。针对数据本身数据量少,学习预测困难等问题,研究了基于小生境技术和多智能体遗传算法的FCM预测方法,以优化传统算法获得更好的预测效果。所提出的模型能够解决数据量少、遗传算法过拟合、过早熟等问题,保持了遗传算法的多样性,提高了预测精度。论文选择广州试验站A3钢试验大气腐蚀、机体研制费用、济南市城市需水量及物流需求预测等四组小样本统计数据集进行了实验测试。实验结果表明,采用本文方法有效提高了小样本统计数据的预测精度。研究成果运用改进的模糊认知图学习预测方法为小样本多元数据领域学习预测提供了新的思路,同时也丰富了模糊认知图权值优化方法,使得模糊认知图模型研究得到了拓展。
刘根城[2]（2019）在《基于模糊规则的过采样技术研究》文中认为以数据的爆炸式增长为根本,以信息技术和计算机网络等高新技术发展为标志,人类社会已经步入了一个崭新的数据时代.如何在这些海量数据中挖掘出有价值的信息并将其分门别类显得尤为重要.尽管机器学习与数据挖掘技术逐渐成熟并用于解决复杂的实际问题,但仍面临着诸如数据类分布不平衡和数据属性缺失等问题的挑战.为了获得完整且易于分类的数据,数据重采样技术应运而生.模糊分类规则作为模糊集合理论的一个重要研究内容,可以较好地表示数据的分布特征和因果特性,在分类问题中有重要的应用.传统的重采样技术难以显式地表示出数据属性之间的相关性,且合成的新数据也不能判定处在合理的区域.因此,本文通过模糊规则学习训练数据的结构特征,以甄别出少数类数据和多数类数据的分布区域.进一步地,为了有效解决数据的类不平衡问题,本文提出一种新的数据重采样技术以增加少数类数据.其基本思想是先通过模糊规则刻画少数类数据的分布,每个模糊规则对应一个模糊置信区域,然后在此区域中合成新的数据.为了验证本文提出的过采样技术的有效性,在55个公共不平衡数据集上与其他六种过采样技术进行对比分析,实验结果表明新的算法在统计意义上明显优于其他方法.对于包含缺失值的不平衡数据,本文提出了一种类模糊推理方法用以恢复缺失数据.该方法与传统模糊推理方法的主要区别在于前者是用于产生新的数值属性值而不是预测类标签.其基本思想是在模糊规则集中找到与每条缺失数据最匹配的模糊规则,再利用该规则填补缺失的属性值.最后我们仍然进行了大量的实验验证该方法的性能,实验结果表明该推理模型设计合理,具有良好的填补效果.本文提出的过采样算法中包含特定参数——模糊划分粒度.结合实验对比分析和遗传算法的寻优结果,该算法具有较强的鲁棒性,对参数选择的依赖性不强,且得到了一个合理的参数值.为进一步利用模糊知识研究多类或者多标签数据提供了成功的实践经验.
张雷[3]（2019）在《基于CSI的煤矿井下定位方法研究》文中研究表明煤炭是我国主要的能源,保障煤矿安全生产一直是国家关注的重点,井下人员定位系统在提高煤矿安全生产水平过程中发挥着重要作用。基于接收信号强度的指纹定位方法因其易实现性,成为井下定位技术发展的主要方向。然而信号强度易受环境干扰,定位精度不高,无法满足未来井下应用的精度需求。因此,研究井下高精度指纹定位方法具有十分重要的理论价值和实际意义。当前井下指纹定位面临三个主要问题:（1）缺少用于生成高精度指纹的特征;（2）缺少适用于无线接入点带状稀疏分布的指纹;（3）单个指纹对位置描述不准确。本文针对以上问题开展研究工作。（1）研究影响井下指纹定位的因素,验证接收信号强度不适用于生成高精度指纹。通过研究信道状态信息与传输路径的关系,提出了基于信道状态信息的路径传输模型,为将信道状态信息用于构造指纹提供理论支撑。通过与接收信号强度进行对比验证了信道状态信息具备细粒度特性,可以从幅度和相位两个维度描绘不同位置的差异性,更适合用于井下高精度指纹定位。（2）信道状态信息由幅度和相位两部分组成。针对幅度指纹构造,首先分析幅度噪声来源,提出使用多种滤波器来抑制噪声对幅度的干扰,然后结合多天线特性,生成幅度指纹;针对相位指纹构造,分析造成相位测量误差的因素,提出一种线性变换算法对相位误差进行处理,然后通过研究传输路径与信道状态信息相位的关系,建立由子载波相位构造成的汉克尔矩阵,最后通过利用范德蒙德矩阵分解方法分解汉克尔矩阵进而得到路径相位,将得到的路径相位生成相位指纹。分别在井下视距和非视距和场景中进行实验,实验结果表明基于信道状态信息的指纹定位方法的平均定位误差要比基于接收信号强度指纹定位方法降低约55%。（3）为了进一步提高指纹定位精度,研究指纹定位中离线训练阶段网格划分对定位精度的影响,综合模糊C均值聚类（Fuzzy C-means,FCM）算法和线性判别分析（Linear Discriminant Analysis,LDA）算法的优点,并利用量子遗传算法快速准确的寻优特性,提出一种基于量子遗传算法的模糊LDA指纹融合方法,利用量子遗传算法寻找最优的模糊因子实现对指纹特征波动的抑制。实验结果表明该方法能够有助于细化网格,平均定位误差相对于处理前指纹下降约20%。（4）传统指纹定位方法中都是使用单个指纹对位置进行描述,由于指纹是时变的,单个指纹不能准确表示出位置和指纹特征的关系,因此针对单个指纹对位置描述不准确问题,提出将单个指纹变成序列指纹对位置进行描述,并借助深度学习网络,提出了一种针对可变长度序列的时差长短期记忆网络的序列指纹匹配方法,实验结果表明,在视距场景中,序列指纹的平均定位误差为1.48米,相比于单个指纹定位方法平均误差约降低25%,相比于基于接收信号强度的指纹定位方法平均误差下降约72%;在非视距场景中,序列指纹的平均定位误差为1.71米,相比于单个指纹定位方法平均误差约降低28%,相比于基于接收信号强度的指纹定位方法平均误差下降约71%。该论文有图89幅,表24个,参考文献147篇。
王伟[4]（2014）在《基于Vague集理论的推荐与模糊决策相关算法研究》文中指出电子商务技术近年来快速兴起,推荐系统因其解决信息超载问题功能强大,关注度日益提高。多准则模糊决策问题普遍存在于决策领域并有着广泛的应用背景,其研究越来越深入。Vague集是处理模糊信息的一种新技术,近年来飞速发展,目前已成功应用于包括模式识别、智能决策、模糊控制、图像检索等在内的诸多领域。因此,研究Vague集相关理论及基于Vague集的智能推荐和模糊决策问题,已成为数据挖掘领域的重要研究方向。本文将模糊信息处理中的Vague集理论应用到电子商务推荐和模糊决策问题中,并对与此相关的一些关键技术进行了探索性研究,研究内容包括Vague集与Fuzzy集的关系、Vague集的相似度量、Vague集的直接聚类算法、Vague集的记分函数、基于Vague集的推荐算法、Vague集的扩展模型及在多准则模糊决策中的应用等。论文的主要创新点有：（1）针对已有Fuzzy集转换为Vague集的算法只能转化小数点后两位Fuzzy值的问题,提出了一种新的Fuzzy集转换为Vague集的方法,并将其应用于电子商务推荐系统中。此方法可以转化小数点后任意位的Fuzzy值数据。（2）针对已有Vague集相似度量算法大部分都是基于距离测度的,只关注Vague集属性值之间的差异,没有充分考虑Vague集属性值本身所含语义的相似性,提出了基于信息相似系数的Vague集相似度量算法,在此基础上设计了一种新的基于Vague集的直接聚类算法（ISCC-VSM算法）,并将其应用于电子商务推荐系统。实验结果表明该算法是一种切实有效的Vague集的直接聚类算法。（3）提出了CBRA-VS和CFRA-VS两种推荐算法。CBRA-VS算法首先对待推荐数据进行约简,约去冗余的、与分类无关的信息,再将待推荐Fuzzy值数据集转化为Vague值,然后基于信息相似系数的Vague集相似度量公式（ISC-VSM）计算商品间的相似度,最后通过计算各商品的权重得出推荐公式。