一、基于混沌理论的遗传算法改进及应用研究（论文文献综述）
郭义戎[1]（2021）在《基于城市道路交通数据的交通流短时预测与诱导方法研究》文中研究指明智能交通系统（Intelligent Transportation System,ITS）是指将先进的信息技术、数据通讯传输技术、电子传感技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内实时、准确、高效的综合交通运输管理系统。随着当今社会信息的快速传递,智能交通系统中数据获取和处理的数量呈指数增长,如何从高速增长的数字信息中分析掌握可靠的交通信息对交通管理有着深远的意义。因此,为了充分挖掘和利用交通数据中蕴含的丰富交通信息,进一步提高交通状态预测和识别的精确度,有必要研究和探索交通状态预测的新方法。有必要研究和探索用于交通状态预测的新方法,以充分挖掘交通数据所蕴含的丰富交通信息,进一步提升交通状态判别与预测的准确性和可靠性。论文结合现代信息技术中不同的信息处理方法,从数据预处理、交通预测、交通诱导等角度逐步探讨了城市道路交通数据的一些可靠分析方法,解决交通数据中个别样本缺失、交通预测准确率低、诱导信息利用效率不高等问题。具体工作内容如下:（1）基于低秩矩阵的交通数据插补方法为了从交通大数据中分析及掌握可靠的交通信息,结合现代信息技术,探讨了城市道路交通数据的特性及故障数据产生的原因,由于交通数据的缺失将严重影响交通信息系统的性能,有必要对交通数据插补进行研究。首先,介绍了基于核范最小化的低秩矩阵插补模型;其次,在传统的低秩矩阵插补方法中将奇异值部分和最小化范数代替核范数对低秩矩阵交通数据进行恢复;最后,提出了一种将有序约束项引入到奇异值部分和最小化的改进方法。通过真实的两类交通数据验证了对缺失交通数据的恢复,证明了提出的方法优于传统方法。（2）基于多交通参数融合的城市道路交通流短时预测方法针对交通系统的混沌现象,为了更全面的反映交通状况的变化特征,采用多交通参数从不同的侧面为短时交通预测提供更加完整的交通状态变化特征。首先,由于一维的时间序列结构单一且包含的信息量很少,并不能够展现高维复杂系统的运动规律。因此根据交通参数的混沌特性,短时交通流预测模型需要引入相空间重构并依据相空间重构后所展现的客观规律进行预测;其次,研究基于贝叶斯估计理论的多参数时间序列在高维相空间中的相点融合问题;再次,介绍了基于传统最大Lyapunov指数的多交通参数交通状态预测模型;最后,应用广义回归神经网络改进了基于最大Lyapunov指数的多交通参数交通状态预测模型,并利用城市道路交通数据对改进的预测方法与传统的基于Lyapunov指数的预测方法的精确性进行了对比验证。结果表明,改进的基于广义回归神经网络多交通参数交通状态预测方法具有较高的预测精度和效率。（3）基于多神经网络融合的城市道路交通流短时预测方法基于广义回归神经网络的多交通参数融合交通流短时预测方法在复杂路网情况下容易陷入局部极小状态,通过神经网络算法良好的识别复杂非线性系统的特性及多种神经网络模型的相互补充,提出了一种循环神经网络、误差反向传播神经网络、广义回归神经网络优势的城市道路交通数据短时交通状态预测模型。通过多种神经网络模型优缺点的互补,验证了融合后的预测结果能够更好的提升城市道路交通数据短时预测精确度。（4）基于诱导信息效用最大化的VMS（Variable Message Sign,VMS）优化布设新方法在现有诱导效用最大化模型的基础上,提出了一种新的基于实际诱导效用最大化的可变信息板优化布设方法。该方法主要是对原有的效用最大化模型进行改进,通过对可变信息板诱导效用的复杂性进行分析,增加了重复诱导的效用与浪费的效用参与实际效用的计算,并对诱导覆盖率和诱导重复率进行重新定义,最后设计了基于贪婪算法的信息板优化布设的函数求解方法。通过36个路段的网络实例,验证了该方法简单有效,可以通过分析交通流的复杂状况对信息板进行优化配置,在区域道路复杂状况和交通需求点相对确定的条件下,提高整个系统的诱导效率,因而更符合实际交通流诱导的需要。（5）基于双层规划模型的VMS诱导信息发布方法为了合理地对城市交通流进行诱导,减少因VMS引起的不恰当的交通诱导,需要从使用者和管理者的博弈中进行优化,提出了基于双层规划模型的VMS诱导信息发布方法。首先,分析了交通系统管理者和使用者之间的博弈过程;其次,依靠双层规划模型建立了VMS诱导信息发布策略优化模型;最后,依据遗传算法实现了优化模型的求解方法。通过城市道路交通数据验证了VMS诱导策略优化过程的有效性,提高了路网的整体运行效率,为其进一步应用提供支持。
范家铭[2]（2020）在《基于PHM技术的高铁车载通信装备健康监测智能分析理论与方法的研究》文中进行了进一步梳理伴随着我国“一带一路”战略铺展开来,高铁已成为我国新“四大名片”之一,其知名度和重要性不亚于古老中国的“四大发明”。截止2019年末,中国已投入运营的高速铁路里程数达到3.5万公里,稳居世界首位。道路千万条,安全第一条,安全性是高铁飞速发展的基石。对关键零部件的健康状态监测,尤为重要。PHM（Prognostics and Health Management）技术可以对高铁在途运行设备进行状态感知、健康监控,并对故障的发生做出预测,从而降低安全风险。本文利用故障预测与健康管理的技术手段,以数据无损压缩技术、数据传输加密技术、故障特征提取方法、信号去噪技术、关键参数优化方法和神经网络方法为理论基础,建立基于PHM技术的高铁车载通信装备健康监测智能分析方法,实现了关键零部件的故障定位及预测。该方法虽然实现了故障快速定位和精准预测,但通常需要高性能计算机来支撑数据的计算和分析,所以本文将高铁运行数据进行实时无损压缩并加密后,通过铁路无线通信网络将数据回传至地面分析服务器,以其高性能计算能力快速、准确地进行故障定位和预测,有效地解决了高铁车载设备不具备高性能计算能力而无法实时处理数据的问题。地面分析服务器对数据进行解密和特征分析高效快捷,利用神经网络算法使故障识别和故障预测的精度及效率都得以保障,为保障高速铁路安全运营提供了重要的技术手段。本文提出的方法已在兰州铁路局项目中得到了应用,并在实际应用中不同程度的降低了运维成本和故障不可复现率,体现出PHM技术在故障诊断和故障预测研究方面的意义和价值。本文的主要研究成果如下:（1）针对高速铁路的安全运行问题,结合了故障预测与健康管理技术理论,提出了一种基于动车组PHM体系架构。该架构对高铁车载通信装备进行了PHM技术理论分析、故障诊断技术分析、预测技术分析、应用分析等技术进行论述,并基于故障预测与健康管理技术为理论基础提出了动车组故障预测与健康管理体系框架,对高铁车载通信装备的健康状态监测和故障预测方面提供重要理论指导。（2）高铁车载装备的网络资源有限,无法满足对监测的车载装备运行信息实时传输至地面服务器,为此提出了一种无损压缩技术与加密技术联合算法。该算法利用铁路既有无线网络基础在低带宽下实现实时传输高铁车载通信装备运行数据,以供地面服务器实时分析车载装备的健康状况和故障预测。该算法以行程长度无损压缩算法为基础进行了改进以降低数据的压缩比率,同时融入Logistic混沌理论和RSA加密算法以及Logistic置乱加密算法,减少网络传输时所占用的网络带宽,提高了网络传输的安全性,为进一步分析设备的健康状态和故障诊断及预测提供基础性保障。（3）故障诊断通常需要对故障特征进行提取并分析,去除数据中混杂的噪声。该部分对接收到的车载装备运行信息展开深入研究,针对高铁车载通信装备在运行中因场强信号而导致的故障问题,提出了一种基于PHM技术的高铁车载通信装备的故障诊断方法。该方法以双树复小波包变换为基础进行算法改进,同时结合了自适应噪声的完备经验模态分解来进行故障噪声的降噪与特征提取,然后利用无监督学习中的密度聚类方法进行自适应改进,并将提取出的特征类型进行特征分类,最后将分类结果输入到极限学习机中进行训练。实验验证了提出的故障诊断方法具有较强的特征提取能力、快速识别故障能力以及高精度的识别率,为设备的故障预测提供良好的支撑。（4）深入分析高铁车载通信装备的实际运行工况中,针对高铁车载通信装备故障发生率较高的原因是由于电池失效导致高铁车载通信装备无法正常工作的问题,提出了一种HA-FOSELM电池失效预测方法。该方法为了降低噪声对预测带来的影响,采用变分模态分解方法进行去噪处理,同时使用含有遗忘机制的在线序列极限学习机算法对去噪后的数据进行学习和训练,该算法支持数据的动态增量更新。为了提高算法的识别精度和降低关键参数对该算法的影响,引入了混合灰狼优化算法对HA-FOSELM方法的关键参数进行自适应优化,同时融合注意力机制,从而有效地提高了预测精度。通过实验验证,本文提出的方法在性能、效率、精度等方面都优于传统的神经网络算法,有效地降低了因电池故障导致列车行驶安全的问题。
