一、对资源分配状态最优化的一种讨论——严格局部Pareto最佳的一个充分条件（论文文献综述）
吴名位[1]（2021）在《基于多种智能算法的移动边缘计算资源分配策略研究》文中认为5G技术引领信息时代变革,通信技术日新月异,网络带宽不断提高,智能设备快速普及,信息数据迅猛增长,这不仅为信息产业发展带来诸多机遇,也带来很多挑战。信息社会时刻产生大量数据,如何利用好这些海量数据,在实现云计算中心高可用的同时,优化计算资源分配策略,为用户提供高速率、低延迟的服务等问题成为研究人员和工程技术人员的研究热点和难点。移动边缘计算作为5G技术的重要组成部分,不仅是理论研究热点,在应用领域也得到了广泛运用,其主要思想是将云计算中心的部分功能下沉至基站,基站集群部署边缘云,缩短服务与用户之间的距离,及时处理用户提交的各类任务,实现更加快速的用户需求响应。本文从单基站多用户、多基站单用户和多基站多用户的资源分配策略三个方面进行了研究,具体工作如下:（1）为提高移动边缘计算环境下大型云计算中心资源的利用率和用户体验,针对单个基站,提出基于K-means算法的动态计算资源和频谱资源分配算法（KDSAA）,该算法主要分析传统的资源平均分配方式和虚拟机分配方式现状,研究用户的综合需求,将资源模拟成“流体”,采用拍卖算法进行分配,线性求解出边缘云吞吐量和传输时延的最优值。实验仿真结果显示,该算法可有效提高边缘云吞吐量和降低传输时延。（2）5G基站具有高速率、低时延和大连接等特点,但单个基站的覆盖范围较小且功耗大,需多个基站协作才能为用户提供高效的资源服务。在此情况下,提出基于粒子群算法（PSO）的多基站单用户逆向资源分配策略,由多个基站集群部署边缘云,边缘云根据各基站资源余量和用户任务需求,让基站成为“智能体”自行匹配任务,均衡各基站调用次数,尽可能的去处理更多任务,提高边缘云的资源利用率和用户体验、均衡基站负载、缓解网络压力。实验结果验证了该策略的有效性。（3）在多基站多用户环境中,综合用户物理位置、用户规模、数据传输速率、任务能耗、任务优先级和边缘基站性能等多种因素,提出一种基于多目标优先级粒子群算法的资源调度策略（MPPSO）。该策略设计了两个适应度函数和一种粒子编解码方法,引入帕累托控制机制,在多用户多任务并发时,协助策略搜索多目标优先级最优解,为边缘云提供最优资源调度策略,实时满足不同用户不同任务的资源需要,使边缘云资源达到了较为充分的使用,同时提高用户的使用体验。实验结果验证了该策略的有效性。综上,本文设计的三种移动边缘计算策略为5G通信技术的推广应用提出了新的思路和方向,在多种情形下均可以实现基站资源的合理利用、提高用户体验、均衡网络负载,同时符合移动边缘计算的高速率、低时延等应用要求。
陈蕾[2]（2021）在《基于上校赛局博弈的企业信息系统安全策略研究》文中研究指明信息系统作为企业经营必要的手段之一,能够大幅减少信息传输的成本,提高企业自身竞争力。但系统存在的安全脆弱点容易演变成入侵者攻击的目标,造成无法挽回的损失。企业需要投入一定数量的资源,研发安全防御技术抵御外部攻击,以保障系统持续稳定地运行。通常企业可利用的安全资源是有限的;不同类型的信息系统面临的安全威胁各异,应采取的安全防御技术有所区别。如何在有限的资源下,选择信息系统的安全防御技术并分配合理的资源量,引发了领域专家学者的关注。因此,本文从博弈论的角度出发,以最小化安全成本、最大化防御效用为目标,探究企业信息系统安全策略的制定,主要工作如下:（1）构建了上校博弈模型求解信息系统的安全策略。将企业和入侵者视为上校赛局的防御者和攻击者,安全攻防技术对应上校赛局的战场,安全资源数量作为上校赛局博弈的士兵。引入系统的安全防御技术偏好系数,描述不同信息系统采用安全防御技术的差别,界定了信息系统的规模,针对不同规模的信息系统,采用不同的模型求解方式,解得的博弈均衡作为信息系统的安全防御技术选择和安全资源量分配方案。并探究了不同的初始条件参数对上校赛局博弈预期收益的影响。（2）设计了用于求解大规模上校赛局博弈均衡解的协同进化算法。将大规模上校赛局博弈矩阵分解成小规模博弈矩阵的集合,利用小规模博弈矩阵集合的线性规划解作为适应度,考虑攻击者和防御者之间的相互作用,提高均衡近似解的预期收益,用于指导大规模信息系统安全策略的制定。（3）探究了不同资源量对企业电子商务系统和攻击者所选安全攻防策略的变化规律。分析电子商务系统的技术偏好,将求解大规模上校赛局博弈算法应用至电子商务系统安全策略制订。与同类型算法的验证结果表明本文算法所得安全策略的优越性。最终的结果显示:企业作为防御者,倾向于选择种类更多的安全防御技术,按照偏好程度分配安全资源,程度越高的技术分配的资源数量越多。通过参数分析得知参与者在较大规模的信息系统攻防能获得更多的收益。防御者和攻击者可以通过扩大规模在信息系统攻防中获取更多的利益。扩大小规模信息系统攻防更可能带来超额收益。
党世红[3]（2021）在《流程工业调度模型与算法及其在造纸工业中的应用研究》文中提出流程工业是国民经济的重要基础产业,近年来,随着经济全球化迅猛发展,我国流程工业受到了巨大的挑战。流程工业企业经营环境日益复杂,市场竞争日趋激烈,企业需要寻求最佳的生产运营管理方案,以提高生产经营效率,增强竞争优势。生产调度是企业实现高效率、高柔性和高可靠性的关键技术之一,也是企业生产管理的核心,对生产调度的合理优化有助于提高企业的服务水平,能为企业带来显着的经济效益和社会效益。在“中国制造2025”,产业优化升级的大环境下,围绕生产调度方法和优化技术进行研究,对现代企业在实现智能生产提质增效方面来说,具有十分重要的理论价值和现实意义。本文以流程工业中的造纸企业生产过程优化调度为研究对象,开展了流程工业调度模型与算法的理论和应用技术研究,主要研究工作如下:（1）基于分解多目标演化算法的造纸企业生产调度研究在对主要生产卫生纸的某造纸企业的生产特点分析调研的基础上,以最小化最大完工时间、最小化总拖期数量和最小化生产切换次数为目标,在忽略材料的准备时间,忽略设备突发故障等情况,考虑加工顺序约束、设备可用性约束、材料约束等约束条件的情况下,研究和建立了具有造纸企业特色的生产调度数学模型,并提出一种基于自组织映射的分解多目标演化算法对所构建生产调度模型进行求解,所构建的自组织映射充分利用了问题的先验知识,使得算法能在更低的空间上搜索到待优化问题的近似Pareto最优解集,同时也有利于保持种群在决策空间中的多样性。实验结果表明,提出的算法无论是收敛性还是均匀性都实现了更好的优化性能。（2）基于负相关搜索算法的造纸企业立体仓库优化调度研究针对造纸企业成品存储中的自动化立体仓库货位分配问题,在阐述货架分区原则和货位分配策略的基础上,考虑货架稳定性和出入库效率两个因素,构建了以货架重心最低、出入库时间最短为优化目标的立体仓库货位分配双目标优化调度数学模型,提出了一种负相关搜索算法对所构建的调度模型进行求解。实验结果表明,提出的负相关搜索算法（Negatively Correlated Search,NCS）相比遗传算法（Genetic Algorithm,GA）,粒子群优化算法（Particle Swarm Optimization,PSO）,差分进化算法（Differential Evolution Algorithm,DE）,进化规划（evolutionary programming,EP）和万有引力搜索算法（gravitational search algorithm,GSA）五种算法,无论是收敛精度还是收敛速度都实现了更好的优化性能。