一、利用GETTIM函数求全局极小值（论文文献综述）
程书田,梁昌洪[1]（1997）在《利用GETTIM函数求全局极小值》文中研究说明利用FORTRAN语言提供的GETTIM函数，在规定的范围内，产生一组组随机值，作为优化的初始值，求全局极小值，明显地提高了优化结果的可靠度。
陈玉全[2]（2020）在《分数阶梯度下降法基础理论研究》文中研究指明随着工程技术的发展,“优化”的思想已经渗入到各行各业,很多科学和工程问题可以转化为“最优化”问题,如实际系统的数学建模、最优控制以及神经网络训练等等。梯度下降法因结构简单、稳定性好且易于实现,在求解各类优化问题中扮演着重要的角色。分数阶微积分作为整数阶微积分的自然推广,在实际工程应用中尤其在分数阶系统建模方面发挥着重要的作用。近些年,学者们把分数阶微积分引入到梯度优化算法的设计当中,发现分数阶梯度下降法有着更加优越的性能,并取得了一些成功应用。然而现有研究尚处于起步阶段,理论基础尚不完善,因此本学位论文将从分数阶梯度方向、分数阶系统理论和分数阶随机扰动三个角度出发进行分数阶梯度下降法的全面研究,初步建立起分数阶梯度下降法的理论框架,为有关应用打下坚实的基础。首先基于分数阶梯度方向,提出了迭代初始值策略,设计了可以收敛到真实极值点的分数阶梯度下降法。接着根据分数阶微分的级数表示,对其进行截断,得到了适用于一般凸函数的截断分数阶梯度下降法,分析了算法的收敛特性,并将算法推广至（0,2）阶和向量情形。进一步地,引入了分数阶利普希茨连续梯度和分数阶强凸的概念,并针对符合条件的凸函数,提出了分数幂梯度下降法并分析了其收敛特性。接着给出了一般梯度下降法的系统表示,并根据分数阶传递函数,设计了分数阶梯度下降法,给出了稳定性分析。进一步地,借鉴有限时间控制思想设计了有限时间梯度下降法,可以保证在有限时间内收敛到极小值点。在此基础上,设计了两类鲁棒有限时间梯度下降法,其收敛时间对初始条件有着极强的鲁棒性。考虑到加速梯度法在加速的同时会引起超调和振荡,借鉴重置思想,提出了重置梯度下降法,有效削弱了振荡现象并明显加快了算法的收敛速度。最后为了提高梯度下降法的全局收敛能力,提出了列维扰动梯度下降法,通过把列维扰动分解为大步长扰动和小步长扰动,证明了其在多极值点间的马尔科夫转移特性。接着提出了截断列维扰动梯度下降法,避免了小步长扰动分析的困难,并弱化了马尔科夫转移特性成立的条件。进一步地,提出了安排跳跃点扰动梯度下降法,使得大步长跳跃的频率大大增加,提高了算法的全局搜索能力。
马雪[3]（2013）在《最优化问题的填充函数算法研究》文中研究说明对于求解有关全局优化问题，目前已经有多种的求解方法。近些年，最优化理论与方法在生产生活等方面应用的需求，使最优化理论与方法的研究得到了很大的发展。目前对于最优化问题的研究实质上就是求解一般函数的全局最优解，填充函数法是求解全局最优化问题的众多方法中的其中一种重要的方法,这种方法的关键是构造一类具有性质良好的填充函数。通常填充函数的最大难题是参数较多，这样就导致了参数难以调节，从而就增加了计算量，所以我们需要继续研究填充函数，构造形式比较简单，参数少的性质较好的填充函数。文章对填充函数的发展过程和研究现实状况进行了较为全面的研究。全文分为五章。第一章，首先概述了最优化问题以及最优化问题的相关概念，随后，介绍了有关填充函数法的思想和研究进展。第二章，根据填充函数的思想和理论基础，在本章中，我们给出了一个求解无约束优化问题的单参数填充函数。文中讨论了其相关性质，并设计了相应的算法。本章构造的该填充函数只含有一个参数，在实际计算中易于调节。最后，通过实验结果表明该算法是有效的。第三章，本章针对一般约束问题，提出一个新的无参数填充函数，分析了该函数的相关性质，并且利用其理论性质，设计了一个新的无参数填充算法。该填充函数无参数，在实际操作中可以省略对参数进行调节的过程。最后，通过实验结果表明该算法是可行的和有效的。第四章，本章提出了一种快速求解一般无约束最优化问题的辅助函数方法，即F-C函数方法。该方法与填充函数法和跨越函数法相比较，有一定的相同点，同时也有一些不同点。在极小化F-C函数阶段中只需要进行一次局部极小化算法就能得到比当前极小值更低的目标函数局部极小点，这是F-C函数法最大的优点。本章给出了一类新的求解全局优化问题的F-C函数。文中讨论了该F-C函数的优良性质并对该函数设计了相应的算法。最后，通过数值试验表明该F-C函数方法是可行的。第五章，最后我们展望了填充函数算法未来的发展。
何万里[4]（2019）在《期权定价模型构建与参数估计研究 ——基于深度学习、集成学习和智能优化算法》文中进行了进一步梳理期权是全球资本市场最具活力的金融风险管理工具之一。如何测算期权的合理价格是其存在与健康发展的关键。1997年诺贝尔经济学奖授予了期权定价公式的发明人Scholes和Merton,体现了经济学界对期权定价理论价值的充分肯定。B-S模型问世以来,在学术界和实务界引起了强烈反响。在广泛应用的同时,学者对其准确性开展了深入的检验,并通过大量的实证研究发现,市场并非满足理想中的基本假设。不少经济学家对原有数理金融理论进行重新审视,对模型中存在的问题亦发表了不同的看法,从完善与发展B-S模型的角度出发,进行了很多扩展研究。对B-S模型的改进成为最近30年来数理金融研究领域关注的热点。其成果极大的丰富和发展了期权定价理论与方法,但同时仍存在一些不足。本文通过查阅文献,发现已有研究尚存在以下四点不足:（1）在参数估计方面,由于改进的期权定价模型通常含有多个待估参数,且目标函数含有大量的极值点,给参数估计带来了困难。现有研究主要采用极大似然算法来估计期权定价模型参数,但是该方法存在很多难以解决的问题;（2）有关高频量化交易下期权定价模型参数估计方法的研究工作十分匮乏;（3）局部波动率模型大多是依靠主观经验将时间与资产价格作为影响因子对波动率进行建模。虽然这些模型很容易解释,可是在精度上往往偏离了实际情况,何种形式是合理的,尚无理论依据,导致模型的鲁棒性较差,对异常波动的刻画能力较弱;（4）无论是波动率模型还是跳跃扩散模型在形式上通常是单个模型,对波动率“微笑”的刻画能力不足,导致对深度实值和深度虚值期权的定价往往出现较大偏差,出现定价不稳定现象。要解决这些问题,就一定离不开坚实和先进的数理方法,而深度学习、集成学习和智能优化算法的特征和强大性能可以对这些问题的研究提供支持。因此,本文基于深度学习、集成学习和智能优化算法,从参数估计和模型构建两个方面讨论了期权定价问题。