陈攀[3]（2020）在《基于PSO-ANN-LSSVM的城市短期供水量组合预测模型研究》文中研究表明城市短期供水量预测是城市供水系统优化调度的基础,可为水务公司的优化调度做出决策,提高水资源利用率,同时节约能耗。本文为进一步提高城市短期供水量预测的精度,利用收集某市水厂的实测数据（时间步长为15分钟）为研究对象,开展了基于PSO-ANN-LSSVM的城市短期供水量组合预测模型研究,主要研究成果及结论如下:（1）基于数据预处理技术及混沌理论对原供水量时间序列进行降噪处理和混沌特性判定。首先判断出原始时间序列中存在噪声,会严重干扰预测模型,影响预测结果的精确性,因此本文采用标准差数据降噪法进行一倍、二倍及三倍数据预处理,共计得到四组数据。然后利用互信息法及Cao法分别计算得到的最佳延迟时间及最优嵌入维数对降噪后的四组供水量时间序列进行相空间重构,并在此基础上对各预测模型进行模型的建立。最后采用定量分析法最大Lyapunov指数进行混沌特性判定,经计算各组供水量时间序列最大Lyapunov指数均大于零,表明四组供水量时间序列均具有混沌特性及可预测性。（2）基于神经网络、最小二乘支持向量机（LSSVM）及粒子群智能优化算法（PSO）对供水量实例进行预测分析。针对城市短期供水量非线性程度高、预测难度大的难题,本文利用非线性处理能力较强的BP、RBF神经网络以及LSSVM模型在相空间重构的基础上进行供水量预测。预测结果表明:（1）以上三种预测模型均能预测供水量整体趋势,但局部预测效果有较大提升空间;（2）适当的数据降噪处理可有效提升模型预测精度。考虑到BP、RBF神经网络预测精度受参数设置的限制,本文利用粒子群智能优化算法（PSO）对BP及RBF神经网络的参数进行优化,得到PSO-BP及PSO-RBF优化预测模型,并利用四组供水量实例进行模型验证及分析探讨。最终预测结果表明:（1）两种优化模型同样能够追踪四组供水量时间序列的整体变化趋势,且经PSO优化参数以及数据降噪后大幅提高了预测精度,降低了预测误差;（2）各组供水量时间序列中,PSO-BP神经网络的MAPE、MSE及R2三个评价指标较BP神经网络分别提升约5%、0.03及0.06;PSO-RBF神经网络的MAPE、MSE及R2三个评价指标较RBF神经网络分别提升约3%、0.02及0.03;（3）优化模型在局部预测效果上有了明显提升,且适当的数据降噪处理可有效提升模型预测精度。（3）基于PSO-BP、PSO-RBF优化预测模型及LSSVM模型,在组合预测方法上进行改进,提出一种新的PSO-ANN-LSSVM城市短期供水量串并联加权组合预测模型。针对单一预测模型存在精度低的问题,本文首先将PSO-BP及PSO-RBF优化模型分别与LSSVM模型采用串联组合方式进行单独预测,得到PSO-BP-LSSVM及PSO-RBF-LSSVM串联组合预测模型的预测结果,然后采用最优组合预测方法,利用固定权重将两者预测结果进行加权组合,最终得到串并联加权组合预测模型的预测结果。最终结果表明:（1）串并联加权组合预测模型的MAPE、MSE及R2三个评价指标较PSO-BP-LSSVM串联组合预测模型分别提升约0.9%、0.01及0.04,较PSO-RBF-LSSVM串联组合预测模型分别提升约0.5%、0.02及0.01;（2）相较于各单一模型（BP、RBF、LSSVM、PSO-BP、PSO-RBF）三个评价指标有大幅提升,其中MAPE提升幅度为4%～10%;MSE提升幅度为0.03～0.06;R2提升幅度为0.01～0.15;（3）其中一倍标准差降噪效果最优。
虞海彪[4]（2020）在《基于混沌时间序列的光伏功率预测方法研究》文中研究指明随着化石能源的日益枯竭以及人们对环境污染问题愈来愈关注,光伏发电的开发与利用已经成为世界各国解决能源和环境制约问题的共同方案,光伏发电系统已经成为电力系统的重要组成部分。然而,光伏功率受天气、云层、温度等多种因素的影响具有较强的随机性、波动性和间歇性,这会对大电网的安全稳定运行造成严重冲击。有效的光伏功率预测方法可以减小电网的运行成本,保护电网的安全稳定运行,电力工作者也可据此制定合理的经济调度计划。鉴于基于气象数据的传统光伏功率预测方法带有人为主观性,本文从深入挖掘光伏功率时间序列的动力学行为出发,给出了基于混沌时间序列的光伏功率预测研究方向,即基于单变量时间序列的光伏功率预测和基于多变量时间序列的光伏功率预测。首先,回顾了混沌的定义和基本概念,理清了相空间重构理论,延迟时间和嵌入维数两个关键参数的具体求解方法,介绍了关联维数法、最大Lyapunov指数法、递归图法3种混沌时间序列的判定方法,并以实际光伏电站的数据验证了光伏功率时间序列具有混沌特性。其次,由于在混沌理论中,现有嵌入维数计算方法往往难以获得时间序列的最佳嵌入维数,且不同计算方法获得的嵌入维数稍有不同,相应光伏功率的预测结果也就不同。为减小嵌入维数对预测结果的影响,研究了一种基于多嵌入维Volterra滤波器的光伏功率自适应预测方法。以实际光伏功率时间序列为研究对象,分别利用互信息法、Cao氏法确定延迟时间和嵌入维数,构建了基于多嵌入维数的Volterra组合预测模型,组合模型采用神经网络对各嵌入维数下的Volterra单一模型进行组合。仿真结果验证了所提方法的可行性和有效性。然后,为有效避免神经网络陷入局部最优,研究了一种基于天牛群优化（beetle swarm optimization,BSO）-Elman神经网络的光伏功率全局预测方法。在分析粒子群优化（particle swarm optimization,PSO）和天牛须搜索（beetle antennae search,BAS）算法特点的基础上,把由PSO和BAS有机结合在一起的BSO算法应用到Elman神经网络的预测中。在对光伏功率时间序列相空间重构后,BSO进行第一次迭代寻找全局最优解,并将其作为Elman神经网络的最优初始权重。在此基础上,Elman神经网络进行第二次迭代完成训练并以此预测光伏功率。以实际光伏电站数据为算例的预测结果和误差对比分析,验证了所提方法的适应性更强、鲁棒性和稳定性更好。最后,针对光伏功率单变量时间序列预测方法的不足,研究了一种基于多变量相空间重构和径向基函数（radial basis function,RBF）神经网络的光伏功率全局预测方法。基于相关性分析,选取实际光伏电站的历史光伏功率和气象因素时间序列组成多变量时间序列;而后,利用C-C法和虚假邻近点（false nearest neighbors,FNN）法重构光伏功率预测的多变量相空间,并以小数据法识别其混沌特性;在此基础上,结合神经网络强大的非线性拟合能力,建立了基于多变量相空间重构和RBF神经网络的光伏功率全局预测模型。算例分析表明,相较于单变量预测方法,所提出的多变量相空间重构预测方法性能更加优越。