（3）基于量子进化算法的造纸企业项目调度研究针对造纸企业在智能制造环境下的多模式项目调度问题,结合多模式资源项目管理的问题以及实例,构建了多模式资源受限项目调度问题（Multi-mode Resource Constrained Project Scheduling Problem,MRCPSP）的数学模型,并提出了一种基于量子进化的启发式算法对模型进行优化求解。设计了量子比特的编码,解码,并对该问题的不可行解进行修复,对个体适应度进行评价,使用量子旋转门对种群进行进化,通过使用PSPLIB标准问题库（Project Scheduling Problem Library,PSPLIB）的数据对所提出的算法进行验证,使用随机函数生成随机案例,借助该算法求得最优解,证明了该算法的有效性,并对影响算法求解性能的参数进行逐一分析,为算法的进一步改进提供理论依据,丰富了资源受限项目调度问题（Resource Constrained Project Scheduling Problem,RCPSP）的理论研究体系,为造纸企业项目管理提供了新的问题解决思路。（4）基于云平台的造纸企业智能MES系统的设计与实现基于上述研究成果,结合造纸企业的实际需求,给出了智能造纸企业的企业资源计划（Enterprise Resource Planning,ERP）、制造执行系统（Manufacturing Execution System,MES）和过程控制系统（Process Control System,PCS）的体系结构图,设计了基于云平台的造纸企业智能MES系统,给出了系统主要功能模块框图,对基于云平台的造纸企业智能MES系统进行了软、硬件配置,设计了相关的软件功能界面,对造纸企业智能MES系统的自主研发有一定的借鉴意义。
韩梦瑶[4]（2021）在《装配式建筑构件生产优化调度模型与算法研究》文中认为
高秀秀[5]（2021）在《基于深度信念网络的闭环供应链网络优化》文中进行了进一步梳理随着全球可持续发展战略的推进和资源环境问题的日益突出,国家开始倡导绿色、节能、可持续的发展模式,越来越多的企业开始重视废旧产品的回收利用,使得以低能耗、低碳排为标志的“低碳经济”正在成为企业经济发展的共同选择。闭环供应链网络涵盖了产品制造、销售和回收的全过程,是实现资源再利用和减少环境污染的有效途径。然而,闭环供应链网络作为一个多领域、多对象参与的动态网络系统,易受到多种不确定因素的干扰,这些不确定因素往往由供应链网络内外部因素的共同作用下产生的,直接表现出来的是网络参数的不确定,如市场需求、生产价格、运成本、回收数量、提前期等,上述不确定参数的存在必然导致企业决策风险增加。因此,设计一种具有风险抵御能力的供应链网络,使其在多种不确定因素的干扰下依旧保持较强的鲁棒性,对提高企业的运作效率具有重要的作用。本文的主要研究工作如下:（1）建立一个基于第三方负责产品回收的闭环供应链网络,考虑网络参数（市场需求量、生产价格、产品回收率）的不确定性,兼顾网络的经济效益、环境效益和社会效益,构建以实现网络成本、网络碳排放和顾客满意度损失最小为目标的混合整数规划模型,在此基础上引入多面体不确定集对不确定参数进行描述,进一步构建基于不确定集的可调多目标鲁棒优化模型。（2）针对非线性、易波动的市场需求,构建了一种深度信度网络（Deep Belief Network,DBN）与共轭梯度法相结合的市场需求预测模型,利用共轭梯度法对DBN的权重和阈值进行调优,以提高模型预测的速度和精确度。为验证算法的优越性,以某家电企业的历史销售数据作为预测对象,引入标准DBN和BP神经网络作为对比方法,采用评价指标对以上预测模型的预测性能进行评估。（3）提出一种基于动态步长和动态发现概率的自适应布谷鸟搜索（Adaptive Cuckoo Search,ACS）算法,以提高模型的求解效率。结合案例企业的运营数据,分别采用自适应布谷鸟搜索算法和非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm,NSGA-II）求解模型,以验证改进型布谷鸟搜索算法的优越性。（4）利用本文所提的自适应布谷鸟搜索算法求解多目标鲁棒优化模型,获取最坏情况下不同扰动系数对应的最优网络规划方案,通过敏感性分析,研究不同鲁棒控制系数对目标函数和约束违反率的影响,验证鲁棒优化模型对不确定扰动的抑制效果,通过分析单因素扰动下网络成本的变化,确定多种不确定因素中对网络成本影响最大的不确定参数,为决策者提供决策依据。
孙晶华[6]（2020）在《基于混合量子算法的生产车间干扰管理问题应用研究》文中研究表明车间作业调度问题是典型的多目标组合优化问题,具有高计算复杂性和广泛的实用前景。在生产加工企业实际生产中,由于加工需求和客户需求不同等干扰事件,预期生产调度方案可能发生改变。工件加工优先级变动、加工机器发生故障等事件发生可能导致加工时间和成本增加,企业和客户满意度降低。如何降低不确定干扰事件的负面影响已成为生产领域研究的热点和亟需解决的问题。柔性作业车间调度问题是在传统作业车间调度问题的基础上摆脱了机器条件的约束,为干扰管理理论的应用奠定了基础。现有柔性作业车间调度生产方案中,常忽视急件到达干扰、加工优先级改变以及机器发生故障等事件引起的恶化效应。干扰事件发生时,由于柔性作业车间调度问题具有高计算复杂性和多目标优化的特点,传统生产调度方案很难顾及多个客户的利益需求,从而不易快速有效地生成应对干扰事件扰动的生产调度方案。本文在前景理论基础上针对干扰事件的特点,分别对考虑行为主体因素、机器故障因素以及急件插单因素等干扰问题进行了研究和分析。结合量子优化算法,对不同扰动问题的相应解决策略进行设计与探讨,通过仿真实验和实例来验证提出干扰策略的有效性、稳定性和可行性,同时选取Z汽车公司铆焊车间物料配送进行调度研究,为实际生产作业车间调度提供了有力的理论支撑和实践证明。本文主要研究内容包括:（1）多目标柔性作业车间调度干扰管理问题研究。针对生产加工过程中受到干扰事件影响导致需要变更初始调度方法的问题,结合前景理论使用一种考虑客户、企业管理者和车间工人三类行为主体对扰动感知程度的扰动度量方法,建立了同时考虑原始目标和扰动目标的多目标干扰管理模型,设计了一种改进的字典序多目标规划方法以更好地解决基于干扰管理的多目标车间调度问题。最后,结合自适应调整旋转角的量子遗传算法来求解该模型。（2）基于前景理论的机器故障干扰管理研究。在作业车间实际生产过程中会遇到机器故障、工人离岗和紧急插单等干扰事件,这些随机、动态的事件可能导致初始调度方案受到影响。本文在生产调度干扰管理中,将前景理论加入对干扰事件因素的分析,结合行为运筹学解决生产调度干扰管理问题。讨论了基于右移、局部和全局三种重调度策略,提出并实现结合运筹学理论的相应调度方法。采用改进的量子细菌觅食算法对16种重调度情景的4项响应指标进行模拟测试和分析,比较了相同情景下不同调度策略的指标值。（3）基于累积前景理论的急件到达干扰管理研究。对急件到达的的车间调度问题进行分析研究,结合累积前景理论,从成本偏离、路径偏离和累积前景值三个方面进行扰动度量,建立了以最小化急件插单完工时间、车间物流总时间和最大化序位相似性为目标的急件到达车间调度干扰管理模型。设计了一种改进遗传模拟退火算法求解该模型。最后,从生产车间物料配送的角度,以物料配送过程出现的急件到达干扰为研究对象,选取Z汽车公司铆焊车间物料配送调度进行研究,验证了本文提出的干扰策略和算法的有效性。
