一、网络最优化中的一个扩容算法（论文文献综述）
郑传良,伍仰金,陈一强,叶家玮,郑涛,魏兰兰,吴书迪[1]（2021）在《基于非支配排序改进型蝙蝠算法的储能系统选址定容》文中认为针对储能系统选址定容中的多目标优化问题,在线路总损耗、节点电压偏差、储能系统投资运行总费用的约束下,基于非支配排序改进型蝙蝠算法建立储能系统选址定容多目标优化模型。引入改进型蝙蝠算法对非支配排序遗传算法进行更新,有利于Pareto前沿解集在搜索过程中跳脱局部最优解,相比于传统算法具备更优秀的收敛性。基于Vague集模糊熵权法进行多目标决策选取,有利于提高所选配置方案的准确性。在某市10 kV线路验证算法的有效性,为储能系统选址定容规划问题提供可行的建议。
杨子兰,朱娟萍,李睿,杨宇[2]（2021）在《有向网络中强连通支撑子图扩容问题》文中指出针对有向网络中的强连通支撑子图弧扩容问题,提出了 GSCSCE模型.首先研究不受限制的两种特殊情况:最少弧强连通支撑子图扩容问题（MNSCSCE）和最小费用强连通支撑子图扩容问题（MCSCSCE）,并把它们的模型转化为赋权形式的强连通支撑子图问题,分别给出了 2-近似算法,时间复杂性均为O（mn）.最后讨论受限制问题的特殊情况:最少弧受限强连通支撑子图扩容问题（NCSCSS）,用支撑树形图的简单变换给出了一个2-近似算法,时间复杂性为O（mn）.
徐晓青,唐宏,阮科,武娟,刘晓军[3]（2021）在《基于时延约束的广域网络拓扑设计和容量规划》文中提出为了优化网络性能和降低建设成本,应用线性规划和启发式贪婪取走算法,基于时延约束对广域网络规划中拓扑设计和容量确定问题进行研究。首先,考虑需求的权重,采用线性规划求解给定路径下的最低时延和最低时延下的最低成本扩容问题。其次,采用贪婪取走算法,以全局归一化时延增量作为取走候选链路标准,从全拓扑网络的候选链路集中得到满足时延约束的新增链路。此外,提出可以结合线性规划和贪婪取走算法实现时延约束下最低成本的新增链路及扩容。结果表明,本文提出的方法可以有效解决针对时延优化的广域网络规划中拓扑设计和容量规划问题。
阮一晨[4]（2021）在《基于数据驱动的杭州萧山区公共中心体系认知与优化研究》文中研究指明随着我国经济社会的发展由高速增长转为高质量增长,人民生活水平不断提升,社会主要矛盾发生转变,城市生活性空间的发展随之转变为引领城市建设、提升城市居民生活幸福感的主要动力之一。城市公共中心体系是承载城市居民生活性活动的主要空间,在城市公共服务与消费空间的发展中起到重要作用。近年来,城市研究数据与技术快速发展,特别是大数据与机器学习算法的引入,为城市空间结构研究提供了强有力的量化支撑。但同时也引申出公共中心体系研究中,数据表征的充分性、研究方法的适应性、表征关系的实效性等数据技术应用层面的问题。为此,本研究以杭州市萧山区为对象,针对城市公共中心体系研究,在数据技术选择与应用、影响要素与机制分析、优化布局手段等多方面文献综述基础上,结合规划研究中数据应用的特征,总结出本研究着力探索的三个主要问题:如何观察并总结公共中心的特征、公共中心体系发展类型特征与影响要素有哪些、怎样正确引导公共中心空间优化。并借鉴弱假设强表征的数据驱动范式,形成了由理论线索指导表征数据,再构建表征关系,从而推导特征规律的研究逻辑,将之应用于研究问题所对应的空间认知、空间分析与空间优化三个主要流程,以实现空间认知与优化的研究目的,解释公共中心体系空间特征与规律,完善其优化方法与流程。研究内容与结论主要包括三方面:一是公共中心体系的识别与空间特征认识。从供给与需求的角度入手,针对公共中心体系的构成要素,搭建手机信令、POI与调研数据结合的多源数据识别框架,实现杭州市萧山区公共中心体系识别,并从中心的空间布局、结构关系与功能关联认识其基本空间特征。初步认识了体系内的公共中心路径依赖与道路亲缘特征规律与“一主一副数次多基”的4级中心体系,同时发现政府主导配置的公共服务设施在中心关联中具有重要引领性作用。二是在公共中心体系的发展程度与影响要素分析。构建常态化和非常态化两大层面的分析框架:在常态化层面,遵循先扩样后收缩的思路,从浙江省扩样识别公共中心体系的初长型、增长型、成熟型、完善型四大聚类,定位出与萧山区近似的成熟型与完善型聚类样本。同时地形条件、经济规模、人口规模、城市建设、居民消费力与公共交通6类影响要素存在显着的类型性差异,其变化特征主要由发展初期政府主导的投资拉动型增长模式转变为后期由市场引领的消费主导型发展模式。各影响要素间呈现相互作用的网络机制,其中人口规模是发展程度最直接最核心的影响要素。在非常态化要素方面,萧山区公共中心体系深受G20、亚运会与新冠疫情防控等大事件中正向推动力的促进,并在后续使其持续影响。三是在公共中心体系优化分析。杭州市萧山区的研究范围,通过人口与公共中心体系具有强关联的线索,从人口的居住、就业、旅游三方面入手构建“人口—公共中心”的空间关联模型,推导出中心优化的空间基础。在此基础上借助三方面目标准则:一是通过公共中心发展的监督学习模型、满意度与亚运会大事件分析结合,总结出经验目标。二是通过人本主义价值尺度下总结出效率与公平的发展目标,三是在公共中心现状特征中总结的规律性原则。最终在空间与非空间两个层面提出了针对萧山区公共中心体系的优化指引。经三方面内容的逐层推进,实现了公共中心体系认知与优化的数据驱动研究框架搭建,通过实证案例分析与认知,总结具有时空背景的特征经验与一般性的规律,丰富了新数据环境下的城市空间结构研究。