韩宇[5]（2020）在《基于混沌云遗传算法的水库生态调度优化方法研究》文中认为水库的大量修建改变了河流天然水文情势,打破了河流生态系统长期形成的动态平衡,造成河道萎缩、泄洪能力下降、营养物质沉积、水质恶化、生物栖息地环境变化,进而造成了水生生物种类及数量下降甚至濒临灭绝。因此,从传统水库调度转为生态调度势在必行,但目前我国水库生态调度研究主要集中于水量调度,忽略了河流天然动态变化特征,而水文过程的变化对水生生物的生长繁育又有较大影响,为此,本文以安康水库为研究对象,针对其目前存在的生态问题,开展满足最小生态需水量与恢复天然水文过程的水库生态调度研究,建立了基于混沌云遗传混合优化算法（Chaotic Cloud Genetic Algorithm,CCGA）的水库生态调度优化方法,并利用实测资料,开展了调度研究,测试了该优化方法的可行性与优越性。本文主要研究内容及成果如下:（1）基于Tennant法和逐月最小生态径流法,推求了安康水库下游河道逐月最小生态需水量,将其作为约束条件,引入模糊赋权法,将改变度较大且对鱼类生命进程有重要作用的水文指标聚合为生态完整度函数,将其作为生态目标,建立了满足发电、发电保证率以及适宜鱼类生存繁衍的水文过程的水库生态调度模型。（2）考虑水库生态调度模型求解,针对遗传算法进化后期种群多样性降低、易陷入局优、收敛速度慢等不足,通过对比分析Logistic映射、Tent映射、Henon映射和Cat映射的优化性能,确定采用Cat映射对遗传算法中适应度值较差的个体进行全局混沌扰动,并采用云模型的正向正态云发生器对遗传算法中适应度值较优的个体进行局部搜索,通过引入种群分配系数α和混合控制代数mixg,提出了混沌云遗传混合优化算法（CCGA）,设计了求解流程,建立了基于CCGA的水库生态调度优化方法。（3）根据安康水库历史水文数据,完成了水库生态调度,与实际调度方案对比分析,验证了本文建立的优化方法的可行性,同时,选用多种优化算法对本文建立的水库生态调度模型进行求解,对比优化结果与优化过程,测试了本文建立的优化方法的优越性。
王娟[6]（2019）在《基于动态轮数的混沌分组密码研究》文中指出保障智能卡、射频识别、无线传感器网络等资源受限设备的信息安全,已成为密码学领域备受关注的科学问题。为能更好实现密码性能在安全与高效之间的有效兼顾,本文对基于动态轮数的混沌分组密码开展研究。主要研究内容说明如下:针对有限运算精度造成混沌系统动力学特性退化,通过统计测试分析得出量化方法和参数设置对数字混沌特性的影响规律,采用级联和扰动的补偿方式构建动力学特性显着增强的数字混沌模型,从而更好满足混沌密码部件及算法设计的应用要求。针对数字混沌序列存在局部周期现象容易导致弱密钥,在混沌密钥的生成及扩展中分别引入DNA编码和遗传算法,以增强随机性、降低相关性为依据设计DNA动态判决编码和遗传迭代优化机制,仅需很小的计算代价就能有效降低数字混沌序列的局部不平衡性,从而提高密钥的安全性能。针对如何基于混沌提取构成S盒的元素值这一关键问题,一是利用数字级联混沌迭代的非线性和随机性动态遍历筛选,二是采用烟花算法对Lorenz混沌解空间搜索寻优选取。两种方法既可以缓解混沌S盒对其采用混沌系统的较大依赖,也能在增强混淆特性的同时提高构造效率。针对传统分组密码中增加加密轮数将提高密码安全性,但过多加密轮数将影响密码高效性,提出一种动态轮数混沌分组密码。该密码通过加密轮数的动态可变增强抗攻击能力,使其以较小区间内的动态轮数迭代就能达到较大固定轮数加密的安全性能,从而达到降低资源开销的目的。针对传统分组密码对所有明文信息均采用相同的加密流程,容易出现对重要信息加密的安全性不足导致信息泄露和破译,而对非重要信息加密的安全性过强造成不必要的计算负担和资源消耗,提出一种基于摘要提取算法且适用于线上文本加密的动态轮数混沌分组密码。利用基于关键词的摘要提取算法实现文本明文中重要信息的实体标注,并对标注的少量重要信息和未被标注的大量非重要信息分别进行较大和较小区间内的动态轮数加密。该密码通过对不同信息实行不同级别的动态加密,能更好实现安全性能与资源消耗之间的有效兼顾,对于保障资源受限设备的信息安全具有一定的理论意义和应用价值。
张琼[7]（2019）在《基于遗传算法的混沌图像加密系统》文中研究表明信息安全始终围绕着人类的日常生活,随着近几年多媒体和云计算技术的快速发展,如何对数据隐私特别是图像信息进行保护已经成为了人们最为关心并亟待解决的问题。对传输的图像进行数据加密是防止数据隐私遭遇泄露的一项重要技术。研究表明,混沌系统因为其具有伪随机特性轨道,良好的拓扑传递性,以及对初始条件和一系列控制参数的敏感特性,能够在图像加密应用技术中起到十分重要的作用。相比于传统加密方式,使用混沌系统对图像进行加密效果更好,并且有更高的安全性。本文首先对基于混沌系统的图像加密方法进行简要论述,通过分析研究,结合最新的混沌理论,设计出安全性更好、加密解密效率更高的加密系统。本文的主要研究内容以及我做的工作包括了以下几个方面:（1）首先对图像加密算法中常用的置乱算法和扩散算法进行比较分析,并对算法使用常见的分析指标进行对比评价;（2）为了适应不同复杂程度的图像加密效率,本文提出一种基于遗传算法的混沌数字图像加密方案。利用遗传算法最优化特性,对加密过程中的部分参数作优化处理。实验结果分析表明,结合了遗传算法的加密方案不仅可以更好地解决原先普遍存在的图像加密效率问题,同时也提高了加密过程中的安全性;（3）为增强密钥安全性,提出一种基于遗传算法的复合密钥图像加密算法,通过混沌映射与公钥、混沌映射与部分私钥相互作用产生密钥矩阵,然后结合遗传算法对密钥矩阵进行优化操作,得到适应度值最高的作为最终密钥,对图像进行异或、扩散和置乱加密。实验证明,基于遗传算法的复合密钥图像加密系统过程简单但又不失复杂度,能够保证算法的运行效率,以及保证合理的加密/解密时间。
王健[8]（2019）在《面向云PACS系统的医学图像加密算法研究》文中研究表明数字化医院已经成为未来医院发展的必然趋势,影像归档和通信系统（Picture Archiving and Communication Systems,PACS）是其重要的信息支撑。PACS系统主要面向医院的医学影像类科室,将患者就诊过程中产生的各类医学影像（包括数字DR、CT、核磁、超声、内镜、显微镜、眼底造影等设备）通过各种接口（模拟信号,DICOM协议,网络）以数字化的方式海量存储,供医生随时调阅。云PACS系统作为软件即服务的模式（Software-as-a-Service:SaaS）,将各级医院不同科室的海量影像数据存储到云端,保证图像由端到云的传输和存储安全是云PACS广泛部署的主要瓶颈。各级医院影像设备品牌、性能不一,产生的图像分辨率、清晰度各异。如何实现多源医学图像的有效分类加密是云PACS亟待解决的关键问题。论文根据图像分辨率、色彩进行分类,对医学图像的加密进行研究,提出了有针对性的加密方法,提高了医学图像的加密能力。首先,针对云PACS系统中数字DR等X射线设备形成的高分辨率灰阶图像,论文提出基于提升小波优化的数字图像快速加密方法。通过软阈值法和硬阈值法相结合的方法对阈值法进行了改进,解决了提升小波更新算子问题;在动态惯性权重的基础上,提出一种非均衡变异策略来随机调整最优粒子位置的改进粒子群算法,解决了提升小波线性预测算子问题。通过对提升小波的更新算子与线性预测算子的优化,提升了提升小波的快速分解能力,使数字图像进行自适应小波分解后得到的小波低频系数具有良好的稀疏性。进而设计了图像低频系数加密置乱模式,充分利用混沌系统初值敏感和参数敏感的特点,选用两个混沌序列,对图像低频系数进行灰度值加密和位置置乱,相应的扩展了加密系统密钥空间。其次,针对云PACS系统中CT、核磁等设备形成的多序列低分辨率灰阶图像,论文提出基于经验模式分解的数字图像自适应加密方法。针对图像自身的特点,将图像进行经验模式分解后,选取图像失真程度最小的分量进行加密,然后重组图像。采用经验模式分解算法对数字图像进行分解,破坏了相邻像素之间的相关性,起到了良好的加密效果。