崔惠敏[7]（2020）在《基于多目标规划的城市水资源优化配置研究》文中指出水是实现人类发展最基本的自然资源,城市水资源问题日益凸显。为有效缓解水资源供需矛盾,全面提升利用效益,助力节水型城市建设,如何科学、高效地实现城市水资源优化配置已成为亟需研究的重要课题。城市水资源优化配置是一个系统问题,包含多个研究对象、目标及约束。本文在分析城市水资源配置现状以及存在问题的基础上,将现实分配问题转化为数学模型,以求高效、准确获取城市用水分配方案。首先,采用多目标规划方法,以城市各子区各类用水户为研究对象,用社会、经济、生态多目标效益函数表达式表征配置目标。考虑到事前加入偏好信息对提升决策效果的积极影响,结合梳理出的用水关联因子,采用直觉模糊集方法,分别构建基于偏好信息的各子区、各用水户优先级决策模型,并将上述分析结果转化为权重系数运用到多目标函数中。针对现阶段子区级统计数据不完善的特点,选择对数据量要求较小的灰色预测法得出规划年供需水量作为约束条件,并以最严格水资源管理制度中的红线指标作为补充约束,形成包含变量、目标函数、约束条件的多目标城市水资源优化配置模型。其次,结合多目标优化配置模型多变量、非线性、强冲突的特点,采用多目标帕累托有效解,进一步改进模拟退火算法,形成基于模拟退火多目标算法的城市水资源优化配置模型求解方案。最后,以广州市为例进行模型应用分析。研究结果表明,多目标城市水资源优化配置模型可定量优化水资源分配,模型输出的方案综合效益最优;事前将偏好信息加入到决策过程中的方式提升了决策效率;模拟退火算法的局部跳脱及全局搜索能力对于求解非线性的多目标规划问题具有很强的适用性。结合研究结果,为城市水资源可持续利用提出政策启示。本文研究的城市水资源优化配置模型优化了社会、经济、环境三类目标,并将决策偏好、用水户节水空间、制度红线约束等信息融入模型,提升了配置方案输出的效果及效率。研究结果为节水型城市建设以及最严格水资源管理制度实施提供了支撑,对城市水资源规划具有一定的理论及实践意义。
付茜雯[8]（2020）在《计算机科技论文摘要的机翻错误类型及译后编辑》文中进行了进一步梳理科研论文在知识传播过程中作用重大,推动国际范围内的知识共享。摘要是科研论文中必不可少的一部分,既是对论文的概括性总结,也是读者发现和探寻相关领域知识的快捷途径。然而,目前英文摘要的机器翻译质量在精确性和专业性方面都不尽人意,需要通过后期编辑和人工校对才能产出高质量的中文翻译文本。本文以计算机科学论文摘要为例,对谷歌机器翻译的300篇计算机英文论文摘要的中文版本进行了翻译错误类型分析并归类,并提出相应的译后编辑策略。首先在赖斯文本类型理论翻译策略指导下,对机器翻译系统生成的译文进行译后编辑,再邀请计算机专业以及翻译专业的专业人士进行确认。之后以DQF-MQM错误类型分类框架为依据,对机器翻译系统生成的译文中的错误进行分类。研究发现,机器翻译的计算机英文论文摘要的中文版本中存在七大类翻译错误,其中不符合中文表达习惯的翻译错误占比最大,其次是术语误译、误译、欠译、漏译、过译以及赘译。本论文研究发现,由于源文本的信息型学术文本特征,长难句、被动语态以及术语翻译是造成机器翻译错误的主要原因。针对源文本的逻辑缜密、语步序固定等特征,本研究针对性地对各类错误类型提出了相应译后编辑策略。建议译者在译后编辑中通过将隐性连接转换为显性连接从而保持源文逻辑性,通过增加主语以及调整语序处理被动语态保持源文的学术精准,通过恰当选取词意处理半技术词汇等。本研究采用定性和定量分析方法,系统归类了计算机科技文本摘要中机器翻译出现的错误,并提出相应译后编辑策略,为该领域的译者提供参考建议,从而提高该领域的机器翻译质量。
翁晨帆[9]（2019）在《无人机数据采集系统的优化传输策略研究》文中研究表明无人机（UAV）以其覆盖范围广、机动性强等优点,在提高无线通信系统性能方面有着巨大的潜力。本文主要围绕地面节点（GT）和UAV之间的能量权衡和UAV轨迹优化两个关键点,对UAV数据采集系统的优化传输策略进行研究。另对存在窃听者的场景下,对UAV中继系统保密能效最大化进行了探讨。具体研究内容归为如下三个方面:（1）首先,对单用户场景的UAV数据采集系统性能进行分析,引出了GT-UAV无线通信中的一种能量权衡。为了描述这种权衡,我们考虑了两种简单的UAV轨迹,即直线飞行和圆形飞行。在每种情况下,我们首先推导出UAV和GT的能耗表达式,然后找出他们之间实现不同帕累托（Pareto）最优的GT最优发射功率和UAV优化轨迹。仿真结果验证了我们的方案可行性及有效性。（2）其次,研究了多用户场景,采用灵活的UAV从一组GT采集数据。GT的上行传输能量是衡量GT寿命的关键因素。首先表明了在数据采集系统中GT与UAV之间能量消耗的权衡。然后,利用拉格朗日对偶和连续凸优化（SCA）,提出了一种有效的算法,通过联合优化UAV轨迹和资源分配来寻找近似解。最后,通过仿真结果验证了本章的研究方案。（3）最后,探讨了UAV移动中继系统中存在窃听者的情况下,使用UAV将信息从地面源节点传送到地面合法目的地节点。我们的目标是通过联合优化通信调度、源/中继功率分配和UAV轨迹,使UAV在给定的时间范围内最大限度地提高保密能量效率,从而在UAV的保密效率和能耗之间进行折中。为了解决这个问题,我们利用SCA方法和dinkelbach算法,提出了一个有效的迭代算法,获得了一个次优解。数值结果验证了本文提出的联合设计方法的有效性,并与基准值进行了比较,取得了显着的性能改善。综上所述,在UAV数据采集系统中对轨迹优化,GT和UAV间能量权衡,并合理分配无线资源,能有效提高通信系统性能,为未来无线系统中UAV节能通信的设计提供新的思路。
王宸[10]（2019）在《数据驱动优化控制及其在汽车零部件柔性生产过程监控中的研究与应用》文中指出为实现汽车零部件的柔性生产,企业在生产过程中采用了大量数字化设备,产生了大量的设备数据和过程数据,这些数据蕴含了大量的生产信息。企业利用这些信息,可以避免生产过程中各种不确定因素导致的异常事件,提高设备利用率,优化生产过程。因此,基于数据驱动优化控制的生产过程监控方法受到广泛关注,具有重要的工业价值。传统的生产过程监控方法,往往假设过程变量服从单一的线性关系,或简单的非线性关系,并认为过程建模数据是大量且规则的。随着生产过程柔性化程度不断提高,数字化设备产生的数据种类越来越多,被加工汽车零部件的种类、复杂度、精度和效率要求也越来越高,导致过程建模特性愈发复杂。其主要表现为多源异构数据难以融合,变量非线性关系强,数据维度高,样本数量少等多重特征。因此,对数字化生产过程和设备监控的建模、优化控制及故障预测等提出了更为严格地要求。基于深度神经网络的数据驱动优化控制方法,利用离散样本数据,通过深度网络中强大的非线性因素,可以深度地抽象出特征,实现数字化生产过程和设备监控的建模,特征的准确分类和预测,从而更好地解决建模、优化控制及预测等问题。