本文主要做了两个方面的研究工作。第一部分,期权定价模型参数估计研究:针对中低频量化交易,设计首位存放式遗传算法估计Heston期权定价模型参数;针对高频量化交易,用前面设计的遗传算法积累历史实例求解信息,设计了一种基于卷积神经网络的两阶段启发式算法估计模型参数。第二部分,期权定价模型构建研究:为提高模型定价的稳定性,基于集成学习,以第一部分中研究得到的Heston模型作为基学习器,构建了组合期权定价模型;为提高模型的鲁棒性,运用深层波耳兹曼机和支持向量机,构建了以结构风险最小化为目标的确定性波动率函数模型。整个研究循序渐进进行,中低频量化交易下期权定价模型参数估计方法是高频交易下参数估计方法的前提,同时第一部分对现有模型参数估计方法的研究又是第二部分构建新模型的基础,为建模提供了基学习器和参数估计方法。具体研究成果及核心内容如下:期权定价模型参数估计研究部分:（1）根据期权中低频量化交易需求,设计了首位存放式遗传算法估计Heston期权定价模型参数。该算法具有避免丢失最优解和并行搜索的特点,有很好的概率跳出局部极小值,以概率1收敛到全局最小值。计算实验中,利用香港恒生股票指数期权的交易数据为样本得到待估参数,并用该参数对预测期的看涨期权和看跌期权进行了模拟定价。数值结果与进化过程表明,算法耗时满足中低频量化交易策略的实时性要求、在训练样本数据集上的定价精度较高、在预测期上的模拟定价精度令人满意,一定程度上克服了传统算法的不足。（2）根据期权高频量化交易需求,给出了一种基于卷积神经网络的两阶段启发式算法估计期权定价模型参数。算法核心思想是:以前面设计的遗传算法在训练实例上积累历史信息,基于卷积神经网络对其进行学习和泛化,并利用对新实例的泛化结果引导PSO算法求解新实例。计算实验中,以Heston模型为例,采用50ETF期权1分钟高频交易数据,数值结果表明:①本文设计的卷积神经网络可以较好地完成对9支主力合约的离线学习,训练数据集上的平均相对误差为24%。若采用传统的神经网络,误差巨大且不收敛;②本文算法可以充分利用历史数据信息来高效求解新实例,在卷积神经网络的引导下PSO算法优化阶段用时8秒左右即可达到收敛,满足高频量化交易的实时性要求;③基于所得参数的模型定价与实际价格具有较高的一致性,拟合程度令人满意。算法具有可行性和有效性。期权定价模型构建研究部分:（3）为提升模型定价的稳定性,基于集成学习构建组合期权定价模型,提高模型对深度实值和深度虚值期权的定价精度。本文将Heston模型作为基学习器,利用Adaboost算法训练一系列基学习器,并将它们集成。将模型参数估计分解为主模型参数估计和子模型参数估计,基于推举算法思想和前面设计的遗传算法分别给出了估计算法。通过计算平均相对误差和稳定性偏差（本文将模型定价的稳定性偏差定义为:最大相对误差与平均相对误差的差值）,对比分析了组合模型与单个模型的定价能力。隔月和当月到期合约的两组计算实验结果表明,与传统Heston模型相比,组合期权定价模型在保持平均相对误差基本一致的同时,稳定性偏差分别降低了 64%和49%,可使所有执行价格的期权定价均达到预设的稳定性标准。该研究丰富了期权定价的研究方法,延拓了集成学习的应用边界。（4）为提升模型的鲁棒性和辨别复杂规律能力,本文运用深层玻耳兹曼机,自动、科学、有效地提取波动率的影响因子,基此利用支持向量机构建了以结构风险最小化为目标的确定性波动率函数模型,并将该模型的求解转化为非线性规划仅有线性约束问题。算例结果表明,本文对影响因子的提取使支持向量机模型,在50ETF期权历史波动率训练样本上的平均绝对误差降低了 70.86%,平均相对误差降低了 77.89%,一定程度上解决了传统方法中手工设计影响因子,忽略模型置信范围等问题,提高了模型刻画异常波动的能力。
程书田[5]（1998）在《宽带匹配网络理论及应用研究》文中指出本文主要研究宽带匹配网络的理论及其应用，包括理论研究和工程设计两部分。在理论研究中，首先从网络的基本知识着手，讨论了宽带匹配的各种理论，在此基础上，给出了单路通信系统中匹配网络的各种设计方法，为了实际工程设计的需要，也简要讨论了多路通信系统中宽带匹配网络的设计方法；在工程设计中，包括两部分：一部分是VHF和UHF多路收发耦合器耦合匹配网络的研制，另一部分是宽带微波FET放大器的优化设计，前者属于无源负载匹配网络的设计，后者属于有源负载匹配网络的设计，这是两个科研项目。 本文的主要研究结果如下： （1）指出传统的综合设计法中，切比雪夫（等波纹）型综合和巴特沃思（最平坦）型综合存在两个非最优问题：一是综合出的元件值并非是最优的；二是综合出的网络结构并非是最优的。同时提出了解决方法。 （2）提出了随机初始值优化法，此方法与先进的Powell方向加速法相结合，运用于优化高度非线性目标函数取得了很好的效果，为优化复杂的匹配网络提供了一种行之有效的方法。 （3）提出了一些新型的目标函数形式，并将提高设计成功率的方法——中心值设计法应用于宽带匹配网络的优化设计中，使设计成功率明显提高。 （4）设计出了两个四路耦合匹配网络（VHF和UHF），讨论了设计难点及处理方法，给出选择匹配网络结构的原则，并具体给出了建立优化目标函数的方法、步骤和应注意的事项，同时也提出了提高设计成功率的具体措施，使设计达到“一次成功”，基本上不需要调试。 （5）对宽带微波FET放大器的优化设计方法进行了研究。其输入匹配网络、输出匹配网络和级间匹配网络的设计属于有源负载匹配网络的设计。编写了优化程序，利用本程序可以很容易地设计出高性能的微波FET放大器。本研究方法已通过部级鉴定。（本文第七章是该研究方法的简介） （6）提出了一种新型的宽带微波有源偏置电路结构形式，与传统的微波偏置电路相比具有更宽的频带，使偏置电路对微波器件性能的影响大大减小。