对相关数据集的对比实验结果表明,CBRA-VS算法优于其他同类算法,是一种有效的内容推荐算法。CFRA-VS算法首先对用户—项目评级矩阵进行约简,再利用新的Fuzzy集转化为Vague集算法将用户—项目评级矩阵转化为Vague矩阵,然后基于信息相似系数的Vague集相似度量直接聚类算法（ISCC-VSM算法）进行聚类,得到项目相似性矩阵,经补值处理后得到完全用户—项目评价矩阵,最后进行相似用户聚类得到推荐序列。对Jester笑话评分数据集的对比实验结果表明,CFRA-VS算法优于其他同类算法,是一种有效的协同过滤推荐算法。（4）将Vague集的扩展模型—Vague软集引入多准则模糊模糊决策问题进行研究,提出了一种基于Vague软集的多准则模糊决策算法（FMCDMVSS算法）。该算法首先基于Vague软集之间的复合运算计算约束条件下各候选方案的属性关系,然后利用基于联系数势函数的Vague集记分函数计算得分值并排序。对汽车购买的决策实验结果表明,FMCDMVSS算法是一种有效的基于、Vague软集的多准则模糊决策算法。
孙典[5]（2013）在《面向业务QoS保证的电信WLAN网络资源管理方法研究》文中进行了进一步梳理随着移动互联网被人们越来越多的接受及依赖，第三代无线蜂窝网络用户数量迅猛增加。伴随而来的是部分热点区域数据流量呈快速爆发式增长趋势。为此，国内三大电信运营商开始大规模建设WLAN网络，拟利用WLAN低成本、高带宽的优势来缓解分组数据业务对移动网络的压力。同时，随着国内电信市场全球化步伐日益加快，电信行业的竞争也逐步从简单的价格战转向提高服务品质和客户满意度，各大运营商相继提出了服务等级协议（SLA，ServiceLevel Agreement）。其中，业务的QoS保证是实现SLA的一个重要环节。因此，如何实现WLAN网络中的业务QoS保证成为急需解决的问题。然而，传统的WLAN网络由于其底层设备的硬件约束以及协议参数静态配置方法等约束使得网络端到端QoS保证能力存在一定的瓶颈问题。目前，随着微电子技术的迅猛发展，设备底层硬件约束逐渐弱化，设备呈现出智能化趋势，利用智能化设备节点组成的智能WLAN网络可调整参数更加宽泛，通信方式更加灵活，为实现业务QoS保证能力提供了更强大的基础平台。但随之而来的是：宽泛的可调整系统参数与系统性能间的关系更加复杂。如何在多个可调参数中，根据不同输入与不同约束，选择出调整目标参数，并权衡参数间的相互作用关系，使调整后的网络性能满足不同业务QoS需求，是急需解决的问题。为此，本文重点研究面向QoS保证的电信WLAN网络资源管理方法。以智能化节点组成的电信WLAN网络为网络基础架构模型，从网络资源管理模型描述、服务质量综合评价方法、具有QoS保证的网络资源管理方法及仿真平台搭建与算法验证四个角度开展研究。其中，网络资源管理模型描述方面，本文从特性分析、实体描述及工作机理等方面进行了较为全面的阐述，为资源管理方法提供基础理论模型支撑。在服务质量综合评价方法方面，本文结合网络承载业务的属性分类，具体的对各种业务的QoS需求进行描述，并建立服务质量综合评价模型，为具有QoS保证的网络资源管理方法提供具体的评价参考模型。基于以上两部分的工作，本文开展了具有端到端QoS保证能力的网络资源管理方法研究，首先对资源管理模型进行形式化数学描述，并通过学习推理过程建立可调参数和感知参数之间的关系，利用非支配排序的遗传算法和模糊逻辑方法结合的智能启发式算法对当前的环境和业务的历史数据进行学习推理，完成最终的决策过程。此外，本文设计建立了MATLAB与OPNET联合的仿真平台，并详细的给出相关变量设置参数及流程设计，从application模块设计、MATLAB接口matlabinterface模块、ip模块以及无线链路层wirelesslanmac模块的设计与定义几个方面，详细阐述仿真平台建立方法；最终利用所搭建的网络仿真平台对所提出的具有端到端QoS保证的网络资源管理算法进行仿真验证。
夏云红[6]（2013）在《微电网环保经济调度模型及算法研究》文中提出本文针对微电网经济调度中存在的各发电单元能源利用形式及发电特性的不同以及如何同时评估系统运行成本和排放物惩罚成本对调度的影响等问题，对分布式发电单元的特点以及微电网经济调度模型进行了相关的研究。研究内容主要集中于对包含热电负荷的微电网环保经济调度模型的建立、多目标优化问题的方法的改进以及仿真分析智能算法在微电网经济调度中的应用。实现微电网的环保经济调度，关键是在充分考虑系统运行成本和排放物惩罚成本的基础上，建立相关的调度模型。本文研究发现，现有调度模型大多重点考虑了其中一种成本，不能充分反映微电网经济调度中所遇到的问题。因此本文在充分考虑以上两种成本的基础上，建立了包含热电负荷的微电网环保经济调度模型。研究分析表明该模型能较好地描述现实微电网环境。微电网环保经济调度问题本身是一个多目标求解的问题。传统算法只是简单的将多目标问题单目标化，现有文献多考虑某一种固定参数设置的智能算法，存在局限。本文对两种不同的智能算法—粒子群算法及遗传算法进行了对比研究。仿真结果表明，针对微电网环保经济调度问题，粒子群算法比遗传算法具有更快的收敛性；在使用粒子群算法实现环保经济调度时，参数设置是要充分考虑各个参数之间的搭配，才能取得更短的搜索时间、更快的收敛速度和更高的精度。
黄彬[7]（2011）在《模糊完工时间和交货期下的制造型虚拟企业伙伴选择研究》文中提出虚拟企业是由一些自治的、地理上可能分散的企业为共享伙伴之间的核心资源或能力而组成的一个临时性的企业联盟。选择合适的合作伙伴是组建虚拟企业的关键环节，直接关系到虚拟企业的成败。论文对模糊完工时间和交货期下制造型虚拟企业伙伴选择的过程模型、伙伴选择的数学模型、伙伴选择的优化算法、伙伴选择的群决策算法、伙伴选择服务平台等问题进行了研究。在伙伴选择的过程模型方面，论文提出了包含虚拟企业项目确定、项目分解、初选与组合优化的伙伴选择四阶段模型，运用Petri网对伙伴选择的过程进行了动态建模，并对网模型的可达性、有界性和活性进行了分析。在伙伴选择的数学模型与优化算法方面，论文首先引入模糊数学理论来描述候选伙伴的完工时间和交货期的不确定性，然后对客户满意度的概念进行了定义，最后分两种情况研究了伙伴选择的数学模型及优化算法：一是针对相关任务对间的满意度最多只有一个等于零的情况，建立了基于满意度的伙伴选择模型，该模型以极大化最小客户满意度、极大化平均客户满意度和极小化完工成本为优化目标，并设计了一种自适应遗传算法进行问题求解；二是针对相关任务对间的满意度有多个等于零的情况，给出了基于直觉模糊集的满足度的定义，建立了基于直觉模糊集的伙伴选择模型，该模型以极大化交货期满足度、极大化平均交货期满足度和极大化成本满足度为优化目标，并设计了问题求解的一种改进混沌粒子群优化算法。在伙伴选择的群决策算法方面，论文分别提出了基于满意度模型和基于直觉模糊集模型的伙伴选择的群决策三阶段算法：阶段一，根据每个专家关于各个目标的不同权重信息，分别按照相应的伙伴选择模型，进行多次单人多目标决策，得到多个单人多目标的伙伴组合方案；阶段二，构建多人决策群体综合评价矩阵，继而得到各专家对每个候选方案的排序矩阵；阶段三，运用Borda函数对各候选方案计分，分数最高的方案为群决策最优方案。论文构建了基于ASP模式的制造型虚拟企业伙伴选择服务平台，基于J2EE技术对平台的物理结构和体系结构进行了设计，并开发了该平台的原型系统。