但是,在基于深度神经网络的非线性建模过程中,一方面,由于网络层数、权重值和隐层中神经元个数等超参数维度较高,易出现“维度灾难”等问题;另一方面,为了实现网络结构的自适应寻优设计,在针对网络模型的超参数寻优问题中,需研究高维多目标优化算法进行求解。本文针对汽车零部件柔性生产过程中数字化设备运行监控问题,按照数据融合-虚实建模-仿真预测-智能调控的思路,着重研究了数字孪生数据融合及建模方法、基于演化深度置信神经网络的非线性系统建模、高维多目标优化及决策、加工中心反向间隙误差值预测等问题,主要包含以下内容:1.针对数字化设备运行中产生的多源异构数据难以融合问题,进行数字孪生数据融合与建模方法研究。通过构建五维数字孪生模型,研究自适应匹配协议解析方法解决异质异构网络传输问题,研究滑动窗口和欧式距离解决不确定冗余数据问题,研究概率传输的多粒度异构数据融合方法解决传感数据的时间相关性及空间相关性问题。2.针对基于深度神经网络的非线性系统建模过程中存在的“维度灾难”问题,开展高维多目标优化算法设计研究。首先,设计基于分解的复杂生物地理学优化算法框架,采用均匀分布的权向量和均值聚合方法,将高维优化目标分解成多个子系统,通过两次引入Metropois criterion准则进行子系统内部和跨子系统迁移,利用PBI距离计算邻域岛屿距离以平衡解的收敛性和多样性,从而得到最优的Pareto解集并提高算法效率;然后,对算法中的参数:邻居大小值MHDB和PBI距离参数θ进行参数敏感性分析,结果表明算法具备较好的鲁棒性;最后,与近年主流的高维多目标优化算法NSGAIII、MOEAD-PBI和BBO/Complex等进行比较,表明算法能够有效解决“维度灾难”问题。3.针对基于深度神经网络的非线性系统建模过程中难以自动设计深度神经网络最优架构问题,采用深度置信神经网络和演化算法相结合的方式进行设计。首先,通过无监督方式初始化网络隐层层数、连接权重、激活函数等超参数;然后,对超参数进行编码,以网络的最小化重构误差作为优化对象设计适应度函数,根据适应度值选择较好参数产生新群体,随后进行交叉和变异操作。最终,自动优化深度置信神经网络模型结构,寻求最优的网络隐层层数和连接权重,降低计算资源需求,解决了大量有标记数据下的网络结构自动设计问题,从而对建模过程进行自适应优化控制。4.针对加工中心运行过程中的反向间隙误差值预测问题,构建了分层的反向间隙误差预测性维护模型,对加工中心运行过程中的反向间隙误差预测进行建模,通过实验对反向间隙误差值预测进行了验证。5.综合运用上述研究成果,设计开发某汽车零部件厂柔性生产线监控系统模型,并对模型进行优化。使用Matlab程序作为模型和算法程序的核心组件,集成于.NET框架并成为柔性生产线智能监控管理系统的核心组件。实践表明,该系统能够使工厂管理者及时充分掌握生产现场信息,提高设备运行效率,提升整体生产能力并提高生产管理水平,为企业带来良好的经济效益。
二、对资源分配状态最优化的一种讨论——严格局部Pareto最佳的一个充分条件（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、对资源分配状态最优化的一种讨论——严格局部Pareto最佳的一个充分条件（论文提纲范文）
（1）基于多种智能算法的移动边缘计算资源分配策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第2章 相关技术概述 |
| 2.1 移动边缘计算 |
| 2.1.1 移动边缘计算的定义 |
| 2.1.2 移动边缘计算的优势 |
| 2.1.3 应用案例和场景 |
| 2.2 相关算法 |
| 2.2.1 拍卖算法 |
| 2.2.2 K-means算法 |
| 2.2.3 帕累托最优 |
| 2.2.4 粒子群算法 |
| 2.2.5 DE进化算法 |
| 2.3 本章小结 |
| 第3章 基于K-means算法的单基站多用户的资源分配策略 |
| 3.1 问题描述 |
| 3.2 系统模型 |
| 3.2.1 数据表示 |
| 3.2.2 算法步骤 |
| 3.2.3 动态的计算资源和频谱分配策略 |
| 3.3 仿真实验 |
| 3.4 本章小结 |
| 第4章 基于PSO算法的多基站单用户逆向资源分配策略 |
| 4.1 引言 |
| 4.2 基于PSO算法的多基站单用户逆向资源分配策略 |
| 4.2.1 策略步骤 |
| 4.3 实验结果与分析 |
| 4.3.1 实验结果 |
| 4.3.2 实验分析 |
| 4.4 本章小结 |
| 第5章 基于MPPSO算法的多基站多用户的资源分配策略 |
| 5.1 引言 |
| 5.2 边缘基站属性 |
| 5.3 基于多目标优先级粒子群算法的资源调度策略(MPPSO) |
| 5.3.1 适应度函数设计 |
| 5.3.2 粒子编码和解码 |
| 5.4 实验结果与分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（2）基于上校赛局博弈的企业信息系统安全策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 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 博弈论在信息系统安全策略的研究应用 |
| 1.2.2 上校赛局博弈模型及其发展 |
| 1.2.3 文献评述 |
| 1.3 本文研究内容 |
| 1.4 论文结构和创新点 |
| 1.4.1 论文结构 |
| 1.4.2 论文创新点 |
| 2 相关理论知识 |
| 2.1 企业信息系统安全 |
| 2.1.1 信息系统和信息系统安全 |
| 2.1.2 信息系统安全策略 |
| 2.1.3 信息系统安全技术 |
| 2.2 上校赛局博弈的求解 |
| 2.2.1 鞍点求解法 |
| 2.2.2 极大极小定理 |
| 2.2.3 基于概率的方法 |
| 2.2.4 重复剔除占优策略 |
| 2.3 协同进化算法 |
| 2.3.1 合作型协同进化 |
| 2.3.2 竞争型协同进化 |
| 2.3.3 竞争合作型协同进化 |
| 2.4 本章小结 |
| 3 信息系统安全攻防建模 |
| 3.1 问题提出 |
| 3.1.1 不同类型信息系统安全策略的制定 |
| 3.1.2 不同规模企业信息系统所选安全策略的变化规律 |
| 3.2 模型构建 |
| 3.2.1 模型假设 |
| 3.2.2 模型相关定义 |
| 3.3 规模划分 |
| 3.3.1 小规模上校赛局 |
| 3.3.2 大规模上校赛局 |
| 3.4 本章小结 |
| 4 小规模信息系统安全策略求解 |
| 4.1 小规模信息系统概况 |
| 4.2 线性规划求解小规模上校赛局博弈 |
| 4.3 结果总览 |
| 4.3.1 不同类型信息系统安全策略 |
| 4.3.2 参数分析 |
| 4.4 本章小结 |
| 5 大规模信息系统安全策略求解 |
| 5.1 电子商务系统概况 |
| 5.2 结合线性规划的协同进化算法求解大规模上校赛局博弈 |