张淑君[6]（2019）在《基于数学核心素养的教学设计研究 ——以高中导数为例》文中认为随着基础教育课程改革的深入发展,我国提出把“立德树人”作为教育的根本任务,为了落实这一根本任务,核心素养被提出。数学作为重要的基础学科,数学核心素养备受关注,它不仅是数学课程目标的集中体现,也是现代社会每一个人都应该具备的基本素养。如何通过课堂教学落实数学核心素养,成为当今社会和数学教育界极为关注的问题。导数知识内涵丰富,具有极高的教育价值,是培养学生数学核心素养的良好载体。但实际教学中,导数教学并未发挥其应有的功效,这与教师的教学密切相关。而教学设计是课堂教学的蓝本,是实现课程目标的重要基础,教学设计的优劣直接影响着课堂教学的质量。且经查阅大量文献资料发现,将数学核心素养融入高中数学教学设计进行理论与实践相结合的研究较少。因此,本研究以高中导数为例,进行基于数学核心素养的教学设计研究,探讨以数学核心素养为导向的高中数学教学设计的设计原则、设计策略和一般框架。本研究首先采用文献研究法,介绍国内外有关数学核心素养的研究成果及基于此的教学设计,介绍高中导数的教学研究现状;并且寻找本研究的理论支撑,同时界定相关概念。接着,以核心素养的落实为目的,以建构主义学习理论和弗赖登塔尔数学教育理论为基础,提出了基于数学核心素养的教学设计原则和教学设计策略。然后,以导数及其应用为例,给出了教学设计案例。案例设计采用先单元整体分析后设计课时教学设计的模式,是基于培养学生的数学核心素养要求下进行的。最后,将教学设计在一个班级进行教学实施,通过观察课堂实录对教师的教与学生的学从体现数学核心素养的四个方面进行评价,同时通过回收并批改学生的课堂目标检测练习、回访调查等方式获取反馈信息。结合评价结果与反馈信息进行教学反思,从而对教学设计作进一步的修改。从教学设计的实施情况可初步得出结论:基于数学核心素养的教学设计的教学实施效果较好。最后,本研究初步形成了基于数学核心素养的教学设计的基本框架。
蒋鑫[7]（2012）在《全局优化在边坡最危险滑动面搜索中的应用》文中进行了进一步梳理在分析土坡稳定时,稳定性分析可分为两个步骤：第一步,对滑坡体内任意确定滑动面,确定其安全系数定义,并给出安全系数值;第二步,在所有的可能的滑动面中重复第一步,找出相应安全系数最小的滑动而。目前对于第一步的研究已经较为成熟,而对于第二步（最危险滑动而搜索）的研究也已经取得了一些成果。目前对于最危险滑动面搜索的问题,许多学者发展、提出了各自的方法,但都存在各自的适用性。针对现有方法的不足,本文结合全局优化理论,分析了最危险滑动面搜索问题的一般特性。发现在确定了安全系数计算方法的前提下,最危险滑动面搜索问题科以转化为求多极值多元函数在可行域上最小值问题。针对求多极值多元函数在可行域上最小值问题,本文从全局优化理论中引入了此类问题的一般策略。此外本文还分析了基于这些策略的具体算法对于最危险滑动面搜索问题的适用性,并选择引入适用性最好的填充函数法来解决最危险滑动面搜索问题。同时分析填充函数法的不足之处,寻找更优的基于填充函数思想的跨越函数法作为具体方法,并对安全系数函数进行合适的扩展以适应跨越函数法的要求。然后本文给出了该方法的程序实现流程,并编制程序。用编制的程序对常用考核算例进行计算分析,最后计算结果表明：考核算例的计算结果与考核算例的裁判答案相比,两者基本一致,说明了本文的方法能有效的搜索到最危险滑动而。用编制的程序对咸宁核电厂厂址边坡中的实例进行计算分析,并将本文方法的计算结果与常用软件的计算结果相比,结果表明本文方法计算结果更精确。说明了该方法在理论上和实际上都是可行的。
周超[8]（2017）在《统一测量计算框架的建立问题研究》文中研究表明测量是人类的一项基本活动,定义为以获取量值为目的的一组操作。测量计算是指在执行测量操作过程中涉及到的计算问题,包括测量结果的求解、测量信号的分析及测量信号函数表达式的获取等。为了便于测量知识的学习与应用,有必要建立一个测量计算框架,将现有测量计算的知识有效组织起来,并对相关的概念、模型和方法进行系统性研究。然而,测量实践中的测量场景往往千变万化,面临的实际问题也层出不穷,对每一种具体场景的测量计算都进行探讨是不现实的。需要建立一个统一的测量计算框架,一方面具有统一的组织架构,按照标准化的流程执行计算任务,另一方面具有普适性,适用于普遍的测量场景。由此引出本文的基本问题——如何建立一个具有统一的组织架构、适用于普遍测量场景的测量计算框架,围绕这一问题,论文研究了如下关键问题:1、测量算子的计算问题。测量的目的是获取被测量值,而在实际操作中首先能够观测的是测量样本,譬如数字测量系统中ADC的采集数据。测量算子的任务是从测量样本中提取被测量值,但潜在的测量算子很多,其计算方法和性能也各异。此外,测量的时效性及资源受限要求测量算子的计算方法要快速、低代价。因此,测量算子的计算问题是建立测量计算框架的关键问题。2、测量信号有效性分析的计算问题。测量算子提取测量结果的基本原理是将测量样本与测量信号模型进行比对,然而并不是所有的信号模型都是有效可行的。基于不同的物理规律,同一被测量存在多种信号模型,不同信号模型间亦有优劣之分。测量信号有效性分析是判断信号模型有效性,甄别、择优信号模型的重要手段,需要定量计算测量信号区别度和灵敏度等有效性指标。因此,测量信号有效性分析的计算问题是建立测量计算框架的关键问题。3、测量信号模型辨识的计算问题。测量信号作为被测量的载体,定义为与被测量有函数关系的量。然而,测量信号的函数表达式最初是未知的,需要通过测量信号模型辨识进行获取,具体操作包括函数类型的选取、模型参数的计算和模型阶数的确定等。因此,测量信号模型辨识的计算问题是建立测量计算框架的关键问题。为解决上述关键问题,论文建立了一种以普适性算子为基础的测量算子计算框架,建立了一种以计算区别度、灵敏度为核心的有效性分析计算框架,建立了一种基于代数多项式的模型辨识计算框架。这些研究成果作为上述三个关键问题的解决方案,均通过了严密的理论分析、论证,具有较强的技术可行性,共同构成了一个统一的测量计算框架,对促进测量计算的专业化、标准化,指导测量实践有着重要意义。