孔令启[8]（2010）在《基于内外圈协同优化策略的间歇化工过程不确定性调度研究》文中研究指明间歇化工过程调度是实际化工生产中的关键环节,是连接生产经营管理和生产过程控制的纽带,在过去的十几年受到学术界和工业界的广泛关注。现有文献中大多假定系统的所有数据都是确定的,而实际过程中出现的产品的加工时间、产品市场需求和设备可用等不确定性因素往往会导致原确定性生产调度方案无法按预定的目标执行或者根本不可用,所以对不确定性调度进行研究显得非常重要。本文详细综述了间歇化工过程调度、不确定性调度的研究现状、水平和问题,并以间歇化工过程不确定性调度为研究对象,开展了以下研究工作:1提出了求解间歇化工过程调度的基于随机优化算法的内外圈协同优化策略。根据间歇化工过程调度问题本身特点,将调度优化问题分解为调度次序问题和时间表问题,并结合随机优化算法的特点和优势,提出了求解调度问题的内外圈协同优化策略。该方法与随机优化算法契合紧密,外圈由随机优化算法实现随机搜索;以整数为变量确定调度的优化结构;内圈对调度进行参数优化确定调度的时间安排,并通过数据传递实现内外圈协同优化。通过将优化变量分开,缩小了求解范围,提高了求解的效率,克服了常规调度优化问题求解的组合爆炸性,从而使原问题得到简化。实例证明了该算法的有效性。2研究了间歇化工过程的确定性调度问题。根据间歇化工过程的特点,分别对多产品厂、多目的厂、设立异步平行单元和多功能单元的间歇化工过程的确定性调度问题的建模进行研究,同时结合内外圈协同优化策略,提出了相应模型的染色体编码、交叉和变异方法,为不确定性调度问题研究奠定了基础。实例分别考察了有、无批量限制的以总完工时间最短和利润最大为目标的多产品厂调度问题,以总完工时间最短为目标的多目的厂调度问题、设立异步平行单元的间歇化工过程的调度问题,以平均利润最大为目标的多功能单元的调度问题。3研究了间歇化工过程调度的在线调整问题。在确定性调度的基础上,考察了订单变化和设备故障两种不确定性因素,建立了间歇化工过程调度的在线调整模型并进行相关研究。在订单变化的在线调整中,分析了订单更改时间、以及不同订单更改方案对调度优化和目标函数的影响规律;在设备故障的在线调整中,分析了物料处理方法、设备维修时间、故障发生时间对调度的影响。实例证明了在线调整策略可以很好地分析和解决市场变化和设备故障给调度带来的影响,为调度方案的修改提供支持。4研究了间歇化工过程随机调度问题。以概率统计理论为基础,将随机规划和确定性调度相结合,建立了间歇化工过程随机调度的期望值和概率为目标的模型和评价体系。分别就加工时间是均匀分布和离散分布的随机变量情况下的随机调度问题进行了研究,探讨了调度完工期限约束和调度完成概率之间的规律关系,以及调度期限和概率约束下的可行调度个数之间的关系。5研究了间歇化工过程模糊调度问题。以概率统计理论和模糊理论为基础,将模糊规划和确定性调度相结合,分别就模糊事件的概率、事件的语言概率和模糊事件的语言概率为研究目标,建立了间歇化工过程模糊调度的模型和评价体系;研究了以加工时间为三角模糊数的模糊调度问题,探讨了加工时间的隶属度、完工时间约束、调度实现的可能性之间的规律关系。6应用本论文提出的模型和算法进行了实例研究。利用本论文提出的模型和方法求得的结果比启发式规则的结果更好,且可用于多种不同的目标函数求解调度问题,通过考察市场变化不确定调度问题,证明了本文提出的基于市场订单变化的在线调整策略对过程调度的优化有一定的指导意义,可以获得更大的经济收益。
赵冠华[9]（2010）在《企业财务困境分析与预测方法研究》文中研究说明财务困境分析与预测是财务管理和投资管理领域的一个重要研究方向,企业是否会陷入财务困境,这不仅关系到企业本身战略的制订与调整,而且还关系到投资者和债权人的利益。本文研究的目的,就是希望能够提出一种适合我国上市公司的、无企业规模限制、无行业局限、无股权结构限制,可以广泛应用的财务困境分析与预测方法。从而,向监管部门和广大投资者揭示,有哪些公司可能会陷入财务困境,使他们引起警觉,使监管部门维护市场稳定,为市场提供科学的决策信息。自从Altman对财务困境预测进行了开创性研究以来,财务困境分析与预测已经得到了突破性发展。近年来,也有不少学者在此领域做了许多有益的工作。但是,目前的研究总体上还缺乏系统的理论指导,尤其是在提高模型预测正确率的前提下,如何减少训练样本的数量、缩短模型运行时间、优化模型和核参数等方面,已有的成果还很少,有些方面的研究还处于起步和探索阶段。本文将遗传算法以及支持向量机理论应用于企业财务困境分析与预测,对支持向量机的算法改进以及模型参数优化等方面做了大胆的尝试,对改善模型的预测正确率、减少训练样本数量以及缩短模型运行时间等方面,进行了深入的分析和研究,主要工作和创新如下:第一,本文在对国内外已有财务困境概念定义的基础上,根据我国的实际情况,对财务困境的概念进行了界定;其次,通过对研究样本的统计分析,从财务报表项目以及财务和非财务指标三个方面,详细阐述了困境公司和正常公司在ST前不同时点上有着不同的特征。根据ST公司与正常公司的报表数据、财务指标数据的显着性差异检验结果以及均值变化趋势图,从统计学角度详细分析了哪些指标数据是导致企业出现财务困境的原因,寻找“警源”;最后,对企业发生财务困境的内外部因素进行了深入的分析,并给出了企业财务困境预测过程和预测方法框架。第二,提出了企业财务困境短期和中长期分析与预测应采用不同预测指标体系的观点。通过对ST公司和正常公司两组研究样本的指标数据分别进行正态分布检验、显着性差异检验以及因子分析处理后发现,对短期分析与预测有显着影响的指标较多,而对中长期分析与预测影响显着的指标明显减少。由于影响中长期分析与预测的指标减少,预测模型可利用的信息也就减少,从而导致与短期预测相比,中长期预测的预测正确率明显下降。另外,在指标的选取上,除了财务指标外,还选用了非财务指标,得出了股本结构和地域环境两个非财务指标对短期和中长期预测均有显着影响的结论。第三,提出了一种基于Renyi熵的最小二乘支持向量机的增长记忆算法。考虑到传统支持向量机对偶问题的求解过程相当于解一个线性约束的二次规划问题,计算矩阵的逆和存储核函数矩阵都需要较多的内存空间,同时,二次寻优算法也需要较多的运行时间。因此,本文独立推导出了一种适合企业财务困境预测的离散序列情况下的最小二乘支持向量机增长记忆算法,以避开求解矩阵的逆。同时,首次将信息熵引入增长记忆算法模型。实证结果表明,最小二乘支持向量机增长记忆算法确实节省了程序运行时间,而信息熵的引入,不但减少了训练样本的个数,而且,还提高了模型预测的正确率。第四,针对支持向量机及其改进算法中仅靠人工方法无法获得模型参数和核参数最优解的严重缺陷,本文将基于生物遗传机理的遗传算法参数优化技术应用于企业财务困境分析与预测。实证研究证实,遗传算法确实能在更大范围内自动寻优,能显着提高模型预测的正确率。尤其是将遗传算法应用于基于Renyi熵的最小二乘支持向量机增长记忆算法模型,使得在只有少量训练样本的情况下,也能获得较高的预测正确率。第五,用支持向量机及其改进算法作为工具,对短期及中长期分析与预测中多种预测模型进行了横向和纵向的比较。纵向比较结果表明,提前预测时间越短,预测正确率越高,而随着预测提前期的增加,预测的正确率显着下降;横向比较表明,支持向量机及其改进模型的预测正确率要好于传统预测模型,犯第Ⅰ类、第Ⅱ类错误的概率明显低于传统模型,进一步证实了支持向量机不但具有较好的拟合能力,而且,还有较好的泛化（预测）能力。实证结果还表明,使用高斯核函数后,其模型的预测效果要好于多项式核,但Renyi熵中的核函数只能使用多项式核,高斯核不适于做Renyi熵的核函数,这一点与其它应用领域不同,它与财务困境分析与预测的特殊性有关,这也是作者对本文做出的贡献。