| 5.2.1 算法设计 |
| 5.2.2 算例求解 |
| 5.3 算法应用 |
| 5.3.1 参数设置 |
| 5.3.2 结果总览 |
| 5.4 算法对比 |
| 5.4.1 相关工作比较 |
| 5.4.2 实验分析 |
| 5.4.3 秩和检验 |
| 5.5 本章小结 |
| 6 总结和展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 8 学位论文数据集 |
（3）流程工业调度模型与算法及其在造纸工业中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题背景及研究意义 |
| 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 本文的主要研究内容和章节安排 |
| 1.3.1 主要的研究内容 |
| 1.3.2 章节安排 |
| 2 生产调度基本概念及造纸企业生产调度中存在的问题 |
| 2.1 生产调度的提出 |
| 2.2 调度问题描述、分类及特性 |
| 2.2.1 调度问题的描述 |
| 2.2.2 车间调度问题的分类 |
| 2.2.3 车间调度问题的特点 |
| 2.3 流程工业生产调度 |
| 2.3.1 流程工业生产调度及其特点 |
| 2.3.2 流程工业生产调度的分类 |
| 2.3.3 流程工业生产调度的方法 |
| 2.4 造纸企业生产调度问题 |
| 2.4.1 订单与排产计划安排 |
| 2.4.2 排产计划与生产计划冲突 |
| 2.4.3 生产管理缺陷 |
| 2.4.4 质量管理 |
| 2.4.5 仓储管理 |
| 2.4.6 问题成因分析 |
| 2.5 本章小结 |
| 3 基于分解多目标演化算法的造纸企业生产调度研究 |
| 3.1 引言 |
| 3.2 造纸企业生产过程简述 |
| 3.2.1 第一阶段加工生产过程 |
| 3.2.2 第二阶段加工生产过程 |
| 3.3 生产调度模型的建立 |
| 3.3.1 造纸企业的生产调度流程描述 |
| 3.3.2 生产调度性能指标 |
| 3.3.3 造纸企业生产调度数学模型 |
| 3.4 生产调度模型的求解算法 |
| 3.4.1 基于分解的多目标演化算法 |
| 3.4.2 算法设计的关键步骤 |
| 3.4.3 实验数据 |
| 3.5 数值实验与结果分析 |
| 3.5.1 参数设置 |
| 3.5.2 评价指标 |
| 3.5.3 实验结果与分析 |
| 3.6 本章小结 |
| 4 基于负相关搜索算法的造纸企业立体仓库优化调度研究 |
| 4.1 自动化立体仓库概述 |
| 4.1.1 自动化立体仓库的结构 |
| 4.1.2 自动化立体仓库的分类与特点 |
| 4.2 自动化立体仓库货位分配优化 |
| 4.2.1 问题描述 |
| 4.2.2 数学模型的建立 |
| 4.3 立体仓库调度模型的求解算法 |
| 4.3.1 负相关搜索算法 |
| 4.3.2 算法设计的关键步骤 |
| 4.4 数值实验与结果分析 |
| 4.4.1 参数设置 |
| 4.4.2 评价指标 |
| 4.4.3 实验结果与分析 |
| 4.5 本章小结 |
| 5 基于量子进化算法的造纸企业项目调度研究 |
| 5.1 项目调度概况 |
| 5.2 多模式资源项目调度描述以及数学建模 |
| 5.3 基于量子进化算法的多模式资源项目调度问题实现 |
| 5.3.1 量子进化算法概述 |
| 5.3.2 编码方案 |
| 5.3.3 解码方案 |
| 5.3.4 不可行方案的修复 |
| 5.3.5 个体的适应度评价 |
| 5.3.6 量子种群更新 |
| 5.3.7 算法流程图 |
| 5.4 算例分析与结果评价 |
| 5.4.1 典型案例验证及结果分析 |
| 5.4.2 随机案例验证及结果分析 |
| 5.5 本章小结 |
| 6 基于云平台的造纸企业智能MES系统的设计与实现 |
| 6.1 MES系统概述 |
| 6.2 系统总体解决方案 |
| 6.2.1 造纸企业ERP、MES和PCS的体系结构 |
| 6.2.2 造纸企业智能MES系统构架 |
| 6.3 系统主要功能模块介绍 |
| 6.3.1 系统管理模块 |
| 6.3.2 信息查询模块 |
| 6.3.3 设备管理模块 |
| 6.3.4 生产管理模块 |
| 6.3.5 仓储管理模块 |
| 6.3.6 品质管理模块 |
| 6.3.7 数据分析模块 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 研究工作创新点 |
| 7.3 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得的成果 |
（5）基于深度信念网络的闭环供应链网络优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 相关研究综述 |
| 1.2.1 确定环境下的供应链网络规划研究 |
| 1.2.2 不确定环境下的供应链网络规划研究 |
| 1.3 主要研究内容及创新点 |
| 1.3.1 主要研究内容 |
| 1.3.2 创新点 |
| 1.4 技术路线 |
| 第2章 闭环供应链网络优化相关理论 |
| 2.1 闭环供应链网络规划基本理论 |
| 2.1.1 供应链网络相关概念 |
| 2.1.2 闭环供应链网络结构 |
| 2.1.3 闭环供应链网络优化设计的主要内容 |
| 2.2 闭环供应链网络中的不确定性 |
| 2.2.1 闭环供应链网络不确定性的来源及特点 |
| 2.2.2 供应链网络不确定产生机理 |
| 2.3 不确定性优化方法 |
| 2.3.1 模糊规划方法 |
| 2.3.2 随机规划方法 |
| 2.3.3 鲁棒优化方法 |
| 2.4 本章小结 |
| 第3章 基于多面体不确定集的鲁棒优化模型构建 |
| 3.1 问题描述与假设 |
| 3.1.1 问题描述 |
| 3.1.2 参数符号及含义 |
| 3.1.3 基本假设 |
| 3.2 闭环供应链网络多目标模型构建 |
| 3.2.1 闭环供应链网络成本函数 |
| 3.2.2 闭环供应链网络碳排放函数 |
| 3.2.3 闭环供应链网络顾客满意度损失函数 |
| 3.2.4 多目标约束 |
| 3.3 基于多面体不确定集的鲁棒优化模型构建 |
| 3.3.1 不确定参数描述 |
| 3.3.2 多目标鲁棒线性优化模型 |
| 3.4 本章小结 |
| 第4章 基于深度信念网络的市场需求预测 |
| 4.1 DBN |
| 4.1.1 RBM |
| 4.1.2 Gibbs采样 |
| 4.1.3 基于CD算法的RBM学习过程 |
| 4.1.4 共轭梯度算法 |
| 4.1.5 DBN学习过程 |
| 4.2 基于DBN市场需求预测 |
| 4.2.1 市场需求预测指标及数据处理 |
| 4.2.2 DBN预测模型关键参数设定 |
| 4.2.3 基于DBN的市场需求预测 |
| 4.3 本章小结 |
| 第5章 案例分析 |
| 5.1 案例背景 |