纪晓凤[9]（2019）在《多传感器融合的高精度SLAM关键技术研究》文中研究表明机器人感知作为当前主流的自动驾驶技术的一项重要组成部分,其依据的核心为同步定位与地图构建（SLAM）,其中单目视觉SLAM则是研究的热点之一且应用广泛。然而单目视觉SLAM皆存在尺度不确定性问题,其中单目视觉里程计DSO因尺度不确定,在解算位姿时累积的误差会造成前后位姿尺度信息不一致,从而无法进行高精度的位姿估计。针对这一问题,本文提出了视觉DSO与IMU惯性传感器相融合的视觉惯性里程计,从前端与后端两部分完成对位姿的高精度解算。在前端初始位姿估计中,提出了去畸变帧间位姿估计算法,于帧间匹配过程加入畸变参数并构建光度误差函数求解视觉初始位姿;在后端位姿优化中,提出了全局状态变量的构造规则,建立多参数优化标准以减少各变量的误差累积;提出了基于紧耦合的多参数滑窗位姿优化算法,设计尺度因子,使视觉与惯性的位姿信息保持尺度一致性;选取特定帧对应的先验信息,构建关于先验信息、视觉信息与惯性信息的整体优化目标函数;通过上述研究对构建的目标函数进行优化求解,得到全局状态变量的更新值,对全局状态变量进行迭代更新以减少后续误差的累积,实现系统位姿解算的高精度以及运动过程的鲁棒性。本文的主要工作如下:1.针对图像帧间像素点投影匹配过程受图像畸变的影响导致投影点位置存在偏差的问题,在前端对位姿初始估计中,提出了去畸变帧间位姿估计算法。对图像帧间的匹配过程加入畸变参数构建视觉光度误差函数求解视觉初始位姿;同时对IMU模块一定时间间隔内的采样值预积分。畸变参数的加入使得像素点投影位置更加精确,匹配效果更好,对位姿的优化求解精度变高,惯性信息的预积分则避免了IMU高采样率带来的视觉帧优化状态频变造成的重复积分现象。2.针对前端的视觉光度误差函数和IMU预积分中各参数精确度影响后端位姿解算精度的问题,提出了全局状态变量构造规则。其中,全局状态变量的选取原则如下:IMU预积分项,IMU偏差项;视觉光度误差函数涵盖的几何元素,畸变变量;尺度因子,地图点的逆深度。全局状态变量的确立能够明确后端位姿优化中需要求解的各变量信息,减少各变量的误差累积从而提高位姿解算精度。在实验数据上与未融合IMU前VO系统的平移变量的漂移量及尺度漂移量相比,具有更小的漂移量并且精度进一步提高,证明本算法对各变量的优化更加高精度并且可以为下一帧的优化提供更好的初始姿态。3.在后端视觉与惯性数据联合优化求解位姿过程中,针对单目相机的尺度不确定性导致位姿解算过程误差累积,前后位姿尺度不一致问题,提出了基于紧耦合的多参数滑窗位姿优化算法。首先根据前端视觉初始位姿选取关键帧,构建帧间视觉光度误差项,并对关键帧对应时刻内的IMU采样值预积分,构造惯性残差项;其次设计尺度因子,使视觉光度误差项与惯性残差项中的位姿信息保持尺度一致性;最后,选取特定帧对应的先验信息,构建关于先验信息与视觉光度误差项、惯性残差项的整体优化目标函数;利用目标函数对全局状态变量进行优化求解,得到全局状态变量的更新值,对全局状态变量进行迭代更新获得当前时刻下高精度位姿信息。实验结果证明,本算法与未融合IMU前VO系统的实验数据进行APE和RPE比较,能够获得高精度的位姿解算结果。通过上述所述工作内容展示了本文提出的单目DSO和IMU传感器相融合的视觉惯性里程计。对本视觉惯性里程计实验数据与融合IMU前VO系统以及当前主流视觉惯性方法进行精度上的对比分析表明,本文在融合IMU之后具有高精度的位姿解算结果。
孔海怡[10]（2020）在《基于全向移动机器人的轨迹跟踪与避障控制》文中研究指明随着智能化技术的快速发展,机器人在人们的生活中占据了越来越重要的位置,从当初专为工业生产而创造,到如今随处可见它们的身影。而移动机器人作为其中的一个重要分支,因为移动方便、可有效扩大工作范围等特点,得到了更加广泛的研究与应用。为了充分发挥移动机器人在运动上的优势,人们开始研究能赋予机器人更强大的运动能力的机械结构。在这样的需求背景下,拥有完整性约束、全方位运动能力的全向移动机器人诞生了。全向移动机器人灵活性高,稳定性强,可以应用到许多复杂的现实场景中,因此对其进行深入研究具有重要的现实意义。本文基于全向移动机器人进行了轨迹跟踪与避障控制的研究。首先,对四轮全向移动机器人进行数学建模分析,推导出它的运动学模型。在此基础上,建立了移动机器人中心点与参考位姿间的动态误差模型。然后根据轨迹跟踪控制目的,设计了模型预测控制的代价函数,继而将其中求解最优化控制的问题转化带有约束的二次规划问题,最终得到使移动机器人稳定跟踪参考轨迹的最优控制输人。针对系统的自主避障问题,提出了基于人工势场法与Bug算法的避障策略,分别指导系统在已知环境地图下与环境动态变化下进行局部路径规划。针对人工势场法中存在的局部极小值问题,引入跟墙法帮助移动机器人逃离局部极小值陷阱,并通过优化模式切换条件与跟墙法运动方向的选择来缩短总路径长度。同时,提出对环境地图进行障碍物填充处理,从而大大降低路径规划的难度。另外,基于传统的Bug算法,开发了新的No Target-Bug算法,可解决系统在遥控模式下不存在明确目标点的动态避障。通过将NT-Bug算法中环绕障碍物移动的过程细分为几个阶段,实现了比传统Bug方法更加高效的避障方式。最后,提出了基于全向移动机器人的共享控制策略,由操作者通过人机交互的方式来实现对移动机器人运动的共享控制。在共享控制系统中,操作者的肌电信号被转化运动指令,分别用于控制移动机器人的运动方向与线速度。同时,移动机器人系统还具备自主避障的功能,引入NT-Bug算法作为避障的指导方法,可实现移动机器人在动态环境下的自主避障。最终,通过两组室内环境下的实物实验验证了共享控制策略的可行性与NT-Bug算法的有效性。
二、利用GETTIM函数求全局极小值（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、利用GETTIM函数求全局极小值（论文提纲范文）
（2）分数阶梯度下降法基础理论研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号说明 |
| 第1章 绪论 |
| 1.1 研究背景和动机 |
| 1.2 研究现状 |
| 1.2.1 基于分数阶梯度方向的优化算法研究现状 |
| 1.2.2 基于系统理论的梯度下降法 |
| 1.2.3 列维扰动梯度下降法的研究现状 |
| 1.3 本文的内容安排 |
| 第2章 基础知识 |
| 2.1 分数阶微积分 |
| 2.1.1 重要函数 |
| 2.1.2 分数阶微积分的定义 |
| 2.2 分数阶系统及其稳定性分析 |
| 2.2.1 分数阶系统的数学描述 |
| 2.2.2 分数阶系统稳定性 |
| 2.3 凸优化重要概念和梯度下降法 |
| 2.3.1 凸优化理论中的重要概念 |
| 2.3.2 梯度下降法 |
| 2.3.3 传统梯度下降法收敛特性分析 |
| 2.4 重要随机过程 |
| 2.4.1 马尔科夫过程 |
| 2.4.2 泊松过程 |
| 2.4.3 列维过程 |
| 2.5 本章小结 |
| 第3章 基于分数阶梯度方向的梯度下降法 |
| 3.1 引言 |
| 3.2 传统分数阶梯度法收敛特性分析 |
| 3.3 新型分数阶梯度下降法 |
| 3.3.1 卡普托定义下的分数阶梯度下降法 |