在图像加密过程中,采用以密钥序列导引为基础的图像自适应加密方式。引入用户密钥,利用安全哈希算法获得定长密钥序列,基于一次一密的加密思想,自适应变换加密密钥和动态构造加密置乱模式,循环导引像素灰度值加密及像素位置置乱,提升数字图像快速加密能力。再次,针对云PACS系统中病理切片、眼底摄影等显微镜设备形成的高分辨率彩色图像,论文提出一种基于遗传与混沌数字图像加密算法。通过在数字图像置乱过程中引入超混沌系统,使得图像置乱结果不仅取决于初始密钥产生的混沌序列,还取决于图像本身的特征,使其具有一定的自适应特征,通过引入遗传算法进行图像加密解密过程参数的动态优化,得到最佳的加密解密过程和步骤。在加密过程中,引入明确的反馈机制,提高对明文的敏感性及抵抗能力,提高加密效率,解决了加密图像受明文攻击和选择密文攻击时高维混沌加密耗时过长、效率低等问题。最后,针对云PACS系统中胃肠镜、支气管镜等内窥镜设备形成的低分辨率彩色图像,论文提出一种基于凯莱图和对换的S-盒构造图像加密算法。在S-盒图像置乱的标准算法基础上,提出了基于凯莱图和对换的S-盒图像置乱加密算法,引入了Chen混沌理论,产生混沌随机序列,经测试和分析,论文构造的S-盒的双射性、非线性度、严格雪崩准则、均匀差分性可以满足密码算法的安全性。通过实验分析,基于凯莱图低分辨率彩色图像和对换的S-盒构造图像加密算法可以实现PACS系统中低分辨率彩色图像快速加密。
王硕[9]（2019）在《基于特性分析的短时交通流预测方法研究》文中研究说明随着我国社会经济的高速发展,城市化水平不断提升,机动车保有量急速增长,城市交通拥堵、交通安全和环境污染问题日益严重。作为解决城市交通问题最有效的方法之一,智能交通系统（Intelligent Traffic System,ITS）受到了世界范围内的广泛关注。交通控制和诱导作为ITS的核心应用,在缓解交通拥堵、提升交通安全和降低环境污染方面发挥着重要作用,而实现交通控制和诱导的基础在于实时准确的交通流预测。在交通流预测研究领域,国内外学者提出了大量具有开拓性和创新性的交通流预测方法。但由于研究重点多集中在模型和算法的优化上,较少考虑交通流数据自身特性,故难以在精度和稳定性上有所突破。因此本文在深入分析交通流数据的基础上,提出适应交通流特性的预测模型,实现实时准确的交通流预测,为交通控制和诱导提供基础。首先,在总结相关研究现状的基础上,对城市快速路的交通流特性进行分析。根据交通流的时空相关性,使用3D形函数时空插值方法进行缺失和错误数据的修复,以减小因异常数据产生的预测误差。根据交通流的混沌特性,使用相空间重构方法进行预测模型输入集的构造,以避免主观选择模型输入带来的误差。其次,在判别交通流混沌特性的基础上,引入回声状态神经网络,并使用相空间重构的数据建立了交通流预测模型。实验结果证明,与传统交通流预测模型相比,该模型精度更高。为解决模型超参数选择的难题,引入思维进化算法搜索回声状态网络的最优储备池参数组合。实验证明该算法不易陷入局部最优,通过该算法改进的回声状态网络具有更高预测精度。最后,针对交通流数据因剧烈波动而难以被准确预测的问题,在上述研究的基础上,建立了基于分解与重构的交通流预测模型。从数据结构的角度出发,将具有自适应分解能力的经验模式分解方法运用于交通流预测,从而将波动率大、非平稳的交通流序列转化为较为平稳的分解序列,增强其可预测性。实验证明该方法能够大幅提升交通流预测的精确度。同时,针对单一流量输入包含信息有限的问题,提出了基于多变量分解与重构的交通流预测模型。该模型根据交通流三参数的相关关系,将速度和占有率数据转换为理论流量数据,并将理论流量与实际流量进行分解与重构后共同作为预测模型输入,实验证明该方法可进一步提升交通流预测精度。图56幅,表20个,参考文献92篇。
徐鑫洲[10]（2019）在《基于改进蚁群算法的集装箱运输多车型集卡调度问题研究》文中研究说明集装箱码头运输因其高效、低成本、低损耗等特点,在国际贸易运输中受到广泛的青睐。然而,随着集装箱运输量的进一步增加以及超大型集装箱船的出现对我国各级港口带来了新的挑战,现有的集装箱码头必须对集装箱作业的各个环节进行优化和改进,才能保持自身优势,提高与同级港口之间的竞争力,避免被市场淘汰。集装箱码头的集卡调度问题是集装箱码头运输系统中的重要内容,在码头作业过程中,集卡作为一种重要的运输工具,用来连接码头运输系统的各个部分,其主要特点有:交通方式单一、交通流量规律、港内行驶速度限制严格、点多面广、有时间窗和其他装卸运输工具协同作业等。集装箱码头水平运输系统的作业过程主要包含以下几个部分:海测码头船舶装卸作业中的集卡与装卸堆场之间的水平运输、陆侧经过码头闸口送提箱作业的外来车辆的水平运输、码头堆场内部的归、并、转箱区整理作业中箱区间的水平运输等三部分。本文对集卡的调度问题进行了研究,旨在最大可能减少集装箱码头集卡的运输成本,并有效提高集卡调度系统的作业效率,从而增强港口的竞争力。本文在考虑集卡工作效率和船舶到港时间不确定的情况下,对传统每个岸桥配备固定数量的集卡调度模式进行改进,建立了共享式集卡动态调度模型,其打破了传统的集卡服务模式,集卡不为固定的岸桥服务,所有作业中的岸桥均可共享所有的集卡,每辆集卡可对应多条作业路径。即该模型将集卡设定为一个互相协助的群体,保证集卡处于空闲状态或空载过程后,能够迅速被选投入新的工作路径中。其次,为了提高集装箱在装卸过程中集卡和堆场之间的协作效率,本文考虑了堆场可存储位置动态变化条件下的集卡调度问题。传统对集卡调度的研究,均将堆场设置为一个固定的点,而在实际运输过程中,堆场可存储位置会随着集装箱装卸作业发生变化。,随后,由于国内大部分研究集卡调度的文献,均将运输集卡设定为单挂集卡,鲜有对多车型集卡调度方面的研究。本文根据集装箱港口的实际情况,对集卡调度问题进一步拓展,建立堆场可存储位置动态变化的多车型共享式集卡调度模型,并运用改进后的蚁群算法对其进行求解。最后,鉴于所建立的共享式集卡调度模型是是典型的NP（Non-deterministic Polynomial）问题。本文设计了一种改进的蚁群算法对问题进行求解。通过实际案例对模型和改进算法的性能进行了检验,检验结果表明:提出的算法可以有效地求解这类集卡调度问题。
二、基于混沌理论的遗传算法改进及应用研究（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、基于混沌理论的遗传算法改进及应用研究（论文提纲范文）
（1）基于城市道路交通数据的交通流短时预测与诱导方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略语说明 |
| 第1章 绪论 |
| 1.1 课题的研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 信息处理技术在智能交通中的国内外研究现状 |
| 1.2.1 交通数据预处理现状 |
| 1.2.2 交通状态预测现状 |
| 1.2.3 交通诱导信息处理现状 |
| 1.3 现有研究存在的问题与分析 |
| 1.4 论文的主要研究内容与创新点 |
| 1.5 论文的组织结构与安排 |
| 第2章 基于低秩矩阵的交通数据预处理方法 |
| 2.1 引言 |
| 2.1.1 城市道路交通数据特性分析 |
| 2.1.2 交通流参数数据检测技术 |
| 2.1.3 交通故障数据产生的原因 |
| 2.2 基于低秩矩阵的交通数据插补模型介绍 |
| 2.2.1 基于低秩矩阵的交通数据插补方法应用实例 |
| 2.2.2 基于核范数最小化的低秩矩阵插补模型 |
| 2.3 一种改进的低秩矩阵交通数据插补方法 |
| 2.3.1 基于稳健主成分分析矩阵插补方法研究 |
| 2.3.2 基于PSSV的交通数据插补方法 |
| 2.3.3 基于OPSSV的交通数据插补方法 |