| 5.1.1 案例描述 |
| 5.1.2 家电供应链网络参数设定 |
| 5.2 模型算法设计与评价 |
| 5.2.1 Levy飞行搜索机制 |
| 5.2.2 动态参数调整策略 |
| 5.2.3 算法性能评价 |
| 5.3 结果分析 |
| 5.3.1 不确定环境下的网络规划方案 |
| 5.3.2 敏感性分析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 参考文献 |
| 在学期间研究成果 |
| 致谢 |
（6）基于混合量子算法的生产车间干扰管理问题应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题来源、研究意义 |
| 1.1.1 选题来源及研究目的 |
| 1.1.2 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车间调度问题的相关概念 |
| 1.2.2 柔性作业车间调度问题相关概念 |
| 1.2.3 FJSP的国内外研究现状 |
| 1.3 求解方法 |
| 1.3.1 研究方法现状 |
| 1.3.2 算法应用现状 |
| 1.4 现有研究中存在的问题 |
| 1.5 论文的组织结构 |
| 本章小结 |
| 第二章 干扰管理和前景理论现状分析 |
| 2.1 量子计算相关特性 |
| 2.2 干扰管理研究现状分析 |
| 2.3 前景理论研究现状及相关概念 |
| 本章小结 |
| 第三章 多目标柔性作业车间调度干扰管理问题研究 |
| 3.1 干扰管理模型 |
| 3.1.1 干扰管理模型特点 |
| 3.1.2 干扰管理模型的建立 |
| 3.1.3 度量函数的建立及分析 |
| 3.1.4 干扰管理的决策分析及评价标准 |
| 3.2 多目标柔性作业车间调度模型 |
| 3.3 基于前景理论的干扰管理模型 |
| 3.3.1 问题的界定 |
| 3.3.2 基于前景理论的扰动度量方法 |
| 3.3.3 字典序多目标规划方法 |
| 3.4 自适应调整旋转角量子遗传算法 |
| 3.4.1 量子编码 |
| 3.4.2 遗传操作 |
| 3.4.3 云模型自适应调整量子旋转角 |
| 3.4.4 算法步骤 |
| 3.5 仿真实验 |
| 3.5.1 算法性能验证 |
| 3.5.2 干扰管理方法验证 |
| 本章小结 |
| 第四章 基于前景理论的机器故障干扰管理研究 |
| 4.1 引言 |
| 4.2 生产调度问题的干扰管理模型 |
| 4.2.1 问题界定的数学模型 |
| 4.2.2 基于前景理论的价值函数模型 |
| 4.2.3 基于前景理论的干扰管理模型 |
| 4.3 生产调度干扰管理策略 |
| 4.3.1 右移重调度策略 |
| 4.3.2 局部重调度策略 |
| 4.4 机器不可用干扰管理求解算法 |
| 4.5 算例验证及结果分析 |
| 4.5.1 实验指标设计 |
| 4.5.2 实验结果分析 |
| 4.6 实例测试 |
| 本章小结 |
| 第五章 基于累积前景理论的急件到达干扰管理研究 |
| 5.1 引言 |
| 5.2 累积前景理论简介 |
| 5.3 急件到达干扰事件研究现状分析 |
| 5.3.1 急件到达干扰事件的特点及研究现状分析 |
| 5.3.2 急件到达FJSP求解算法分析 |
| 5.4 有急件插单的干扰管理模型 |
| 5.4.1 问题描述 |
| 5.4.2 模型建立与描述 |
| 5.4.3 急件插单干扰下的重调度 |
| 5.4.4 累积前景值模型 |
| 5.5 重调度方法的设计与实现 |
| 5.5.1 确定重调度时间域 |
| 5.5.2 局部约简调度阶段 |
| 5.5.3 生产车间物流干扰问题 |
| 5.6 调度实例及分析 |
| 5.6.1 铆焊车间物料数据信息 |
| 5.6.2 生产物流实例测试 |
| 5.6.3 仿真实验 |
| 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 致谢 |
（7）基于多目标规划的城市水资源优化配置研究（论文提纲范文）
| 摘要 |
| abstract |
| 1.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 水资源利用研究现状 |
| 1.2.2 水资源配置研究现状 |
| 1.2.3 国内外研究评述 |
| 1.3 研究内容 |
| 1.4 研究方案与技术路线 |
| 1.4.1 研究方案 |
| 1.4.2 技术路线图 |
| 2.理论基础 |
| 2.1 水资源优化配置基础 |
| 2.1.1 可持续发展理论 |
| 2.1.2 水资源优化配置内涵 |
| 2.1.3 水资源优化配置原则 |
| 2.1.4 水资源优化配置机制 |
| 2.1.5 水资源优化配置模式 |
| 2.2 多目标规划理论 |
| 2.2.1 多目标规划解的概念 |
| 2.2.2 多目标规划求解方法 |
| 2.2.3 直觉模糊集决策方法 |
| 3.城市水资源配置现状及存在的问题 |
| 3.1 城市水资源配置现状 |
| 3.1.1 城市水资源现状 |
| 3.1.2 城市水资源供需现状 |
| 3.1.3 城市水资源利用效益与效率 |
| 3.2 城市水资源配置存在的问题 |
| 3.2.1 自然属性下的城市水资源配置问题 |
| 3.2.2 社会属性下的城市水资源配置问题 |
| 3.3 本章小节 |
| 4.城市水资源优化配置的关键要素与约束分析 |
| 4.1 城市水资源效益目标分析 |
| 4.1.1 基于可持续利用理念的水资源效益目标 |
| 4.1.2 用水户单位用水效益机理分析 |
| 4.1.3 效益目标的用水关联因子分析 |
| 4.2 城市子区划分及供需部门组成 |
| 4.2.1 城市子区划分 |
| 4.2.2 城市水资源供需部门 |
| 4.3 基于偏好信息的各配置要素优先级决策 |
| 4.3.1 构建基于偏好信息的配置要素优先级决策模型 |
| 4.3.2 基于偏好信息的各子区优化配置优先级 |
| 4.3.3 基于偏好信息的各子区各用水户优化配置优先级 |
| 4.4 城市水资源优化配置约束 |
| 4.4.1 城市供需水量约束 |
| 4.4.2 城市制度指标约束 |
| 4.5 本章小节 |
| 5.城市水资源优化配置模型构建 |
| 5.1 多目标城市水资源优化配置模型构建 |
| 5.1.1 构建目标函数 |
| 5.1.2 设置约束条件 |
| 5.1.3 确定函数参数 |
| 5.1.4 多目标城市水资源优化配置模型 |
| 5.2 基于模拟退火多目标算法的城市水资源优化配置模型求解 |
| 5.2.1 多目标城市水资源优化配置需要解决的问题 |
| 5.2.2 模型求解方法的选择 |
| 5.2.3 基于模拟退火多目标算法的城市水资源优化配置模型求解步骤 |
| 5.3 本章小结 |
| 6.城市水资源优化配置应用分析——以广州市为例 |
| 6.1 广州市水资源供需分析 |
| 6.2 广州市水资源优化配置方案 |
| 6.2.1 广州市水资源优化配置模型参数设置 |