| 3.3.2 黎曼刘维尔定义下的分数阶梯度下降法 |
| 3.3.3 截断分数阶梯度下降法 |
| 3.3.4 向量形式截断分数阶梯度下降法 |
| 3.4 截断分数阶梯度下降法收敛特性分析 |
| 3.4.1 收敛精度分析 |
| 3.4.2 收敛速度分析 |
| 3.5 分数阶梯度下降法的本质推广 |
| 3.6 本章小结 |
| 第4章 基于系统理论的梯度下降算法 |
| 4.1 引言 |
| 4.2 常见梯度下降法的系统表达 |
| 4.2.1 传递函数的不同状态空间实现 |
| 4.2.2 涅斯特诺夫加速梯度法的“最优性” |
| 4.3 连续形式下的梯度下降法 |
| 4.3.1 连续整数阶梯度下降法 |
| 4.3.2 连续分数阶梯度下降法 |
| 4.4 基于有限时间的梯度下降法设计 |
| 4.4.1 分数幂有限时间梯度下降算法 |
| 4.4.2 鲁棒有限时间梯度下降法 |
| 4.4.3 分数阶有限时间梯度下降法 |
| 4.5 重置梯度下降法 |
| 4.5.1 重置动量梯度法 |
| 4.5.2 重置涅斯特诺夫加速梯度法 |
| 4.5.3 重置有限时间梯度下降法 |
| 4.5.4 重置梯度法小结 |
| 4.6 本章小结 |
| 第5章 分数阶扰动梯度下降法 |
| 5.1 引言 |
| 5.2 标量列维扰动梯度法 |
| 5.2.1 列维扰动梯度法和列维扰动分解 |
| 5.2.2 大步长扰动下算法特性分析 |
| 5.3 截断列维扰动梯度法 |
| 5.4 向量列维扰动梯度法 |
| 5.5 列维扰动动量梯度法 |
| 5.6 全局梯度搜索算法 |
| 5.7 安排跳跃点扰动梯度法 |
| 5.8 本章小结 |
| 第6章 结束语 |
| 6.1 主要工作和贡献 |
| 6.2 主要创新点 |
| 6.3 研究前景展望 |
| 6.4 研究心得体会 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的学术活动及研究成果 |
（3）最优化问题的填充函数算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 最优化问题简介 |
| 1.2 最优化问题基础知识 |
| 1.3 全局优化算法概述 |
| 1.4 填充函数算法概述 |
| 2 一个非线性全局优化的单参数填充函数 |
| 2.1 引言 |
| 2.2 一些基本定义 |
| 2.3 单参数的填充函数及其性质 |
| 2.4 填充函数的算法 |
| 2.5 数值试验及结果 |
| 2.6 小结 |
| 3 一类求解约束全局最优化问题的新无参数的填充函数 |
| 3.1 引言 |
| 3.2 假设与定义 |
| 3.3 填充函数及其性质 |
| 3.4 填充函数的算法 |
| 3.5 数值实验 |
| 3.6 小结 |
| 4 全局优化的一类新的 F-C 函数 |
| 4.1 引言 |
| 4.2 基础知识 |
| 4.3 新的 F-C 函数及其性质 |
| 4.4 问题（4.2）的 F-C 函数算法 |
| 4.5 数值实验及结果 |
| 4.6 小结 |
| 5 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 作者在攻读硕士学位期间发表的论文目录 |
（4）期权定价模型构建与参数估计研究 ——基于深度学习、集成学习和智能优化算法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究内容 |
| 1.3 研究的技术路线与方法 |
| 1.4 研究创新点 |
| 第2章 国内外研究综述 |
| 2.1 Black-Scholes模型的提出与面临的问题 |
| 2.2 常见波动率建模方式和主要结论 |
| 2.3 随机波动率模型综述与分析 |
| 2.3.1 一些着名的随机波动率模型 |
| 2.3.2 随机波动率模型面临的问题 |
| 2.4 局部波动率模型综述与分析 |
| 2.4.1 一些着名的局部波动率模型 |
| 2.4.2 局部波动率模型面临的问题与解决思路 |
| 2.5 现有模型在形式上存在的不足与解决思路 |
| 2.6 期权定价模型参数估计方法综述与分析 |
| 2.6.1 常见的期权定价模型参数估计方法 |
| 2.6.2 现有参数估计方法存在的不足与解决思路 |
| 2.7 深度学习、集成学习和智能优化算法在金融领域中的应用 |
| 2.8 本章小结 |
| 第3章 中低频量化交易下期权定价模型参数估计研究——用遗传算法估计Heston模型参数 |
| 3.1 引言 |
| 3.2 估计Heston模型参数的一些现有方法评析 |
| 3.2.1 Heston模型与主要结果 |
| 3.2.2 参数估计方法分析 |
| 3.3 估计Heston模型参数的遗传算法设计 |
| 3.3.1 遗传算法 |
| 3.3.2 算法主要环节设计 |
| 3.3.3 Heston模型参数估计的遗传算法流程 |
| 3.4 计算实验与结果分析 |
| 3.4.1 样本数据构成 |
| 3.4.2 算例分析 |
| 3.5 本章小结 |
| 第4章 高频量化交易下期权定价模型参数估计研究——基于卷积神经网络的两阶段启发式算法 |
| 4.1 引言 |
| 4.2 卷积神经网络 |
| 4.2.1 期权合约信息的内卷积、外卷积和上采样、下采样计算 |
| 4.2.2 期权合约信息的卷积面与池化面计算 |
| 4.2.3 卷积神经网络的标准模型 |
| 4.2.4 卷积神经网络的一般学习算法 |
| 4.3 两阶段启发式算法 |
| 4.3.1 基于卷积神经网络的历史实例求解信息学习 |
| 4.3.1.1 历史实例求解信息生成 |
| 4.3.1.2 卷积神经网络的构建 |
| 4.3.1.3 卷积神经网络的训练算法设计 |
| 4.3.2 基于PSO算法和引导信息估计期权定价模型参数 |
| 4.3.2.1 PSO算法 |
| 4.3.2.2 PSO算法流程设计 |
| 4.3.3 两阶段启发式算法流程 |
| 4.4 计算实验与结果分析 |
| 4.4.1 卷积神经网络的训练样本数据构成 |
| 4.4.2 数值结果与分析 |
| 4.4.2.1 卷积神经网络的训练结果与分析 |
| 4.4.2.2 卷积神经网络引导求解新实例结果 |
| 4.4.2.3 PSO算法估计模型参数结果与分析 |