谭建豪[10]（2010）在《自然计算理论及其在系统辨识中的应用研究》文中提出自然界经过亿万年物竞天择、优胜劣汰的演化,形成了复杂多样的生命现象,其间蕴含着丰富的信息处理机制。自然计算的宗旨就是研究自然现象尤其是生命体的功能、特点和作用机理,建立相应的计算模型,服务于人类社会。在系统辨识问题中,面对的是大量原始数据,需要从这些原始数据中提炼出相应的数学模型,在此基础上找出其中隐藏的规律。这些问题很难用传统的确定型模型来描述和基于精确的数学方法来求解。而描述成模糊优化问题往往更为合适。模糊优化方法本质上是多目标优化问题,而遗传算法是解决多目标问题的一种有效方法。模糊优化特别是基于动态模型的模糊优化中的遗传算法有其特殊的本质,有必要加以深入研究。本文在阐述自然计算理论与方法的基础上,研究了自然计算中两类典型的智能算法—模糊优化和遗传算法。针对系统辨识问题,采用模糊优化模型作为其目标函数,利用遗传算法实现该模糊优化问题的求解,并且对该算法的有效性、稳定性、快速性和高精度进行了理论论证和实例验证。本文的主要研究内容如下。（1）论述自然计算基本概念、基本特征及主要研究领域,研究由自然启发获得自然计算模型的映射方法并构造自然计算系统的计算算法。对协同进化计算进行自然计算理念求证。（2）论述系统辨识基本概念,分析经典系统辨识方法和现代系统辨识方法。研究自然计算系统整体框架和自然计算系统中的辨识机制,构造辨识系统的两种典型框架：RFG框架和NFG框架。对这两种框架在来源、适用范围、结构辨识、参数辨识、意义等方面的特点进行分析。（3）讨论模糊优化基本性质和传统模糊优化问题。研究回归方程和神经网络的结构辨识和参数辨识问题,构造回归方程和神经网络参数辨识的效用函数（目标函数）及用最大效用法进行参数辨识的模糊优化模型。（4）对模糊优化问题的遗传算法求解进行深入探讨。构造遗传算法中基于正交设计的初始种群的产生办法、遗传参数适应性调整办法、沿加权梯度方向变异及其权值的自适应调整办法,提出遗传算法的改进策略。从理论上论证基于遗传算法的模糊优化求解的有效性。（5）设计在线性能评估准则和离线性能评估准则,确定系统辨识的性能评估办法。对基于RFG框架的系统辨识问题进行描述,说明回归模型辨识算法的基本策略,构造该算法的主要步骤和方法,并用其求解飞边尺寸设计准则辨识问题；对基于NFG框架的系统辨识问题进行描述,说明神经网络模型辨识算法的基本策略,构造该算法的主要步骤和方法,并用其求解飞边金属消耗设计准则辨识问题。对这两种辨识算法分别进行分析比较。实验验证它们的有效性。本文首次提出了基于RFG框架和NFG框架的系统辨识方法,理论论证和实验验证了它们的自组织能力、数据并行性、泛化能力、全局最优性和自适应能力,是对系统辨识新方法有益的探索,具有广阔的应用前景。
二、基于遗传算法的模糊决策中的参数学习方法（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、基于遗传算法的模糊决策中的参数学习方法（论文提纲范文）
（1）基于小样本多元数据的模糊认知图预测优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 模型结构的研究 |
| 1.2.2 学习方法的研究 |
| 1.2.3 应用领域的研究 |
| 1.3 论文研究内容 |
| 1.4 论文的组织结构 |
| 第2章 模糊认知图(FCM) |
| 2.1 FCM的定义 |
| 2.1.1 FCM的概念 |
| 2.1.2 FCM的因果关系表示 |
| 2.2 FCM的推理机制 |
| 2.2.1 推理机制 |
| 2.2.2 收敛条件 |
| 2.3 小样本多元数据 |
| 2.4 小结 |
| 第3章 FCM预测模型构建的研究 |
| 3.1 激活函数 |
| 3.2 推理机制 |
| 3.3 权值学习算法及参数 |
| 3.3.1 基于模糊认知图的遗传算法 |
| 3.3.2 算法参数 |
| 3.4 模糊认知图预测模型的构建过程 |
| 3.4.1 概念节点的选取和预处理 |
| 3.4.2 构建节点之间的关系 |
| 3.4.3 关系权值的学习和优化 |
| 3.4.4 预测推理 |
| 3.5 实验 |
| 3.5.1 小样本多元数据集 |
| 3.5.2 实验结果和分析 |
| 3.6 小结 |
| 第4章 基于小生境多智能体遗传算法的FCM模型 |
| 4.1 小生境遗传算法 |
| 4.1.1 算法介绍 |
| 4.1.2 小生境遗传算法的相关技术 |
| 4.2 多智能体遗传算法 |
| 4.2.1 多智能体的定义 |
| 4.2.2 多智能体遗传算法(MAGA)流程 |
| 4.3 基于小生境多智能体遗传算法的FCM模型 |
| 4.3.1 NMAGA-FCM模型构建 |
| 4.3.2 NMAGA-FCM多智能体 |
| 4.3.3 NMAGA-FCM小生境的划分 |
| 4.3.4 NMAGA-FCM能量函数的定义 |
| 4.4 三种评价指标 |
| 4.5 NMAGA-FCM预测方法在需水量预测中的应用 |
| 4.5.1 数据预处理 |
| 4.5.2 需水量的模糊认知图预测模型构建 |
| 4.5.3 关系权值的计算 |
| 4.5.4 预测结果 |
| 4.6 小结 |
| 第5章 总结与展望 |
| 5.1 本文总结 |
| 5.2 本文展望 |
| 参考文献 |
| 附录 Ⅰ:广州试验站A3钢试验大气腐蚀数据 |
| 附录 Ⅱ:机体研制费用相关数据集 |
| 附录 Ⅲ:济南市城市需水量数据集 |
| 附录 Ⅳ:物流需求相关数据(单位:万亿人民币) |
| 攻读学位期间取得的学术成果 |
| 致谢 |
（2）基于模糊规则的过采样技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 课题背景与意义 |
| 1.1.1 数据挖掘背景与意义 |
| 1.1.2 数据分类的主要方法 |
| 1.1.3 不平衡数据背景与意义 |
| 1.2 不平衡数据的研究现状 |
| 1.3 主要内容和框架安排 |
| 第二章 模糊理论基础 |
| 2.1 模糊基础知识介绍 |
| 2.1.1 模糊集与隶属函数 |
| 2.1.2 模糊数学 |
| 2.1.3 模糊数学与概率论的区别 |
| 2.2 模糊规则与模糊推理 |
| 2.2.1 模糊规则 |
| 2.2.2 模糊推理 |
| 2.3 本章小结 |
| 第三章 基于模糊规则的过采样算法与缺失值填补算法 |
| 3.1 FRO算法 |
| 3.1.1 算法流程与实例介绍 |
| 3.1.2 算法的结构与复杂度分析 |
| 3.2 缺失值填补算法 |
| 3.2.1 算法流程与实例介绍 |
| 3.2.2 算法的结构与复杂度分析 |
| 3.3 数值实验 |
| 3.3.1 实验设置 |
| 3.3.2 模糊划分粒度分析 |
| 3.3.3 实验结果分析 |
| 3.4 本章小结 |
| 第四章 基于遗传算法的模糊划分粒度学习 |
| 4.1 遗传算法与模糊划分粒度 |
| 4.1.1 遗传算法 |
| 4.1.2 模糊划分粒度 |
| 4.2 模糊划分粒度学习框架 |
| 4.3 数值实验 |
| 4.3.1 实验设置 |
| 4.3.2 实验结果分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 附录 A |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）基于CSI的煤矿井下定位方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与创新之处 |