| 6.2.2 广州市多目标水资源优化配置求解 |
| 6.2.3 广州市多目标水资源优化配置结果分析 |
| 6.3 .政策启示 |
| 6.3.1 广州市水资源可持续利用建议 |
| 6.3.2 对其他城市水资源可持续利用启示 |
| 6.4 本章小节 |
| 7.总结与展望 |
| 7.1 研究总结 |
| 7.2 未来展望 |
| 致谢 |
| 参考文献 |
| 附录1 |
| 附录2 |
| 攻读学位期间主要研究成果 |
（8）计算机科技论文摘要的机翻错误类型及译后编辑（论文提纲范文）
| 摘要 |
| Abstract |
| CHAPTER1 INTRODUCTION |
| 1.1 Research Background and Significance |
| 1.2 Aims of the Study |
| 1.3 Organization of the Thesis |
| CHAPTER2 LITERATURE REVIEW AND FRAMEWORK |
| 2.1 Overview on Machine Translation and Post-editing |
| 2.2 Previous Studies on MT Error Types and Post-Editing Strategies |
| 2.3 DQF-MQM Error Classification Framework |
| 2.4 Previous Studies on MT Error Types of Paper Abstracts |
| 2.5 Text Typology Theory |
| 2.5.1 Text Typology Theory of Reiss |
| 2.5.2 Previous Studies on Informative Texts and Translation Principles |
| CHAPTER3 METHODOLOGY |
| 3.1 Source Text and Text Analysis |
| 3.1.1 Source Text |
| 3.1.2 Text Analysis |
| 3.2 Research Method |
| 3.3 Translation Process |
| 3.3.1 Translating300 computer science abstracts with MT system |
| 3.3.2 Post-editing the MT-generated translation based on Text Typology Theory |
| 3.3.3 Conducting a semi-structured interview for ensuring post-editing quality |
| 3.3.4 Analyzing and summarizing the errors in300 abstracts |
| 3.3.5 Preliminary error classifications based on DQF-MQM Framework |
| 3.3.6 Conducting the2nd semi-structured interview to confirm error classifications |
| 3.3.7 Quantitative analysis of all MT errors in the300 abstracts |
| CHAPTER4 RESULTS AND DISCUSSION |
| 4.1 Error Types of Machine Translated English Abstracts |
| 4.1.1 Unidiomatic Translation Errors in MT output |
| 4.1.2 Terminology Mistranslation Errors in MT Output |
| 4.1.3 Mistranslation Errors in MT Output |
| 4.1.4 Under-translation Errors in MT Output |
| 4.1.5 Omission Translation Errors in MT Output |
| 4.1.6 Over-translation Errors in MT Output |
| 4.1.7 Errors of Addition in MT Output |
| 4.2 Post-editing Strategies for Machine Translated Abstracts |
| 4.2.1 Post-editing Strategies for Long and Complex Sentences |
| 4.2.2 Post-editing Strategies for Passive Voice Sentences |
| 4.2.3 Post-editing Strategies for Technical Terms |
| CHAPTER5 CONCLUSION |
| 5.1 Major Findings |
| 5.2 Limitations and Suggestions |
| References |
| Appendix Source Texts and Target Texts of300 Abstracts |
| 1-20 Abstracts |
| 21-40 Abstracts |
| 41-60 Abstracts |
| 61-80 Abstracts |
| 81-100 Abstracts |
| 101-120 Abstracts |
| 121-140 Abstracts |
| 141-160 Abstracts |
| 161-180 Abstracts |
| 181-200 Abstracts |
| 201-220 Abstracts |
| 221-240 Abstracts |
| 241-260 Abstracts |
| 261-280 Abstracts |
| 281-300 Abstracts |
| ACKNOWLEDGEMENTS |
（9）无人机数据采集系统的优化传输策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 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 基于UAV数据分发及采集系统的研究现状 |
| 1.2.2 基于UAV路径规划和部署议题的研究现状 |
| 1.2.3 基于UAV安全议题的研究现状 |
| 1.2.4 基于UAV协同通信系统的研究现状 |
| 1.3 本文主体结构及主要工作 |
| 第2章 基于UAV数据采集系统优化中的关键技术 |
| 2.1 UAV推进能耗的系统模型 |
| 2.1.1 UAV上的作用力 |
| 2.1.2 UAV水平直线飞行所需的功率 |
| 2.1.3 UAV水平绕圈飞行所需的功率 |
| 2.1.4 UAV飞行轨迹q(t)所需的能量 |