| 2.3.4 实验验证与分析 |
| 2.4 本章小结 |
| 第3章 基于多交通参数融合的城市道路交通流短时预测方法 |
| 3.1 引言 |
| 3.2 交通参数的混沌特性 |
| 3.3 多参数时间序列相空间重构 |
| 3.4 多交通参数融合方法 |
| 3.4.1 常用数据融合方法比较分析 |
| 3.4.2 基于贝叶斯估计的交通参数融合方法 |
| 3.4.3 多交通流参数时间序列高维相空间融合方法 |
| 3.5 基于Lyapunov指数的多交通参数交通状态预测模型 |
| 3.6 基于GRNN的多交通参数交通状态预测模型 |
| 3.7 算例验证与分析 |
| 3.7.1 实验数据准备 |
| 3.7.2 实验验证与分析 |
| 3.8 本章小结 |
| 第4章 基于多神经网络融合的城市道路交通流短时预测方法 |
| 4.1 引言 |
| 4.2 城市道路交通流神经网络融合预测模型 |
| 4.2.1 交通流参数神经网络预测理论 |
| 4.2.2 城市道路交通流状态融合预测方法 |
| 4.2.3 基于多神经网络融合城市道路交通状态预测原理 |
| 4.2.4 基于多神经网络融合城市道路交通状态预测流程 |
| 4.3 算例验证与分析 |
| 4.3.1 实验数据准备 |
| 4.3.2 实验验证与分析 |
| 4.4 本章小结 |
| 第5章 基于VMS布设及诱导信息发布方法 |
| 5.1 引言 |
| 5.2 基于诱导信息效用最大化的VMS优化布设方法 |
| 5.2.1 问题分析 |
| 5.2.2 优化模型的建立 |
| 5.2.3 贪婪算法的优化步骤 |
| 5.2.4 评价指标的建立 |
| 5.2.5 实验验证与分析 |
| 5.3 基于VMS的诱导信息发布策略方法 |
| 5.3.1 VMS诱导信息发布策略博弈优化模型 |
| 5.3.2 VMS诱导信息发布策略博弈优化模型的算法 |
| 5.3.3 实验验证与分析 |
| 5.4 本章小结 |
| 总结和展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读博士学位期间发表的学术论文 |
| 附录 B 攻读博士学位期间参与的科研项目 |
（2）基于PHM技术的高铁车载通信装备健康监测智能分析理论与方法的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 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 目前存在的问题 |
| 1.4 主要研究内容和创新点 |
| 1.5 论文组织结构 |
| 2 关键技术及相关工作 |
| 2.1 引言 |
| 2.2 机车综合无线通信设备工作原理 |
| 2.3 压缩算法 |
| 2.3.1 无损压缩技术 |
| 2.3.2 有损压缩技术 |
| 2.4 加密算法 |
| 2.5 特征提取方法 |
| 2.6 PHM技术 |
| 2.6.1 PHM系统体系结构 |
| 2.6.2 动车组PHM体系结构 |
| 2.6.3 动车组PHM技术架构 |
| 2.6.4 动车组PHM系统功能和目标 |
| 2.6.5 动车组PHM诊断技术 |
| 2.6.6 动车组PHM预测技术 |
| 2.7 小结 |
| 3 基于无损数据压缩及加密联合算法的研究 |
| 3.1 问题提出 |
| 3.2 相关研究 |
| 3.3 SRLE无损压缩算法 |
| 3.3.1 SRLE压缩处理 |
| 3.3.2 SRLE解压处理 |
| 3.4 混合加密算法 |
| 3.4.1 Logistic混沌加密算法 |
| 3.4.2 RSA加密算法 |
| 3.4.3 压缩加密联合算法 |
| 3.5 实验与结论 |
| 3.5.1 压缩性能分析 |
| 3.5.2 安全性能分析 |
| 3.5.3 复杂度及效率分析 |
| 3.6 小结 |
| 4 基于PHM技术的高铁车载通信装备故障诊断 |
| 4.1 问题提出 |
| 4.2 相关研究 |
| 4.3 基于高铁机车综合通信设备中故障诊断的研究 |
| 4.3.1 实验数据集 |
| 4.3.2 特征提取 |
| 4.3.3 无监督聚类 |
| 4.3.4 极限学习机故障识别模型 |
| 4.4 实验与结论 |
| 4.4.1 仿真实验验证 |
| 4.4.2 实测数据集实验验证 |
| 4.5 小结 |
| 5 基于PHM技术的高铁车载通信装备健康状态评估预测 |
| 5.1 问题提出 |
| 5.2 相关研究 |
| 5.3 基于锂电池的剩余使用寿命预测与健康状态监测 |
| 5.3.1 实验数据集 |
| 5.3.2 健康状况和健康指标 |
| 5.3.3 降噪处理 |
| 5.3.4 关键参数优化 |
| 5.3.5 注意力机制 |
| 5.3.6 遗忘机制的在线序列极限学习机 |
| 5.4 实验与结论 |
| 5.4.1 算法训练过程 |
| 5.4.2 在线监测部分 |
| 5.4.3 剩余使用寿命预测部分 |
| 5.5 小结 |
| 6 总结及展望 |
| 6.1 研究总结 |
| 6.2 未来展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）基于PSO-ANN-LSSVM的城市短期供水量组合预测模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 城市供水量预测方法及智能优化算法简介 |
| 1.3.1 人工神经网络 |
| 1.3.2 支持向量机模型 |
| 1.3.3 基于混沌理论的预测模型 |
| 1.3.4 整合自回归移动平均模型 |
| 1.3.5 组合预测模型 |
| 1.3.6 智能优化算法 |
| 1.3.7 城市供水量预测方法及智能优化算法归纳 |
| 1.4 模型预测精度评价指标 |
| 1.5 章节内容安排、技术路线及创新点 |
| 1.5.1 章节内容安排 |
| 1.5.2 技术路线 |
| 1.5.3 创新点 |
| 第二章 供水量时间序列可预测性分析 |
| 2.1 供水量数据预处理 |
| 2.2 混沌理论 |
| 2.2.1 相空间重构 |
| 2.2.2 混沌特性分析 |
| 2.3 本章小结 |
| 第三章 BP和RBF神经网络及粒子群算法优化模型 |
| 3.1 BP神经网络 |
| 3.1.1 BP神经网络结构 |
| 3.1.2 BP神经网络算法 |
| 3.1.3 BP神经网络优缺点 |
| 3.1.4 BP神经网络模型建立 |
| 3.1.5 BP神经网络预测结果及分析 |
| 3.2 RBF神经网络 |
| 3.2.1 RBF神经网络结构 |
| 3.2.2 RBF神经网络算法 |
| 3.2.3 RBF神经网络优缺点 |
| 3.2.4 RBF神经网络模型建立 |
| 3.2.5 RBF神经网络预测结果及分析 |
| 3.3 粒子群算法 |
| 3.3.1 粒子群算法(PSO)简介 |
| 3.3.2 粒子群算法优缺点 |
| 3.4 粒子群算法优化神经网络 |
| 3.4.1 优化流程 |
| 3.4.2 优化模型预测结果及分析 |
| 3.5 本章小结 |
| 第四章 最小二乘支持向量机 |
| 4.1 支持向量机 |
| 4.1.1 VC维 |
| 4.1.2 结构风险最小化 |
| 4.1.3 核函数方法 |
| 4.2 SVM回归预测算法原理 |
| 4.3 SVM的时间序列回归预测算法原理 |
| 4.4 最小二乘支持向量机回归预测算法 |
| 4.5 参数确定 |
| 4.5.1 参数对模型的影响 |
| 4.6 LSSVM预测结果及分析 |
| 4.7 本章小结 |
| 第五章 PSO-ANN-LSSVM组合预测模型研究 |
| 5.1 组合预测简介 |