| 2 基于CSI的路径传输模型 |
| 2.1 引言 |
| 2.2 接收信号强度 |
| 2.3 信道状态信息 |
| 2.4 CSI幅度与传输路径和人体阴影遮挡的关系 |
| 2.5 实验分析 |
| 2.6 本章小结 |
| 3 基于CSI的幅相指纹构造方法 |
| 3.1 引言 |
| 3.2 指纹定位框架 |
| 3.3 基于CSI幅度的指纹构造方法 |
| 3.4 基于CSI相位的指纹构造方法 |
| 3.5 指纹匹配方法 |
| 3.6 实验分析 |
| 3.7 本章小结 |
| 4 基于量子遗传算法的模糊LDA指纹融合方法 |
| 4.1 引言 |
| 4.2 幅相指纹融合方法 |
| 4.3 模糊因子寻优 |
| 4.4 实验分析 |
| 4.5 本章小结 |
| 5 基于时差长短期记忆网络的序列指纹匹配方法 |
| 5.1 引言 |
| 5.2 深度学习 |
| 5.3 递归神经网络 |
| 5.4 长短期记忆网络 |
| 5.5 时差长短期记忆网络 |
| 5.6 基于时差长短期记忆网络指纹定位系统框架 |
| 5.7 实验分析 |
| 5.8 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（4）基于Vague集理论的推荐与模糊决策相关算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 VAGUE集理论及应用研究现状 |
| 1.2.2 基于VAGUE集的推荐技术 |
| 1.2.3 基于VAGUE集的多准则模糊决策方法 |
| 1.3 存在的问题与研究方向 |
| 1.4 本文的主要工作与创新点 |
| 1.5 本文的组织结构 |
| 第二章 Vague集与Fuzzy集相互转化方法 |
| 2.1 引言 |
| 2.2 Vague集转换为Fuzzy集方法 |
| 2.2.1 约束条件 |
| 2.2.2 Vague集向Fuzzy集转化方法 |
| 2.2.3算例实验及分析 |
| 2.3 Fuzzy集转化为Vague集算法 |
| 2.3.1 准则和定义 |
| 2.3.2 已有算法及不足 |
| 2.3.3 新的Fuzzy集转换为Vague集算法 |
| 2.4 本章小结 |
| 第三章 基于ISC的Vague集相似度量直接聚类算法 |
| 3.1 引言 |
| 3.2 基于ISC的Vague集相似度量算法 |
| 3.2.1 Vague集相似度量公理化定义 |
| 3.2.2 已有Vague集相似度量公式及不足 |
| 3.2.3 基于ISC的Vague集相似度量 |
| 3.2.4 算例实验与分析 |
| 3.3 基于ISC的Vague集相似度量直接聚类算法 |
| 3.3.1 Vague相似矩阵的构造方法 |
| 3.3.2 基于ISC的Vague集相似度量直接聚类算法 |
| 3.3.3 实验结果与分析 |
| 3.4 本章小结 |
| 第四章 基于Vague集的推荐算法 |
| 4.1 CBRA-VS内容推荐算法 |
| 4.1.1 已有算法及不足 |
| 4.1.2 算法步骤 |
| 4.1.3 实验结果与分析 |
| 4.1.4 结论 |
| 4.2 CFRA-VS协同过滤推荐算法 |
| 4.2.1 已有算法及不足 |
| 4.2.2 算法步骤 |
| 4.2.3 实验结果与分析 |
| 4.2.4 结论 |
| 4.3 本章小结 |
| 第五章 Vague集扩展模型及在多准则模糊决策中的应用 |
| 5.1 引言 |
| 5.2 Vague集的扩展 |
| 5.2.1 Vague软集 |
| 5.2.2 覆盖粗糙Vague集 |
| 5.2.3 覆盖粗糙Vague软集 |
| 5.2.4 三种Vague集扩展模型的关系 |
| 5.3 Vague软集在多准则模糊决策中的应用 |
| 5.3.1 Vague集记分函数的构造 |
| 5.3.2 基于Vague软集的多准则模糊决策算法 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 进一步研究与展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文和参加的课题项目 |
| 致谢 |
（5）面向业务QoS保证的电信WLAN网络资源管理方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源及研究的目的与意义 |
| 1.2 电信 WLAN 网络架构体系 |
| 1.3 用户体验质量概念 |
| 1.4 智能化 WLAN 网络节点模型 |
| 1.5 本文的主要工作 |
| 第2章 基于智能化 WLAN 节点的资源管理模型描述 |
| 2.1 网络资源管理特性分析 |
| 2.2 网络资源管理功能实体描述 |
| 2.3 网络资源管理模型工作机理 |
| 2.4 本章小结 |
| 第3章 服务质量综合评价方法 |
| 3.1 网络承载业务属性特征与分类 |
| 3.2 服务质量综合评价模型 |
| 3.2.1 分层服务质量综合评价模型 |
| 3.2.2 用户感知的提取与采集方法 |
| 3.2.3 综合业务质量评价模型 |
| 3.3 实例分析 |
| 3.4 本章小结 |
| 第4章 具有 QoS 保证的 WLAN 网络资源管理方法 |
| 4.1 网络资源管理模型形式化数学描述 |
| 4.2 基于 NSGA-II 的具有 QoS 保证能力的网络资源管理算法 |
| 4.2.1 非支配排序的遗传算法（NSGA-II） |
| 4.2.2 算法适用性分析 |
| 4.2.3 保障业务 QoS 的实例研究 |
| 4.3 性能评价 |
| 4.4 本章小结 |
| 第5章 MATLAB 与 OPNET 联合仿真验证 |
| 5.1 仿真系统设计 |
| 5.2 验证业务端到端 QoS 保障能力 |
| 5.2.1 仿真场景 |
| 5.2.2 节点模型设计与实现 |
| 5.2.3 仿真结果分析 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（6）微电网环保经济调度模型及算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 1 绪论 |
| 1.1 课题背景和研究意义 |
| 1.2 国内外的研究现状 |
| 1.2.1 国外对微电网环保经济调度的研究现状 |
| 1.2.2 国内对微电网环保经济调度的研究现状 |
| 1.3 本文的研究内容及章节安排 |
| 2 微电网分布式发电单元模型研究 |
| 2.1 风力发电数学模型 |
| 2.2 光伏发电数学模型 |
| 2.3 燃料电池数学模型 |
| 2.4 微型燃气轮机数学模型 |
| 2.5 能量储能系统 |
| 2.6 本章总结 |
| 3 多种发电单元的微电网环保经济调度模型 |
| 3.1 微电网环保经济调度的多目标建模 |
| 3.1.1 目标函数 |
| 3.1.2 约束条件 |
| 3.1.3 系统成本 |
| 3.2 微电网环保经济调度策略 |
| 3.2.1 孤岛运行方式 |
| 3.2.2 并网运行方式 |
| 3.3 本章小结 |
| 4 基于群体智能优化算法的微电网环保经济调度 |
| 4.1 群体智能优化算法 |
| 4.2 多目标优化转化成单目标优化的求解方法 |
| 4.2.1 基于模糊数学和满意度的方法 |