| 4.5 本章小结 |
| 第5章 基于集成学习的组合期权定价模型构建 |
| 5.1 引言 |
| 5.2 模型构建 |
| 5.2.1 集成学习及Adaboost算法 |
| 5.2.2 组合期权定价模型的构建 |
| 5.3 模型参数估计方法 |
| 5.3.1 主模型参数估计 |
| 5.3.2 子模型参数估计 |
| 5.4 计算实验与结果分析 |
| 5.4.1 样本数据构成 |
| 5.4.2 数值结果与稳定性分析 |
| 5.5 本章小结 |
| 第6章 基于DBM和SVM的确定性波动率函数模型构建 |
| 6.1 引言 |
| 6.2 深层波耳兹曼机 |
| 6.2.1 受限波耳兹曼机的模型和学习算法 |
| 6.2.1.1 受限波耳兹曼机的结构设计与理论推导 |
| 6.2.1.2 受限波耳兹曼机的学习算法设计 |
| 6.2.2 深层玻耳兹曼机的标准模型和学习算法 |
| 6.2.2.1 深层玻耳兹曼机的标准模型 |
| 6.2.2.2 深层玻耳兹曼机的学习算法 |
| 6.3 支持向量机 |
| 6.4 影响因子提取及确定性波动率函数模型构建 |
| 6.4.1 基于深层玻耳兹曼机提取波动率函数模型的影响因子 |
| 6.4.1.1 历史波动率的计算 |
| 6.4.1.2 深层玻耳兹曼机的模型设计 |
| 6.4.1.3 深层玻耳兹曼机的训练算法设计 |
| 6.4.2 确定性波动率函数模型的构建和算法 |
| 6.4.2.1 基于结构风险最小化的确定性波动率函数模型 |
| 6.4.2.2 模型求解方法 |
| 6.5 计算实验与结果分析 |
| 6.5.1 训练样本数据构成 |
| 6.5.2 数值结果与分析 |
| 6.5.2.1 深层玻耳兹曼机提取数据特征结果与分析 |
| 6.5.2.2 实验结果与鲁棒性分析 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 论文工作总结 |
| 7.2 未来研究内容 |
| 参考文献 |
| 致谢 |
| 攻读博士期间的主要研究成果 |
（5）宽带匹配网络理论及应用研究（论文提纲范文）
| 第一章 绪 论 |
| 1.1 研究背景及意义 |
| 1.2 宽带匹配网络的研究和发展 |
| 1.3 本文的内容安排及主要研究结果 |
| 第二章 网络基础 |
| 2.1 引言 |
| 2.2 赫维茨（HURWITZ）多项式 |
| 2.3 正实函数 |
| 2.4 有界实矩阵与有界实函数 |
| 2.5 网络函数及其性质 |
| 2.6 N端口网络参数 |
| 第三章 单路通信系统宽带匹配网络的综合设计方法 |
| 3.1 前言 |
| 3.2 博德—范诺—尤拉宽带匹配理论 |
| 3.2.1 博德理论 |
| 3.2.2 范诺理论 |
| 3.2.3 尤拉理论 |
| 3.2.4 集总参数网络综合 |
| 3.3 相容阻抗 |
| 3.4 分布参数网络综合 |
| 3.4.1 S=thsT变换 |
| 3.4.2 传输线分布参数元件 |
| 3.4.3 分布参数网络的综合 |
| 3.4.4 黑田变换及应用 |
| 第四章 单路通信系统宽带匹配网络的优化设计方法 |
| 4.1 前言 |
| 4.2 综合设计法所存在的一些问题 |
| 4.2.1 元件值非最优问题 |
| 4.2.2 网络结构非最优问题 |
| 4.3 实频技术法 |
| 4.3.1 无源负载单匹配问题 |
| 4.3.2 无源负载双匹配问题 |
| 4.4 参量技术法 |
| 4.5 直接优化法 |
| 4.5.1 直接优化法的各种目标函数 |
| 4.5.2 随机初始值优化法 |
| 4.6 高成品率设计 |
| 4.6.1 成品合率估计 |
| 4.6.2 元件参数中心值设计 |
| 4.7 有耗变换技术 |
| 第五章 多路通信系统宽带匹配网络的设计方法 |
| 5.1 前言 |
| 5.2 多路通信系统宽带匹配网络的几种设计方法 |
| 5.2.1 每个通道具有一个独立的匹配网络的设计方法 |
| 5.2.2 所有通道共用一个匹配网络的设计方法 |
| 第六章 多路耦合器中耦合网络的研制——无源负载匹配网络 |
| 6.1 前言 |
| 6.2 多路耦合器的主要技术指标 |
| 6.3 耦合匹配网络的主要任务 |
| 6.4 耦合匹配网络的设计难点及处理 |
| 6.5 VHF耦合匹配网络的设计 |
| 6.5.1 耦合匹配网络的结构 |
| 6.5.2 对同轴电缆线的处理 |
| 6.5.3 匹配网络的优化模型 |
| 6.5.4 提高成功率的措施 |
| 6.5.5 VHF多路耦合器匹配网络的设计性能及测试性能 |
| 6.6 UHF耦合匹配网络的设计 |
| 第七章 微波FET放大器的优化设计——有源负载匹配网络的设计 |
| 7.1 前言 |
| 7.2 微波FET放大器的增益 |
| 7.3 微波FET放大器的稳定性 |
| 7.4 微波FET放大器的噪声系数 |
| 7.5 微波FET放大器的优化目标函数 |
| 7.6 微波FET放大器的宽带偏置电路的设计 |
| 7.7 微波FET放大器的实际制作及测试结果 |
| 结束语 |
| 致 谢 |
| 参考文献 |
| 在校期间发表的论文和参加的科研 |
（6）基于数学核心素养的教学设计研究 ——以高中导数为例（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 核心素养的提出 |
| 1.1.2 导数知识的地位和作用 |
| 1.1.3 高中导数教与学的现状及反思 |
| 1.2 研究内容及意义 |
| 1.2.1 研究内容 |
| 1.2.2 研究意义 |
| 1.3 研究思路及方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究方法 |
| 第二章 研究综述 |
| 2.1 概念界定 |
| 2.1.1 数学核心素养 |
| 2.1.2 教学设计 |
| 2.2 核心素养的相关研究 |
| 2.2.1 国内外关于核心素养的相关研究 |
| 2.2.2 国内外关于数学核心素养的相关研究 |
| 2.2.3 基于数学核心素养的教学设计研究 |
| 2.3 高中导数教学设计的相关研究 |
| 2.4 研究的理论基础 |
| 2.4.1 建构主义学习理论 |
