首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

基于增强学习的启发式和元启发式搜索的参数调优策略

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第10-17页
    1.1 研究工作的背景与意义第10-11页
    1.2 研究现状第11-14页
    1.3 论文的创新点第14-15页
    1.4 论文内容与组织结构第15-17页
第二章 理论基础第17-29页
    2.1 启发式算法和元启发式算法概述第17-18页
    2.2 常见启发式算法和元启发式算法第18-25页
        2.2.1 局部搜索算法第18-19页
        2.2.2 模拟退火算法第19-20页
        2.2.3 禁忌搜索算法第20-23页
        2.2.4 遗传算法第23页
        2.2.5 迭代局部搜索算法第23-24页
        2.2.6 混合启发式算法第24-25页
    2.3 增强学习算法理论基础第25-27页
        2.3.1 基本原理和模型第25-26页
        2.3.2 评价函数第26-27页
        2.3.3 Markov决策过程第27页
    2.4 本章小结第27-29页
第三章 基于参数调优策略的局部扰动搜索算法第29-46页
    3.1 局部扰动搜索算法第29-38页
        3.1.1 算法的基本思想和基本流程第29-35页
        3.1.2 算法的构成要素第35-38页
    3.2 参数调优策略的设计第38-45页
        3.2.1 参数调优策略的分类第38-39页
        3.2.2 Q学习算法介绍第39-40页
        3.2.3 基于Q学习算法的参数调优策略第40-45页
    3.3 本章小结第45-46页
第四章 局部扰动搜索算法在求解优化问题中的应用第46-73页
    4.1 UBQP问题第46-60页
        4.1.1 UBQP问题概述第46页
        4.1.2 已有求解UBQP问题的算法第46-48页
        4.1.3 求解UBQP问题的局部扰动搜索算法第48-55页
        4.1.4 测试及结果分析第55-60页
    4.2 Max-Cut问题第60-71页
        4.2.1 Max-Cut问题概述第60页
        4.2.2 已有求解Max-Cut问题的算法第60-62页
        4.2.3 求解Max-Cut问题的局部扰动搜索算法第62-66页
        4.2.4 测试及结果分析第66-71页
    4.3 本章小结第71-73页
第五章 总结与展望第73-75页
    5.1 论文的主要工作第73页
    5.2 研究工作展望第73-75页
致谢第75-76页
参考文献第76-80页
攻读硕士学位期间的研究成果第80-81页

论文共81页,点击 下载论文
上一篇:高速运动线缆表观检测中全景图像采集系统的研究
下一篇:三维纹理轮廓测量系统及轮廓重建