| 4.2.2 线性加权求和的多目标转换方法 |
| 4.2.3 主要目标函数法 |
| 4.3 粒子群优化算法在微电网环保经济调度中的应用 |
| 4.3.1 粒子群优化算法概述 |
| 4.3.2 改进型粒子群算法 |
| 4.3.3 粒子群优化算法在微电网环保经济调度中的应用 |
| 4.4 遗传算法 |
| 4.4.1 遗传算法概述 |
| 4.4.2 改进型遗传算法 |
| 4.4.3 遗传算法在微电网环保经济调度中的应用 |
| 4.5 本章小结 |
| 5 算例分析 |
| 5.1 PSO 相关参数设置相同 |
| 5.2 PSO 相关参数设置不相同 |
| 5.3 基于两种算法的结果分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 本人在攻读学位期间所发表的论文 |
（7）模糊完工时间和交货期下的制造型虚拟企业伙伴选择研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 虚拟企业产生背景 |
| 1.2 虚拟企业概述 |
| 1.2.1 虚拟企业的提出与发展 |
| 1.2.2 虚拟企业的概念 |
| 1.2.3 虚拟企业的特征 |
| 1.2.4 虚拟企业的分类 |
| 1.3 论文研究背景 |
| 1.4 虚拟企业伙伴选择的研究现状 |
| 1.4.1 基于个体决策的伙伴选择 |
| 1.4.2 基于群决策的伙伴选择 |
| 1.5 选题意义 |
| 1.6 论文的研究目标、主要研究内容 |
| 1.6.1 研究目标 |
| 1.6.2 主要研究内容 |
| 1.7 论文的章节安排与体系结构 |
| 第二章 制造型虚拟企业伙伴选择的过程模型研究 |
| 2.1 引言 |
| 2.2 虚拟企业合作伙伴的分类 |
| 2.3 制造型虚拟企业伙伴选择的特点 |
| 2.4 合作伙伴选择的阶段模型 |
| 2.4.1 主要研究现状 |
| 2.4.2 虚拟企业伙伴选择的四阶段模型 |
| 2.5 基于 Petri 网的虚拟企业伙伴选择过程建模 |
| 2.5.1 虚拟企业伙伴选择过程 |
| 2.5.2 Petri 网的基本概念 |
| 2.5.3 变迁间的关系 |
| 2.5.4 Petri 网系统的几种性质 |
| 2.5.5 基于 Petri 网的伙伴选择过程模型 |
| 2.5.6 网模型分析 |
| 2.6 本章小结 |
| 第三章 基于满意度的虚拟企业伙伴选择研究 |
| 3.1 引言 |
| 3.2 模糊集基本理论 |
| 3.2.1 模糊集理论的产生 |
| 3.2.2 基本概念 |
| 3.2.3 模糊数的运算和比较 |
| 3.2.4 模糊数之间的距离 |
| 3.2.4.1 区间数之间的距离测度 |
| 3.2.4.2 模糊数之间的距离测度 |
| 3.3 基于满意度的虚拟企业伙伴选择模型 |
| 3.3.1 问题描述 |
| 3.3.2 伙伴选择建模 |
| 3.4 优化策略 |
| 3.4.1 枚举法 |
| 3.4.2 人工搜索法 |
| 3.4.3 智能优化算法 |
| 3.4.4 人机交互法 |
| 3.5 基于自适应遗传算法的虚拟企业伙伴选择 |
| 3.5.1 遗传算法的特点 |
| 3.5.2 自适应遗传算法设计 |
| 3.5.2.1 编码 |
| 3.5.2.2 适应度函数构造 |
| 3.5.2.3 初始种群的产生 |
| 3.5.2.4 选择 |
| 3.5.2.5 最佳个体保留策略 |
| 3.5.2.6 交叉 |
| 3.5.2.7 变异 |
| 3.5.2.8 自适应交叉和变异概率 |
| 3.5.2.9 算法描述 |
| 3.6 算例 |
| 3.6.1 基本数据 |
| 3.6.2 结果与分析 |
| 3.7 本章小结 |
| 第四章 基于直觉模糊集的虚拟企业伙伴选择研究 |
| 4.1 引言 |
| 4.2 直觉模糊集 |
| 4.3 基于直觉模糊集的虚拟企业伙伴选择模型 |
| 4.3.1 问题描述 |
| 4.3.2 伙伴选择建模 |
| 4.4 基于改进混沌粒子群优化算法的虚拟企业伙伴选择 |
| 4.4.1 粒子群优化算法及其改进研究 |
| 4.4.1.1 标准粒子群优化算法及其特点 |
| 4.4.1.2 粒子群优化算法的改进研究 |
| 4.4.2 混沌粒子群优化算法 |
| 4.4.2.1 混沌优化 |
| 4.4.2.2 混沌粒子群优化算法研究现状 |
| 4.4.3 改进混沌粒子群优化算法设计 |
| 4.4.3.1 编码 |
| 4.4.3.2 适应度函数构造 |
| 4.4.3.3 最大速度和最大位置 |
| 4.4.3.4 改进混沌粒子群优化算法 |
| 4.5 算例 |
| 4.5.1 基本数据 |
| 4.5.2 结果与分析 |
| 4.6 本章小结 |
| 第五章 基于群决策的虚拟企业伙伴选择研究 |
| 5.1 引言 |
| 5.2 群决策概述 |
| 5.2.1 群决策的概念 |
| 5.2.2 群决策的基本假设 |
| 5.2.3 多准则群决策方法 |
| 5.2.4 社会选择理论 |
| 5.2.5 社会选择函数 |
| 5.2.5.1 社会选择函数的性质 |
| 5.2.5.2 Borda 函数 |
| 5.3 问题描述 |
| 5.4 虚拟企业伙伴选择的群决策算法 |
| 5.4.1 基于满意度模型的伙伴选择群决策算法 |
| 5.4.2 基于直觉模糊集模型的伙伴选择群决策算法 |
| 5.5 算例 |
| 5.5.1 基于满意度模型的伙伴选择群决策算例 |
| 5.5.2 基于直觉模糊集模型的伙伴选择群决策算例 |
| 5.6 本章小结 |
| 第六章 制造型虚拟企业伙伴选择 ASP 服务平台 |
| 6.1 引言 |
| 6.2 ASP 模式概述 |
| 6.2.1 ASP 模式的概念 |
| 6.2.2 ASP 模式的基本特征 |
| 6.2.3 ASP 模式的发展阶段 |
| 6.2.4 ASP 模式的优势 |
| 6.2.5 ASP 服务存在的问题 |
| 6.3 基于 ASP 模式的虚拟企业伙伴选择服务平台 |
| 6.3.1 J2EE 概述 |
| 6.3.1.1 J2EE 的概念 |
| 6.3.1.2 J2EE 的体系结构 |
| 6.3.1.3 J2EE 体系结构的优势 |
| 6.3.2 平台的物理结构 |
| 6.3.3 平台的体系结构 |
| 6.3.4 平台原型系统的主要功能模块 |
| 6.3.4.1 平台管理子系统 |
| 6.3.4.2 伙伴选择子系统 |
| 6.4 伙伴选择原型系统的实现 |
| 6.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间主要研究成果 |
（8）基于内外圈协同优化策略的间歇化工过程不确定性调度研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 图清单 |
| 表清单 |
| 主要符号表 |
| 第一章 绪论 |
| 1.1 前言 |
| 1.1.1 间歇化工过程及其特点 |
| 1.1.2 间歇化工过程调度 |
| 1.1.3 间歇化工过程不确定性调度 |
| 1.1.4 本课题研究的意义 |
| 1.2 文献综述 |
| 1.2.1 生产调度问题 |
| 1.2.2 间歇化工过程调度的研究 |
| 1.2.3 管理科学研究的相关进展 |
| 1.2.4 不确定优化的相关研究 |
| 1.2.5 文献综述小结 |
| 1.3 本文的研究内容和结构安排 |