| 2.4.2 弗赖登塔尔数学教育理论 |
| 第三章 基于数学核心素养的教学设计原则与策略 |
| 3.1 基于数学核心素养的教学设计原则 |
| 3.1.1 从宏观到微观的设计原则 |
| 3.1.2 教学目标指向数学核心素养原则 |
| 3.1.3 教学内容有助于学生形成数学核心素养原则 |
| 3.1.4 教学过程重视让学生经历数学化活动原则 |
| 3.1.5 教学评价重视学生数学核心素养达成原则 |
| 3.2 基于数学核心素养的教学设计策略 |
| 3.2.1 创设合适的教学情境,提出合适的数学问题 |
| 3.2.2 训练理性思维,积累数学活动经验 |
| 3.2.3 例题习题注重变式,联系实际 |
| 3.2.4 课堂总结、交流与反思起到升华作用 |
| 3.2.5 重视信息技术与数学课程的融合 |
| 第四章 基于数学核心素养的高中导数的教学设计 |
| 4.1 基于数学核心素养的高中导数的单元教学设计 |
| 4.1.1 教学要素分析 |
| 4.1.2 单元教学目标制定 |
| 4.1.3 教学流程安排 |
| 4.2 基于数学核心素养的导数的教学设计案例 |
| 4.2.1 导数的概念教学设计案例 |
| 4.2.2 函数的极值与导数教学设计案例 |
| 第五章 教学设计的实施、评价与修改 |
| 5.1 教学设计的实施 |
| 5.2 教学评价与效果分析 |
| 5.3 教学反思及教学设计的修改 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（7）全局优化在边坡最危险滑动面搜索中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 研究意义 |
| 1.2 研究现状 |
| 1.3 本文主要工作 |
| 第二章 最危险滑动面搜索的全局优化方法分析 |
| 2.1 引言 |
| 2.2 全局优化方法 |
| 2.3 全局优化常用算法及其在最危险滑动面搜索中的适用性 |
| 2.4 小结 |
| 第三章 基于简化bishop法的全局优化安全系数计算方法 |
| 3.1 Bishop简化法计算原理 |
| 3.2 条分法的程序实现 |
| 3.3 小结 |
| 第四章 全局优化搜索边坡最危险滑动面方法的程序实现 |
| 4.1 最危险滑动面搜索的优化模型 |
| 4.2 基本填充函数法 |
| 4.3 跨越函数法 |
| 4.4 改进策略 |
| 4.5 算法的收敛性 |
| 4.6 程序实现 |
| 4.7 考核算例 |
| 4.8 小结 |
| 第五章 咸宁核电厂厂址边坡工程实例 |
| 5.1 工程概况 |
| 5.2 坡形设计 |
| 5.3 计算结果分析 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（8）统一测量计算框架的建立问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景与基本问题 |
| 1.1.2 建立统一测量计算框架的研究意义 |
| 1.2 论文研究的关键问题 |
| 1.2.1 测量算子的计算问题 |
| 1.2.2 测量信号有效性分析的计算问题 |
| 1.2.3 测量信号模型辨识的计算问题 |
| 1.3 关键问题的研究现状 |
| 1.3.1 测量算子研究现状 |
| 1.3.2 测量信号有效性分析研究现状 |
| 1.3.3 测量信号模型辨识研究现状 |
| 1.4 论文主要研究内容 |
| 第二章 测量算子计算框架研究 |
| 2.1 普适性测量算子及其基本算法 |
| 2.1.1 测量信号相关概念 |
| 2.1.2 测量算子定义 |
| 2.1.3 普适性测量算子 |
| 2.2 多项式模型下普适性算子计算 |
| 2.2.1 多项式测量信号模型 |
| 2.2.2 比对距离函数的算式 |
| 2.2.3 测量结果计算方法 |
| 2.3 算子代价评估与快速计算 |
| 2.3.1 算子代价评估 |
| 2.3.2 快速计算方法 |
| 2.4 典型特殊信号模型测量算子计算 |
| 2.4.1 线性测量信号模型 |
| 2.4.2 时延测量信号模型 |
| 2.5 测量算子计算框架设计 |
| 2.5.1 计算框架的基本架构 |
| 2.5.2 计算框架的维护升级 |
| 2.6 本章小结 |
| 第三章 测量信号有效性分析计算框架研究 |
| 3.1 测量信号有效性的定量度量 |
| 3.1.1 测量信号有效性的内涵本质 |
| 3.1.2 测量信号有效性定量度量 |
| 3.2 测量信号区别度的计算 |
| 3.2.1 距离函数的算式 |
| 3.2.2 单点区别度计算 |
| 3.2.3 全局区别度计算 |
| 3.3 测量信号灵敏度的计算 |
| 3.3.1 单点灵敏度计算 |
| 3.3.2 全局灵敏度计算 |
| 3.3.3 平均灵敏度计算 |
| 3.4 典型特殊信号模型的有效性分析 |
| 3.4.1 线性测量信号模型 |
| 3.4.2 时延测量信号模型 |
| 3.5 测量信号有效性分析计算框架设计 |
| 3.5.1 计算框架的基本架构 |
| 3.5.2 计算框架的维护升级 |
| 3.6 本章小结 |
| 第四章 测量信号模型辨识计算框架研究 |
| 4.1 测量信号模型的来源问题 |
| 4.1.1 量值的存在性 |
| 4.1.2 测量信号模型的来源 |
| 4.1.3 信号模型的合格性检验 |
| 4.2 基于代数多项式的信号模型辨识 |
| 4.2.1 模型参数计算 |
| 4.2.2 模型阶数确定 |
| 4.2.3 正交多项式下的模型辨识 |
| 4.3 时域降维信号模型辨识 |
| 4.3.1 基准样本直接时域降维 |
| 4.3.2 基于主分量分解的时域降维 |
| 4.3.3 海水声速测量实例 |
| 4.4 区间分段信号模型辨识 |
| 4.4.1 区间分段方法 |
| 4.4.2 带端点约束的参数计算 |
| 4.5 测量信号模型辨识计算框架设计 |
| 4.5.1 计算框架的基本架构 |
| 4.5.2 计算框架的维护升级 |
| 4.6 本章小结 |
| 第五章 测量计算的程序化实现 |
| 5.1 测量计算框架的总体架构 |
| 5.1.1 计算框架的结构与分层 |
| 5.1.2 计算框架的应用模式 |