| 5.1.1 组合预测方法分类 |
| 5.1.2 预测模型组合方式 |
| 5.2 组合预测模型建立 |
| 5.2.1 基础模型选择 |
| 5.2.2 组合预测模型算法原理 |
| 5.3 组合预测模型结果及分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要工作及结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| A.攻读学位期间发表论文及参与的科研项目 |
（4）基于混沌时间序列的光伏功率预测方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 光伏功率预测的背景和意义 |
| 1.2 光伏功率预测的基本原理及特点 |
| 1.2.1 光伏功率的影响因素 |
| 1.2.2 光伏功率预测的特点 |
| 1.3 光伏功率预测的研究方法及其发展现状 |
| 1.3.1 光伏功率预测方法分类及工程应用 |
| 1.3.2 光伏功率主要预测方法简介 |
| 1.3.3 混沌理论及其在时间序列预测中的应用 |
| 1.4 本文的主要研究内容和章节安排 |
| 第二章 光伏功率时间序列混沌特性分析 |
| 2.1 混沌的定义和基本概念 |
| 2.2 相空间重构理论 |
| 2.3 相空间重构参数的确定 |
| 2.3.1 延迟时间的选择 |
| 2.3.2 嵌入维数的选择 |
| 2.4 时间序列混沌特性的判定 |
| 2.4.1 关联维数法 |
| 2.4.2 最大Lyapunov指数法 |
| 2.4.3 递归图法 |
| 2.5 光伏功率时间序列混沌特性实证 |
| 2.5.1 关联维数法计算结果 |
| 2.5.2 最大Lyapunov指数法中的小数据法计算结果 |
| 2.5.3 递归图法计算结果 |
| 2.6 本章小结 |
| 第三章 基于单变量时间序列的光伏功率预测方法 |
| 3.1 混沌时间序列预测方法 |
| 3.1.1 自适应预测法 |
| 3.1.2 全局预测法 |
| 3.1.3 局域预测法 |
| 3.2 基于多嵌入维Volterra滤波器的光伏功率自适应预测 |
| 3.2.1 Volterra滤波器 |
| 3.2.2 BP神经网络 |
| 3.2.3 基于BP神经网络的组合预测模型 |
| 3.2.4 算例分析 |
| 3.3 基于BSO-Elman神经网络的光伏功率全局预测 |
| 3.3.1 智能优化算法 |
| 3.3.2 Elman神经网络 |
| 3.3.3 光伏功率的BSO-Elman神经网络全局预测模型 |
| 3.3.4 算例分析 |
| 3.4 本章小结 |
| 第四章 基于多变量时间序列的光伏功率预测方法 |
| 4.1 光伏功率影响因素及其相关性分析 |
| 4.2 光伏功率预测的多变量相空间重构理论 |
| 4.2.1 光伏功率预测的多变量相空间重构 |
| 4.2.2 光伏功率预测的多变量相空间重构参数优化 |
| 4.3 基于多变量相空间重构和RBF神经网络的光伏功率全局预测 |
| 4.3.1 RBF神经网络 |
| 4.3.2 RBF神经网络结构的确定 |
| 4.3.3 光伏功率的多变量相空间重构和RBF神经网络全局预测模型 |
| 4.4 算例分析 |
| 4.4.1 算例描述 |
| 4.4.2 预测结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文工作总结 |
| 5.2 前景与展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（5）基于混沌云遗传算法的水库生态调度优化方法研究（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 水库调度 |
| 1.3 水库生态调度 |
| 1.3.1 水库生态调度的内涵 |
| 1.3.2 水库生态调度的任务 |
| 1.3.3 水库生态调度的基本原则 |
| 1.4 水库生态调度国内外研究进展 |
| 1.4.1 水库生态调度的方式 |
| 1.4.2 生态需水计算方法 |
| 1.4.3 水库调度的优化方法 |
| 1.5 论文主要研究内容 |
| 1.6 技术路线 |
| 第2章 研究区域概况及生态问题分析 |
| 2.1 安康水库概况 |
| 2.1.1 水利工程 |
| 2.1.2 气象条件 |
| 2.1.3 水文条件 |
| 2.1.4 鱼类资源 |
| 2.2 安康水库水文情势及鱼类资源变化分析 |
| 2.2.1 流量变化分析 |
| 2.2.2 水质变化分析 |
| 2.2.3 水温变化分析 |
| 2.2.4 鱼类资源多样性变化分析 |
| 2.3 目前存在的生态问题及解决思路 |
| 2.4 本章小结 |
| 第3章 水库生态调度模型建立 |
| 3.1 生态需水量推求 |
| 3.1.1 生态需水量概念 |
| 3.1.2 最小生态需水量推求 |
| 3.2 水文过程改变度分析 |
| 3.2.1 水文过程概念 |
| 3.2.2 水文过程改变度分析 |
| 3.3 水库生态调度模型构建 |
| 3.3.1 生态目标物种确定 |
| 3.3.2 生态完整度函数构建 |
| 3.3.3 生态调度模型目标函数构建 |
| 3.3.4 生态调度模型约束条件设置 |
| 3.4 本章小结 |
| 第4章 基于CCGA的水库生态调度模型求解算法提出 |
| 4.1 遗传算法介绍 |
| 4.1.1 遗传算法的基本流程 |
| 4.1.2 遗传算法的编码方式 |
| 4.1.3 遗传算法的适应度函数 |
| 4.1.4 遗传算法的遗传操作 |
| 4.1.5 遗传算法的优缺点 |
| 4.2 基于Cat映射全局扰动 |
| 4.2.1 混沌的定义 |
| 4.2.2 常用的混沌映射 |
| 4.2.3 混沌映射优化性能对比分析 |
| 4.2.4 基于Cat映射进行全局扰动 |
| 4.3 基于正向正态云发生器局部搜索 |
| 4.3.1 云模型基本理论 |
| 4.3.2 正向正态云发生器 |
| 4.3.3 基于云模型进行局部搜索 |
| 4.4 混沌云遗传混合优化算法的建立 |
| 4.4.1 CCGA优化原理 |
| 4.4.2 基于Cat混沌映射全局扰动设计 |
| 4.4.3 基于正向正态云发生器局部搜索设计 |
| 4.4.4 基于CCGA的水库生态调度模型求解算法的求解流程设计 |
| 4.5 本章小结 |
| 第5章 基于CCGA的水库生态调度优化方法应用 |
| 5.1 调度模型可行性分析 |
| 5.1.1 优化解分析 |
| 5.1.2 生态指标年内变化分析 |
| 5.1.3 生态指标年际变化分析 |
| 5.2 算法优化性能对比分析 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（6）基于动态轮数的混沌分组密码研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究目的 |
| 1.1.1 动态轮数混沌分组密码的研究背景 |
| 1.1.2 动态轮数混沌分组密码的研究目的 |
| 1.2 课题相关技术国内外研究现状 |
| 1.2.1 分组密码国内外研究现状 |
| 1.2.2 混沌分组密码国内外研究现状 |
| 1.3 论文的主要工作及结构安排 |
| 1.3.1 论文的主要工作 |
| 1.3.2 论文的结构安排 |
| 第2章 混沌量化方法分析与补偿方案研究 |
| 2.1 混沌理论分析 |
| 2.1.1 混沌数学定义 |
| 2.1.2 混沌基本特性 |
| 2.1.3 典型混沌系统 |
| 2.2 混沌量化方法与性能分析 |