| 第二章 基于随机优化算法的内外圈协同优化策略 |
| 2.1 遗传算法和列队竞争算法 |
| 2.1.1 遗传算法 |
| 2.1.2 列队竞争算法 |
| 2.2 内外圈协同优化策略提出 |
| 2.2.1 间歇化工过程调度求解问题 |
| 2.2.2 求解策略原理 |
| 2.2.3 IOLOSS 的结构 |
| 2.3 调度优化策略 |
| 2.3.1 调度结构变量与遗传算法编码 |
| 2.3.2 调度优化与遗传算子 |
| 2.4 计算实例 |
| 2.5 不确定参数在调度系统中的引入研究 |
| 2.6 本章小结 |
| 第三章 间歇化工过程确定性调度研究 |
| 3.1 多产品厂确定性调度 |
| 3.1.1 不考虑批量限制的多产品厂确定性调度 |
| 3.1.2 考虑批量限制的多产品厂确定性调度 |
| 3.2 多目的厂确定性调度 |
| 3.2.1 多目的厂调度的遗传操作算子 |
| 3.2.2 多目的厂调度评价函数 |
| 3.2.3 多目的厂算例 |
| 3.3 设置异步平行单元的间歇化工过程调度 |
| 3.3.1 异步平行单元调度编码 |
| 3.3.2 交叉和变异操作 |
| 3.3.3 异步平行单元的评价函数 |
| 3.3.4 异步平行单元算例 |
| 3.4 设置多功能单元的间歇化工过程调度 |
| 3.4.1 多功能单元调度问题的建模 |
| 3.4.2 多功能单元调度问题的求解 |
| 3.4.3 多功能单元调度算例 |
| 3.5 本章小结 |
| 第四章 间歇化工过程反应型调度研究 |
| 4.1 基于市场变化的间歇化工过程调度在线调整 |
| 4.1.1 无批量限制的多产品厂调度的在线调整 |
| 4.1.2 有批量限制的多产品厂调度的在线调整 |
| 4.1.3 多目的厂调度的在线调整 |
| 4.2 设备故障的在线调整 |
| 4.2.1 问题描述 |
| 4.2.2 数学模型 |
| 4.2.3 设备故障算例 |
| 4.3 本章小结 |
| 第五章 基于随机条件的不确定调度研究 |
| 5.1 随机规划模型 |
| 5.2 随机调度模型的建立 |
| 5.2.1 问题描述 |
| 5.2.2 概率统计基础概述 |
| 5.2.3 数学模型的转化 |
| 5.3 实例计算 |
| 5.3.1 确定性调度计算 |
| 5.3.2 随机调度的最优完工时间期望值 |
| 5.4 本章小结 |
| 第六章 基于模糊数学的不确定调度研究 |
| 6.1 模糊规划问题研究 |
| 6.1.1 模糊理论概况 |
| 6.1.2 模糊规划模型 |
| 6.2 模糊理论基础概述 |
| 6.2.1 模糊集的截集 |
| 6.2.2 模糊集的隶属函数 |
| 6.2.3 可能性与概率 |
| 6.2.4 模糊数清晰化 |
| 6.3 模糊调度函数的建立 |
| 6.3.1 在模糊目标下最优调度的概率 |
| 6.3.2 在清晰目标下最优调度的语言概率 |
| 6.3.3 在模糊目标下最优调度的语言概率 |
| 6.4 计算实例 |
| 6.4.1 计算在模糊目标下最优调度的概率 |
| 6.4.2 计算在清晰目标下最优调度的语言概率 |
| 6.4.3 计算在模糊目标下最优调度的语言概率 |
| 6.5 三角模糊数的形式对调度影响的初步研究 |
| 6.5.1 问题描述 |
| 6.5.2 问题研究 |
| 6.5.3 理论证明 |
| 6.6 本章小结 |
| 第七章 实例研究 |
| 7.1 企业概况及已知条件 |
| 7.2 确定性调度问题求解 |
| 7.2.1 启发式规则求解 |
| 7.2.2 确定性调度问题结果 |
| 7.3 不确定性调度问题求解 |
| 7.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附录 |
（9）企业财务困境分析与预测方法研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究方法和内容 |
| 1.2.1 研究方法 |
| 1.2.2 研究内容 |
| 1.3 主要创新点 |
| 第二章 企业财务困境分析与预测相关理论及研究综述 |
| 2.1 支持向量机相关理论 |
| 2.1.1 机器学习与统计学习理论 |
| 2.1.2 支持向量机原理 |
| 2.1.3 支持向量机应用研究现状 |
| 2.2 遗传算法相关理论 |
| 2.2.1 遗传算法原理及其历史演进 |
| 2.2.2 遗传算法的研究内容 |
| 2.2.3 遗传算法应用研究现状 |
| 2.3 企业财务困境分析与预测方法研究综述 |
| 2.3.1 企业财务困境内涵的界定 |
| 2.3.2 企业财务困境定量分析与预测方法 |
| 2.3.3 企业财务困境定性分析与预测方法 |
| 第三章 企业财务困境特征及影响因素分析 |
| 3.1 企业财务困境及其特征分析 |
| 3.1.1 企业财务困境概念的界定 |
| 3.1.2 企业财务困境特征 |
| 3.1.3 企业财务困境特征分析 |
| 3.1.4 企业财务困境形成的时序特征 |
| 3.2 企业财务困境影响因素分析 |
| 3.2.1 企业财务困境总体影响因素 |
| 3.2.2 影响企业财务困境的内部因素 |
| 3.2.3 影响企业财务困境的外部因素 |
| 3.3 企业财务困境分析与预测框架 |
| 3.3.1 企业财务困境分析与预测过程框架 |
| 3.3.2 企业财务困境分析与预测方法框架 |
| 第四章 企业财务困境分析与预测指标体系的构建 |
| 4.1 企业财务困境分析与预测的总体指标体系 |
| 4.1.1 构建总体指标体系的原则 |
| 4.1.2 总体预测指标体系的构建 |
| 4.2 财务困境短期分析与预测指标体系 |
| 4.2.1 指标数据的正态分布检验 |
| 4.2.2 指标数据的显着性差异检验 |
| 4.2.3 指标数据的多重共线性检验 |
| 4.3 财务困境中长期分析与预测指标体系 |
| 4.3.1 指标数据的正态分布检验 |
| 4.3.2 指标数据的显着性差异检验 |
| 4.3.3 指标数据的多重共线性检验 |
| 4.3.4 短期与中长期分析与预测指标体系的比较 |
| 第五章 基于支持向量机的企业财务困境预测方法 |
| 5.1 二项LOGIT 回归模型 |
| 5.1.1 二项LOGIT 回归模型的形式 |
| 5.1.2 二项LOGIT 回归模型的估计 |
| 5.1.3 二项LOGIT 回归模型的评价和检验 |
| 5.2 支持向量机的改进算法 |
| 5.2.1 最小二乘支持向量机 |
| 5.2.2 增长记忆学习算法原理 |
| 5.2.3 基于熵的增长记忆LS-SVM 学习算法 |
| 5.3 基于支持向量机的财务困境预测方法 |
| 5.3.1 基于SVM 的财务困境预测方法 |
| 5.3.2 基于LS-SVM 的财务困境预测方法 |
| 5.3.3 基于熵的增长记忆式LS-SVM 财务困境预测方法 |
| 5.4 模型构建及数值检验 |
| 5.4.1 标准SVM 模型 |
| 5.4.2 LS-SVM 模型 |
| 5.4.3 基于熵的增长记忆式LS-SVM 学习模型 |
| 第六章 基于遗传算法和支持向量机的财务困境预测方法 |
| 6.1 基于遗传算法的支持向量机参数优化 |
| 6.1.1 传统支持向量机参数优化方法及其不足 |
| 6.1.2 基于遗传算法的支持向量机参数优化 |
| 6.2 基于遗传算法和SVM 的财务困境预测方法 |