| 5.2 测量计算的程序化实现 |
| 5.2.1 测量算子程序化 |
| 5.2.2 测量信号有效性分析程序化 |
| 5.2.3 测量信号模型辨识程序化 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文研究总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 攻博期间参与的科研项目 |
| 附录2A 多项式实根求解方法 |
| 附录2B 最小二乘解主要性质的证明 |
| 附录2C 最小二乘解越域修正相关定理证明 |
| 附录3A 线性模型下距离函数重要性质的证明 |
| 附录4A 例4.1 中基准信号模型的参数矩阵 |
（9）多传感器融合的高精度SLAM关键技术研究（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 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 SLAM研究现状 |
| 1.2.2 视觉惯性SLAM研究现状 |
| 1.3 本文研究工作内容及结构 |
| 1.3.1 本文主要研究内容 |
| 1.3.2 论文组织结构 |
| 第二章 视觉惯性SLAM理论与模型 |
| 2.1 相机模型与坐标系转换 |
| 2.1.1 针孔相机模型 |
| 2.1.2 畸变模型 |
| 2.1.3 坐标系变换 |
| 2.2 数学理论基础 |
| 2.2.1 李群与李代数 |
| 2.2.2 李群上的求导与扰动模型 |
| 2.3 SLAM系统数学模型构建 |
| 2.3.1 机器人概率模型 |
| 2.3.2 非线性优化 |
| 2.4 视觉惯性里程计 |
| 2.5 本章小结 |
| 第三章 视觉惯性里程计的前端初始位姿估计 |
| 3.1 基于像素点图像帧间的优化 |
| 3.1.1 光流法跟踪 |
| 3.1.2 图像金字塔 |
| 3.2 基于直接法DSO的前端位姿估计 |
| 3.2.1 直接法原理 |
| 3.2.2 去畸变帧间位姿估计算法 |
| 3.3 惯性IMU在图像帧间的位姿估计 |
| 3.3.1 IMU模块采样模型 |
| 3.3.2 图像帧间的预积分 |
| 3.4 本章小结 |
| 第四章 视觉惯性里程计后端位姿优化算法 |
| 4.1 构造全局状态变量 |
| 4.2 基于紧耦合的多参数滑窗位姿优化 |
| 4.2.1 视觉惯性残差项构造 |
| 4.2.2 整体优化目标函数 |
| 4.3 尺度因子和先验信息 |
| 4.3.1 尺度因子的设计 |
| 4.3.2 边缘化和先验信息 |
| 4.4 本章小结 |
| 第五章 视觉惯性里程计及实验结果分析 |
| 5.1 实验平台以及数据集概况 |
| 5.2 视觉惯性里程计实验结果 |
| 5.2.1 前后端视觉位姿优化过程图 |
| 5.2.2 地图构建 |
| 5.3 视觉惯性里程计实验精度 |
| 5.3.1 精度分析依据标准 |
| 5.3.2 实验精度对比 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）基于全向移动机器人的轨迹跟踪与避障控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状与分析 |
| 1.2.1 全向移动机器人发展概述 |
| 1.2.2 轨迹跟踪控制的研究现状与分析 |
| 1.2.3 避障算法的研究现状与分析 |
| 1.3 论文的主要研究内容及组织结构 |
| 第二章 全向移动机器人系统介绍 |
| 2.1 全向移动机器人硬件配置 |
| 2.2 全向移动机器人软件平台 |
| 2.2.1 环境地图与自主定位 |
| 2.2.2 局部代价地图 |
| 2.3 全向移动机器人数学模型 |
| 2.4 本章小结 |
| 第三章 基于模型预测控制方法的轨迹跟踪控制 |
| 3.1 模型预测控制方法介绍 |
| 3.2 动态误差模型 |
| 3.3 轨迹跟踪控制器设计 |
| 3.4 仿真实验 |
| 3.5 本章小结 |
| 第四章 全向移动机器人系统避障算法设计 |
| 4.1 引言 |
| 4.2 人工势场法介绍 |
| 4.3 改进传统人工势场法 |
| 4.3.1 人工势场法结合跟墙法 |
| 4.3.2 跟墙法运动方向选择 |
| 4.3.3 障碍物填充 |
| 4.4 改进Bug算法 |
| 4.5 仿真实验 |
| 4.5.1 人工势场法仿真实验结果 |
| 4.5.2 NT-Bug算法仿真实验结果 |
| 4.6 本章小结 |
| 第五章 基于全向移动机器人的共享控制策略 |
| 5.1 引言 |
| 5.2 共享控制系统 |
| 5.3 肌电信号的获取与处理 |
| 5.3.1 肌电信号传感器 |
| 5.3.2 肌电强度幅值提取 |
| 5.3.3 线速度指令 |
| 5.3.4 运动方向指令 |
| 5.4 实验 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 授权 |
四、利用GETTIM函数求全局极小值（论文参考文献）
- [1]利用GETTIM函数求全局极小值[J]. 程书田,梁昌洪. 电子科技, 1997(01)
- [2]分数阶梯度下降法基础理论研究[D]. 陈玉全. 中国科学技术大学, 2020(01)
- [3]最优化问题的填充函数算法研究[D]. 马雪. 重庆大学, 2013(03)
- [4]期权定价模型构建与参数估计研究 ——基于深度学习、集成学习和智能优化算法[D]. 何万里. 东北财经大学, 2019(06)
- [5]宽带匹配网络理论及应用研究[D]. 程书田. 西安电子科技大学, 1998(01)
- [6]基于数学核心素养的教学设计研究 ——以高中导数为例[D]. 张淑君. 海南师范大学, 2019(12)
- [7]全局优化在边坡最危险滑动面搜索中的应用[D]. 蒋鑫. 南京大学, 2012(10)
- [8]统一测量计算框架的建立问题研究[D]. 周超. 国防科技大学, 2017(02)
- [9]多传感器融合的高精度SLAM关键技术研究[D]. 纪晓凤. 西安电子科技大学, 2019(02)
- [10]基于全向移动机器人的轨迹跟踪与避障控制[D]. 孔海怡. 华南理工大学, 2020(02)