| 2.2.1 混沌量化方法分析 |
| 2.2.2 混沌量化测试分析 |
| 2.2.3 数字混沌性能分析 |
| 2.3 混沌补偿方案与性能分析 |
| 2.3.1 级联混沌补偿方案与性能分析 |
| 2.3.2 扰动混沌补偿方案与性能分析 |
| 2.4 本章小结 |
| 第3章 混沌密钥生成及扩展实现方法与性能分析 |
| 3.1 密钥生成及扩展理论分析 |
| 3.1.1 密钥生成及扩展原理简述 |
| 3.1.2 密钥生成及扩展设计准则 |
| 3.2 基于DNA编码混沌密钥生成及扩展 |
| 3.2.1 DNA编码原理简述 |
| 3.2.2 基于DNA编码混沌密钥生成及扩展实现方法 |
| 3.2.3 基于DNA编码混沌密钥生成及扩展性能分析 |
| 3.3 基于遗传算法混沌密钥生成及扩展 |
| 3.3.1 遗传算法原理简述 |
| 3.3.2 基于遗传算法混沌密钥生成及扩展实现方法 |
| 3.3.3 基于遗传算法混沌密钥生成及扩展性能分析 |
| 3.4 本章小结 |
| 第4章 混沌S盒构造方法与性能分析 |
| 4.1 S盒理论分析 |
| 4.1.1 S盒原理简述 |
| 4.1.2 S盒数学描述 |
| 4.1.3 S盒设计准则 |
| 4.2 基于动态迭代混沌S盒 |
| 4.2.1 基于动态迭代混沌S盒构造方法 |
| 4.2.2 基于动态迭代混沌S盒数学描述 |
| 4.2.3 基于动态迭代混沌S盒性能分析 |
| 4.3 基于烟花算法混沌S盒 |
| 4.3.1 烟花算法原理简述 |
| 4.3.2 基于烟花算法混沌S盒构造方法 |
| 4.3.3 基于烟花算法混沌S盒数学描述 |
| 4.3.4 基于烟花算法混沌S盒性能分析 |
| 4.4 本章小结 |
| 第5章 动态轮数混沌分组密码算法设计与性能分析 |
| 5.1 分组密码理论分析 |
| 5.1.1 分组密码原理简述 |
| 5.1.2 分组密码设计准则 |
| 5.2 动态轮数混沌分组密码 |
| 5.2.1 动态轮数混沌分组密码算法设计 |
| 5.2.2 动态轮数混沌分组密码性能分析 |
| 5.3 基于摘要提取动态轮数混沌分组密码 |
| 5.3.1 基于关键词的摘要提取算法 |
| 5.3.2 基于摘要提取动态轮数混沌分组密码算法设计 |
| 5.3.3 基于摘要提取动态轮数混沌分组密码性能分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文及其它成果 |
（7）基于遗传算法的混沌图像加密系统（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 密码学基本概念 |
| 1.1.2 混沌理论基本概念 |
| 1.1.3 混沌理论与密码学之间的联系 |
| 1.2 国内外研究进展 |
| 1.3 论文结构安排 |
| 2 图像加密理论基础 |
| 2.1 加密算法流程 |
| 2.2 图像加密与解密 |
| 2.2.1 置乱算法 |
| 2.2.2 扩散算法 |
| 2.3 混沌图像加密算法性能常用评价标准 |
| 2.3.1 密钥空间和密钥敏感性分析 |
| 2.3.2 抗差分攻击分析 |
| 2.3.3 密文敏感性与直方图分析 |
| 2.3.4 相邻像素相关性分析 |
| 2.3.5 信息熵分析 |
| 2.3.6 抗噪声攻击分析 |
| 2.3.7 系统加密/解密速度 |
| 2.4 本章小结 |
| 3 基于遗传算法的混沌图像加密 |
| 3.1 基本概念解释 |
| 3.2 方案设计与实现 |
| 3.3 加密过程 |
| 3.4 解密过程 |
| 3.5 加密效果分析 |
| 3.5.1 系统加密/解密速度 |
| 3.5.2 密钥空间和密钥敏感性分析 |
| 3.5.3 密文敏感性分析 |
| 3.5.4 相邻像素相关性分析 |
| 3.5.5 信息熵分析 |
| 3.5.6 抗差分攻击分析 |
| 3.5.7 抗噪声攻击分析 |
| 3.6 本章小结 |
| 4 基于遗传算法的复合密钥图像加密 |
| 4.1 分段线性映射(PWLCM) |
| 4.2 Chen系统 |
| 4.3 方案设计与实现 |
| 4.4 加密过程 |
| 4.4.1 密码发生器 |
| 4.4.2 异或算法 |
| 4.4.3 扩散算法 |
| 4.4.4 置乱算法 |
| 4.5 解密过程 |
| 4.6 加密效果分析 |
| 4.6.1 系统加密/解密速度 |
| 4.6.2 密钥空间分析与私钥/公钥敏感性分析 |
| 4.6.3 密文敏感性分析 |
| 4.6.4 相邻像素相关性分析 |
| 4.6.5 信息熵分析 |
| 4.6.6 抗差分攻击分析 |
| 4.6.7 抗噪声攻击分析 |
| 4.7 本章小结 |
| 5 总结与展望 |
| 5.1 全文总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 攻读硕士学位期间的主要研究成果 |
| 致谢 |
（8）面向云PACS系统的医学图像加密算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状分析 |
| 1.2.1 PACS发展和医学图像特点分析 |
| 1.2.2 医学图像加密相关理论分析 |
| 1.3 主要研究内容 |
| 1.4 论文结构安排 |
| 第2章 基于提升小波优化的高分辨率灰阶医学影像加密 |
| 2.1 问题的提出 |
| 2.2 基于提升小波优化的高分辨率灰阶医学影像加密算法框架 |
| 2.3 基于提升小波的自适应优化 |
| 2.3.1 提升小波分析 |
| 2.3.2 基于改进的软硬阈值法提升小波的稀疏性 |
| 2.3.3 基于改进粒子群算法的提升小波参数优化 |
| 2.3.4 提升小波的参数优化 |
| 2.4 基于提升小波的高分辨率灰阶医学影像加密过程 |
| 2.4.1 低频系数灰度值加密与像素位置置乱 |
| 2.4.2 加解密过程 |
| 2.5 实验及分析 |
| 2.5.1 图像分解效果分析 |
| 2.5.2 直方图分析 |
| 2.5.3 相关性分析 |
| 2.5.4 信息熵分析 |
| 2.5.5 差分分析 |
| 2.5.6 密钥分析 |
| 2.6 本章小结 |
| 第3章 基于经验模式分解的低分辨率灰阶医学影像加密 |
| 3.1 问题的提出 |
| 3.2 基于经验模式分解的低分辨率灰阶医学影像加密框架 |
| 3.3 基于经验模式分解的低分辨率灰阶医学影像加密 |
| 3.3.1 经验模式分解算法 |
| 3.3.2 基于经验模式分解的低分辨率灰阶医学影像加密方案 |
| 3.4 基于经验模式分解的低分辨率灰阶医学影像加解密设计 |
| 3.4.1 安全哈希算法密钥的生成 |
| 3.4.2 像素灰度值加密与置乱模式 |
| 3.4.3 自适应加解密过程 |
| 3.5 实验及分析 |
| 3.5.1 直方图分析 |
| 3.5.2 相关性分析 |
| 3.5.3 信息熵分析 |
| 3.5.4 密钥分析 |
| 3.6 本章小结 |
| 第4章 基于遗传超混沌的高分辨率彩色医学影像加密 |
| 4.1 问题的提出 |
| 4.2 基于遗传超混沌的高分辨率彩色医学影像加密框架 |
| 4.3 基于遗传-超混沌的高分辨率彩色医学影像加密算法设计 |
| 4.3.1 遗传算法应用设计 |
| 4.3.2 超混沌算法的基本原理 |
| 4.3.3 基于遗传超混沌系统的高分辨率彩色医学影像加密 |
| 4.4 实验及分析 |
| 4.4.1 直方图分析 |
| 4.4.2 密钥空间和敏感性分析 |
| 4.4.3 信息熵分析 |
| 4.4.4 相关性分析 |
| 4.5 本章小结 |
| 第5章 基于凯莱图和对换的S-盒构造的低分辨率彩色医学影像加密 |