| 6.2.1 基于遗传算法的SVM 实现流程图 |
| 6.2.2 基于遗传算法的SVM 实现步骤 |
| 6.3 模型构建及数值检验 |
| 6.3.1 基于遗传算法的SVM 模型 |
| 6.3.2 基于遗传算法的LS-SVM 模型 |
| 6.3.3 基于遗传算法和熵的LS-SVM 模型 |
| 第七章 企业财务困境分析与预测实证研究 |
| 7.1 研究样本的来源及统计分析 |
| 7.1.1 研究样本的选择 |
| 7.1.2 研究样本的获取 |
| 7.1.3 研究样本的统计分析 |
| 7.1.4 模型输入变量的获取 |
| 7.2 短期预测多模型的建立及实证研究 |
| 7.2.1 Logit 回归模型 |
| 7.2.2 标准SVM 模型 |
| 7.2.3 LS-SVM 模型 |
| 7.2.4 基于熵的LS-SVM 模型 |
| 7.2.5 基于遗传算法的SVM 模型 |
| 7.2.6 基于遗传算法的LS-SVM 模型 |
| 7.2.7 基于遗传算法和熵的LS-SVM 模型 |
| 7.3 中长期预测多模型的建立及实证研究 |
| 7.3.1 ST 前2 年预测模型的建立及实证研究 |
| 7.3.2 ST 前3 年预测模型的建立及实证研究 |
| 7.4 短期及中长期预测多模型结果的分析比较 |
| 7.4.1 Logit 回归模型 |
| 7.4.2 标准SVM 模型 |
| 7.4.3 基于遗传算法的SVM 模型 |
| 7.4.4 LS-SVM 模型 |
| 7.4.5 基于遗传算法的LS-SVM 模型 |
| 7.4.6 基于熵的LS-SVM 模型 |
| 7.4.7 基于遗传算法和熵的LS-SVM 模型 |
| 7.5 不同数据集多模型预测结果的分析比较 |
| 7.5.1 基于遗传算法的SVM 模型 |
| 7.5.2 基于遗传算法的LS-SVM 模型 |
| 7.5.3 基于遗传算法和熵的LS-SVM 模型 |
| 第八章 研究与展望 |
| 8.1 本文工作总结 |
| 8.2 不足与展望 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表论文及参加科研情况 |
| 致谢 |
（10）自然计算理论及其在系统辨识中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 自然计算概念提出的背景 |
| 1.2 模糊优化研究进展及现状 |
| 1.3 遗传算法研究进展及现状 |
| 1.4 基于遗传算法的模糊优化在系统辨识中的应用 |
| 1.5 论文的研究工作及组织结构 |
| 1.5.1 论文的研究内容 |
| 1.5.2 论文的组织结构 |
| 第2章 自然计算理念求证 |
| 2.1 自然计算产生背景 |
| 2.1.1 生物系统 |
| 2.1.2 生态系统 |
| 2.2 自然计算相关概念 |
| 2.2.1 基本概念 |
| 2.2.2 主要研究领域 |
| 2.3 自然计算基本特征 |
| 2.3.1 从人工智能到自然计算 |
| 2.3.2 自然计算的新特征 |
| 2.4 自然计算算法原理 |
| 2.4.1 自然计算映射模型 |
| 2.4.2 自然计算算法 |
| 2.5 协同进化计算的自然计算理念求证 |
| 2.5.1 协同进化的生物学基础 |
| 2.5.2 协同进化的动力学描述 |
| 2.6 小结 |
| 第3章 自然启发的系统辨识 |
| 3.1 系统辨识基本性质 |
| 3.2 经典系统辨识 |
| 3.3 现代系统辨识 |
| 3.3.1 多层递阶系统辨识法 |
| 3.3.2 神经网络系统辨识法 |
| 3.3.3 遗传算法系统辨识法 |
| 3.3.4 模糊逻辑系统辨识法 |
| 3.4 基于自然计算的系统辨识 |
| 3.4.1 自然计算系统整体框架 |
| 3.4.2 自然计算系统中的辨识机制 |
| 3.5 RFG框架与NFG框架特点分析 |
| 3.6 小结 |
| 第4章 系统辨识中的模糊优化 |
| 4.1 模糊优化相关概念 |
| 4.2 传统模糊优化问题 |
| 4.2.1 模糊优化模型的演化 |
| 4.2.2 模糊建模与模糊优化 |
| 4.2.3 模糊优化问题的一般形式和分类 |
| 4.2.4 模糊优化方法的基本框架 |
| 4.2.5 多目标模糊优化设计方法 |
| 4.3 系统辨识中的模糊优化问题 |
| 4.3.1 回归方程辨识的模糊优化模型 |
| 4.3.2 神经网络辨识的模糊优化模型 |
| 4.4 小结 |
| 第5章 模糊优化问题的遗传算法求解 |
| 5.1 基本遗传算法 |
| 5.2 基于正交设计的初始化方法 |
| 5.3 遗传参数适应性调整 |
| 5.3.1 确定性的适应性调整 |
| 5.3.2 自适应的适应性调整 |
| 5.4 沿加权梯度方向的变异及其权值的自适应调整 |
| 5.5 遗传算法的改进策略 |
| 5.6 基于遗传算法的模糊优化求解的有效性 |
| 5.6.1 模式定理 |
| 5.6.2 积木块假设 |
| 5.6.3 未成熟收敛问题及其防止 |
| 5.7 小结 |
| 第6章 基于自然计算的系统辨识实现 |
| 6.1 系统辨识的性能评估 |
| 6.2 基于RFG框架的系统辨识实现 |
| 6.2.1 问题描述 |
| 6.2.2 回归模型辨识算法设计 |
| 6.3 基于RFG框架的系统辨识应用 |
| 6.3.1 飞边尺寸设计准则建立的依据 |
| 6.3.2 飞边尺寸设计准则的结构 |
| 6.3.3 算例 |
| 6.3.4 回归模型辨识算法分析比较 |
| 6.3.5 讨论和结语 |
| 6.4 基于NFG框架的系统辨识实现 |
| 6.4.1 问题描述 |
| 6.4.2 神经网络模型辨识算法设计 |
| 6.5 基于NFG框架的系统辨识应用 |
| 6.5.1 飞边金属消耗设计准则建立的依据 |
| 6.5.2 飞边金属消耗设计准则各变量之间的关系 |
| 6.5.3 算例 |
| 6.5.4 神经网络模型辨识算法分析比较 |
| 6.5.5 讨论和结语 |
| 6.6 小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文目录 |
| 附录B 攻读学位期间所参与的项目 |
四、基于遗传算法的模糊决策中的参数学习方法（论文参考文献）
- [1]基于小样本多元数据的模糊认知图预测优化[D]. 宋馨芳. 山东财经大学, 2020
- [2]基于模糊规则的过采样技术研究[D]. 刘根城. 西安电子科技大学, 2019(02)
- [3]基于CSI的煤矿井下定位方法研究[D]. 张雷. 中国矿业大学, 2019(01)
- [4]基于Vague集理论的推荐与模糊决策相关算法研究[D]. 王伟. 西北大学, 2014(12)
- [5]面向业务QoS保证的电信WLAN网络资源管理方法研究[D]. 孙典. 哈尔滨工业大学, 2013(06)
- [6]微电网环保经济调度模型及算法研究[D]. 夏云红. 武汉纺织大学, 2013(S2)
- [7]模糊完工时间和交货期下的制造型虚拟企业伙伴选择研究[D]. 黄彬. 福州大学, 2011(06)
- [8]基于内外圈协同优化策略的间歇化工过程不确定性调度研究[D]. 孔令启. 华南理工大学, 2010(07)
- [9]企业财务困境分析与预测方法研究[D]. 赵冠华. 天津大学, 2010(11)
- [10]自然计算理论及其在系统辨识中的应用研究[D]. 谭建豪. 湖南大学, 2010(12)