| 2.2 UAV路径优化 |
| 2.2.1 间接法 |
| 2.2.2 直接法 |
| 2.2.3 智能优化算法 |
| 2.3 凸优化技术 |
| 2.3.1 凸优化的定义 |
| 2.3.2 一般求解方法 |
| 2.4 Pareto最优 |
| 2.4.1 经济学中的Pareto最优状态理论 |
| 2.4.2 生产中的Pareto最优条件 |
| 第3章 基于简单飞行轨迹下UAV数据采集系统节能分析 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.3 UAV水平直线飞行 |
| 3.3.1 直线轨迹下能量最小化 |
| 3.3.2 直线轨迹下单GT与 UAV间的能量权衡 |
| 3.4 UAV绕圈飞行 |
| 3.4.1 圆形轨迹下能效最大化 |
| 3.4.2 圆形轨迹下单GT与 UAV间的能量权衡 |
| 3.5 数值仿真结果分析 |
| 3.6 本章小结 |
| 第4章 UAV数据采集:多路径、轨迹优化、能量权衡 |
| 4.1 引言 |
| 4.2 系统模型及问题描述 |
| 4.2.1 系统模型 |
| 4.3 多GT和 UAV任意飞行 |
| 4.3.1 最优资源分配和轨迹设计问题描述 |
| 4.3.2 线性离散状态-空间近似 |
| 4.3.3 多用户UAV网络联合优化轨迹和资源分配方案设计 |
| 4.3.3.1 UAV飞行轨迹一定时最小化能耗 |
| 4.3.3.2 固定轨迹优化资源分配 |
| 4.3.3.3 固定资源分配优化UAV轨迹 |
| 4.3.3.4 最优资源分配与UAV轨迹设计的迭代方法 |
| 4.4 仿真结果与分析 |
| 4.5 本章小结 |
| 第5章 基于UAV移动中继的保密能效最大化研究 |
| 5.1 引言 |
| 5.2 系统模型及问题描述 |
| 5.2.1 系统模型 |
| 5.2.2 问题描述 |
| 5.3 解决方案 |
| 5.3.1 通信调度优化 |
| 5.3.2 发射功率优化 |
| 5.3.3 UAV轨迹优化 |
| 5.3.4 联合通信调度、发射功率、UAV轨迹的迭代算法 |
| 5.3.5 UAV轨迹初始化 |
| 5.4 仿真结果与分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 未来研究展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（10）数据驱动优化控制及其在汽车零部件柔性生产过程监控中的研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 术语表 |
| 第一章 绪论 |
| 1.1 课题研究的来源 |
| 1.2 课题研究的目的和意义 |
| 1.3 国内外研究概况 |
| 1.3.1 生产过程监控研究现状与问题 |
| 1.3.2 数字孪生建模及数据融合研究现状与问题 |
| 1.3.3 演化深度学习研究现状与问题 |
| 1.4 论文的研究思路及主要研究内容 |
| 1.5 本章小结 |
| 第二章 基于数字孪生建模的数据融合方法研究 |
| 2.1 汽车零部件柔性生产过程的数据采集与多源信息融合 |
| 2.2 汽车零部件柔性生产过程的数字孪生建模方法 |
| 2.3 汽车零部件柔性生产过程的数字孪生数据融合方法 |
| 2.4 仿真建模 |
| 2.5 本章小结 |
| 第三章 演化优化算法与决策研究 |
| 3.1 演化优化算法与决策 |
| 3.1.1 演化优化算法 |
| 3.1.2 基于演化优化算法的多目标决策 |
| 3.2 数控切削参数的演化算法优化实例 |
| 3.2.1 问题背景 |
| 3.2.2 切削模型建立 |
| 3.2.3 约束处理 |
| 3.2.4 算法设计 |
| 3.2.5 算法验证 |
| 3.2.6 层次分析法决策 |
| 3.3 钢铁热轧排程的演化算法优化设计 |
| 3.3.1 问题背景 |
| 3.3.2 数学模型建立与优化 |
| 3.3.3 约束处理 |
| 3.3.4 算法设计 |
| 3.3.5 实验设置 |
| 3.4 本章小结 |
| 第四章 基于演化深度置信学习的非线性系统建模方法研究 |
| 4.1 高维多目标演化算法设计 |
| 4.1.1 高维多目标演化算法 |
| 4.1.2 复杂生物地理学算法框架的高维多目标算法设计 |
| 4.1.3 实验设置 |
| 4.2 演化深度置信学习的非线性系统建模研究 |
| 4.2.1 深度置信学习模型 |
| 4.2.2 演化深度置信学习算法 |
| 4.2.3 基于演化深度置信学习的设备故障诊断与预测的非线性系统建模 |
| 4.3 本章小结 |
| 第五章 数控加工中心反向间隙误差预测性维护方法研究 |
| 5.1 数控加工中心的反向间隙误差 |
| 5.2 基于分层的反向间隙误差诊断和预测性维护系统 |
| 5.3 基于演化深度置信学习的加工中心反向间隙误差预测性维护研究 |
| 5.4 实验设置 |
| 5.5 本章小结 |
| 第六章 面向汽车零部件柔性生产的智能监控管理系统研究 |
| 6.1 柔性生产线智能监控管理系统需求分析 |
| 6.2 柔性生产线智能监控管理系统总体设计 |
| 6.3 柔性生产线智能监控管理系统软硬件设计 |
| 6.4 柔性生产线智能监控管理系统功能设计 |
| 6.5 柔性生产线智能监控管理系统应用 |
| 6.6 本章小结 |
| 第七章 结论与展望 |
| 7.1 本文研究成果 |
| 7.1.1 理论研究成果 |
| 7.1.2 应用研究成果 |
| 7.1.3 本文创新点 |
| 7.2 进一步研究方向 |
| 参考文献 |
| 作者在攻读博士学位期间公开发表的论文 |
| 作者在攻读博士学位期间所参与项目 |
| 致谢 |
四、对资源分配状态最优化的一种讨论——严格局部Pareto最佳的一个充分条件（论文参考文献）
- [1]基于多种智能算法的移动边缘计算资源分配策略研究[D]. 吴名位. 扬州大学, 2021(02)
- [2]基于上校赛局博弈的企业信息系统安全策略研究[D]. 陈蕾. 北京交通大学, 2021(02)
- [3]流程工业调度模型与算法及其在造纸工业中的应用研究[D]. 党世红. 陕西科技大学, 2021(01)
- [4]装配式建筑构件生产优化调度模型与算法研究[D]. 韩梦瑶. 沈阳建筑大学, 2021
- [5]基于深度信念网络的闭环供应链网络优化[D]. 高秀秀. 沈阳大学, 2021(06)
- [6]基于混合量子算法的生产车间干扰管理问题应用研究[D]. 孙晶华. 大连交通大学, 2020
- [7]基于多目标规划的城市水资源优化配置研究[D]. 崔惠敏. 西安理工大学, 2020(11)
- [8]计算机科技论文摘要的机翻错误类型及译后编辑[D]. 付茜雯. 大连理工大学, 2020(06)
- [9]无人机数据采集系统的优化传输策略研究[D]. 翁晨帆. 南昌大学, 2019(02)
- [10]数据驱动优化控制及其在汽车零部件柔性生产过程监控中的研究与应用[D]. 王宸. 上海大学, 2019(03)