| 5.1 问题的提出 |
| 5.2 基于凯莱图和对换的S-盒构造的图像加密框架 |
| 5.3 基于凯莱图和对换的S-盒构造 |
| 5.3.1 超混沌Chen系统和凯莱图 |
| 5.3.2 基于凯莱图和对换的S-盒生成算法设计 |
| 5.3.3 基于凯莱图和对换的S-盒生成算法的图像自适应加密 |
| 5.4 实验及分析 |
| 5.4.1 直方图分析 |
| 5.4.2 密钥空间和敏感性分析 |
| 5.4.3 信息熵分析 |
| 5.4.4 相关性分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间承担的科研任务与主要成果 |
| 致谢 |
（9）基于特性分析的短时交通流预测方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 线性预测方法 |
| 1.2.2 传统非线性预测方法 |
| 1.2.3 智能非线性预测方法 |
| 1.2.4 基于交通仿真的预测方法 |
| 1.2.5 组合预测方法 |
| 1.2.6 研究现状总结 |
| 1.3 主要研究内容 |
| 1.4 技术路线 |
| 2 交通流特性分析 |
| 2.1 交通流基本特性分析 |
| 2.1.1 交通流三参数特性分析 |
| 2.1.2 交通流三参数模型 |
| 2.2 交通流时空特性分析 |
| 2.2.1 相关性分析理论 |
| 2.2.2 时间相关性分析 |
| 2.2.3 空间相关性分析 |
| 2.2.4 空间时滞分析 |
| 2.3 交通流混沌特性分析 |
| 2.3.1 混沌理论 |
| 2.3.2 延迟时间和嵌入维数计算 |
| 2.3.3 最大Lyapunov指数计算 |
| 2.3.4 混沌特性实例分析 |
| 2.4 本章小结 |
| 3 交通流数据预处理 |
| 3.1 数据整合 |
| 3.2 缺失和错误数据识别 |
| 3.2.1 缺失数据识别 |
| 3.2.2 错误数据识别 |
| 3.3 基于3D形函数的数据修复算法 |
| 3.3.1 数据修复三维空间构造 |
| 3.3.2 3D形函数理论 |
| 3.4 实例验证 |
| 3.5 本章小结 |
| 4 基于改进回声状态网络的交通流预测模型 |
| 4.1 回声状态网络ESN |
| 4.1.1 ESN基本结构特征 |
| 4.1.2 ESN建模过程与关键参数 |
| 4.2 思维进化算法MEA |
| 4.3 基于MEA-ESN的短时交通流预测模型 |
| 4.4 实例验证 |
| 4.4.1 基于ESN的交通流预测实例 |
| 4.4.2 基于MEA-ESN的交通流预测实例 |
| 4.4.3 实验影响因素显着性检验 |
| 4.5 本章小结 |
| 5 基于分解与重构的交通流预测模型 |
| 5.1 基于单变量分解与重构的交通流预测模型 |
| 5.1.1 经验模式分解方法介绍 |
| 5.1.2 EMD-PSR-MEA-ESN建模流程 |
| 5.1.3 实例验证 |
| 5.2 基于多变量分解与重构的交通流预测模型 |
| 5.2.1 EMD-MPSR-MEA-ESN建模流程 |
| 5.2.2 实例验证 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.1.1 主要研究内容及结论 |
| 6.1.2 创新点 |
| 6.2 展望 |
| 参考文献 |
| 附录A |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（10）基于改进蚁群算法的集装箱运输多车型集卡调度问题研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 文献综述 |
| 1.3.1 集卡调度问题的概述 |
| 1.3.2 对集卡调度问题的独立研究 |
| 1.3.3 资源协同条件下的集卡调度问题研究 |
| 1.3.4 蚁群优化算法的研究现状 |
| 1.4 研究内容、方法及技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 1.5 创新之处与不足 |
| 1.5.1 论文的创新之处 |
| 1.5.2 论文的不足 |
| 第二章 相关概念和理论介绍 |
| 2.1 蚁群算法理论介绍 |
| 2.1.1 蚁群算法的原理 |
| 2.1.2 蚁群算法的数学模型 |
| 2.1.3 蚁群算法的基本流程 |
| 2.1.4 蚁群算法的特点 |
| 2.2 混沌理论 |
| 2.2.1 一维logistic映射 |
| 2.2.2 变尺度混沌优化 |
| 第三章 基于混沌蚁群算法的共享式集卡调度问题研究 |
| 3.1 引言 |
| 3.2 一般车型的集卡调度问题描述 |
| 3.3 般共享式集卡调度问题的数学模型 |
| 3.3.1 符号和变量表示 |
| 3.3.2 第一阶段集卡调度问题的数学模型 |
| 3.3.3 第二阶段集卡调度问题的数学模型 |
| 3.4 混沌蚁群算法的设计 |
| 3.4.1 初始化算法 |
| 3.4.2 改进信息素更新策略 |
| 3.4.3 改进信息素挥发因子 |
| 3.4.4 引入混沌扰动 |
| 3.4.5 编码结构设计 |
| 3.4.6 算法结束 |
| 3.4.7 混沌蚁群算法 |
| 第四章 基于混沌蚁群算法的多车型共享式集卡调度问题研究 |
| 4.1 引言 |
| 4.2 堆场可存储位置变化条件下的多车型共享式集卡调度问题描述 |
| 4.3 堆场可存储位置变动的多车型共享式集卡调度的数学模型 |
| 4.3.1 相关假设和约束描述 |
| 4.3.2 相关变量描述及模型建立 |
| 4.4 混沌蚁群算法的设计 |
| 4.4.1 状态转移策略 |
| 4.4.2 改进的信息素更新策略 |
| 4.4.3 引入混沌扰动 |
| 4.4.4 编码结构设计 |
| 4.4.5 混沌蚁群算法 |
| 第五章 算例仿真与分析 |
| 5.1 蚁群算法求解一般共享式集卡调度问题的实例仿真与分析 |
| 5.1.1 第一阶段集卡调度问题数学模型求解 |
| 5.1.2 第二阶段集卡调度问题数学模型求解 |
| 5.2 堆场可存储位置动态变化的多车型集卡调度问题的算例仿真与结果分析 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读学位期间撰写发表的学术论文 |
| 致谢 |
四、基于混沌理论的遗传算法改进及应用研究（论文参考文献）
- [1]基于城市道路交通数据的交通流短时预测与诱导方法研究[D]. 郭义戎. 兰州理工大学, 2021(01)
- [2]基于PHM技术的高铁车载通信装备健康监测智能分析理论与方法的研究[D]. 范家铭. 北京交通大学, 2020
- [3]基于PSO-ANN-LSSVM的城市短期供水量组合预测模型研究[D]. 陈攀. 昆明理工大学, 2020(05)
- [4]基于混沌时间序列的光伏功率预测方法研究[D]. 虞海彪. 合肥工业大学, 2020(02)
- [5]基于混沌云遗传算法的水库生态调度优化方法研究[D]. 韩宇. 哈尔滨工程大学, 2020(04)
- [6]基于动态轮数的混沌分组密码研究[D]. 王娟. 黑龙江大学, 2019(05)
- [7]基于遗传算法的混沌图像加密系统[D]. 张琼. 江西财经大学, 2019(01)
- [8]面向云PACS系统的医学图像加密算法研究[D]. 王健. 燕山大学, 2019(06)
- [9]基于特性分析的短时交通流预测方法研究[D]. 王硕. 北京交通大学, 2019(01)
- [10]基于改进蚁群算法的集装箱运输多车型集卡调度问题研究[D]. 徐鑫洲. 南京农业大学, 2019(08)