王彩[5]（2021）在《风/光出力不确定风险场景下的电网灵活性调控的运行规划分析》文中指出
刘智德[6]（2021）在《地理信息观测成果知识图谱构建及智能推荐方法》文中研究指明
郭瀚涛[7]（2021）在《成本和需求感知的VNF部署于动态扩缩容方法》文中研究说明网络功能虚拟化（Network Function Virtualization,NFV）是电信行业中服务提供方式的一个重要转变。它实现了网元功能和专用硬件设备的解耦。如何根据服务功能链（Service Function Chain,SFC）的特定要求,对虚拟网络功能（Virtual Network Functions,VNF）进行经济地放置部署以及按序链接是当前网络功能虚拟化编排管理面临的一项挑战。此外,当VNF放置之后,如何对处在服务状态的VNF实例动态调整以适应不断变化的网络流量并应对突发网络峰值是当前网络功能虚拟化编排的另一个挑战。目前,关于VNF部署映射的算法主要聚焦在部署成本的优化。大多数的研究主要关注于优化VNF实例的数目以减少节点开销,但因此会带来转发路径的增长导致流量开销变大。如何平衡节点部署成本和链路转发成本是目前丞待解决的问题。在虚拟资源动态扩缩容方面,目前的研究主要是基于阈值的被动式扩缩容。这种方式往往会造成扩缩容响应滞后以及扩缩容反复震荡等问题。针对以上背景和问题,本文提出了基于实例共享和成本感知的VNF部署编排方法以及基于LSTM流量预测和深度强化学习的虚拟资源动态扩缩容方法。主要工作如下:（1）基于实例共享和成本感知的VNF部署编排方法。该方法从共享VNF实例的角度来考虑VNF的部署问题,以提高资源利用率并降低总部署成本。本文针对VNF的部署放置问题提出了一个混合整数线性规划（Mixed Integer Linear Programming,MILP）模型,并且该模型可以根据不同的部署偏好进行动态配置。针对该问题模型,本文提出了一种启发式算法。该算法首先通过图论中的中心性对网络拓扑中的物理节点进行排序并筛选出可共享VNF实例的候选部署节点集合。之后,该算法通过马尔科夫决策过程选择出一条最佳部署路径来对VNF实例进行放置和链接,以保证总部署成本的最优化。通过实验验证,本文的启发式算法与MILP给出的结果的部署代价相差不到3%,并在求解时减少57.4%的时间。（2）基于LSTM流量预测和深度强化学习的虚拟资源动态扩缩容方法。本文提出了一种流量预测与扩缩容决策相结合的虚拟资源动态自适应方法。该方法通过长短期记忆神经网络（Long Short-Term Memory,LSTM）对前一小时内的网络流量进行分析并对未来10分钟内的流量进行预测,使扩缩容决策算法能够超前响应,以应对流量高峰的到来。在扩缩容决策过程中,本方法使用了基于优先级的深度强化学习（Priority-Deep Q-Learning,Priority-DQN）。通过与环境不断的交互和反馈,Priority-DQN算法能够随着流量的变化趋势做出正确的扩缩容调整,并在流量高峰到达前优化资源配置,保证服务质量。通过仿真评估,本文动态扩缩容方法的决策正确率最终能稳定在92%以上。综上所述,本课题提出的成本和需求感知的VNF部署与动态扩缩容方法在部署过程中能够有效优化总部署开销,并能够在动态扩缩容过程中不断在线学习,以适应不断变化的网络流量模式。
许传博[8]（2020）在《计及不确定性与协同性的微电网项目投资组合优化研究》文中认为微电网是未来分布式能源的重要载体,其作为泛在电力物联网的重要组成部分,在城市区域、海岛及偏远地区均有广泛的应用前景。与此同时,微电网的建设隶属于新型基础设施建设的范畴,其投资建设将助力我国经济培育新增长点、形成新动能。本文以微电网项目为主体,从能源电力企业角度对其投资组合优化问题展开了研究。在对微电网项目战略对应度评估的基础上,由浅入深地构建了静态、动态、多阶段动态三种情景下的微电网项目投资组合优化模型。针对不同模型的特点,分别引入分枝定界算法、改进差分进化算法、多智能体强化学习算法进行求解,从而探索了能源电力企业在各种情景下的微电网项目最优投资组合策略。首先,论文梳理了微电网项目投资组合优化的研究背景及意义,开展了对国内外微电网项目和项目投资组合优化问题及其方法的研究综述,并概述了项目组合管理、项目投资组合优化、项目评估模型及方法、组合优化模型及方法、不确定性等相关基础理论与方法,为后续的研究奠定了理论基础和研究范围。然后,论文研究了计及双重不确定性的微电网项目战略对应度评估问题。在对中国大型能源电力企业的战略目标进行分析的基础上,提炼出绿色发展战略、效益导向战略、科技创新战略及和谐发展战略这四大重点战略目标;结合文献综述对战略目标进行分解,建立起一套完备的微电网项目战略对应评估指标体系;针对微电网项目中多种不确定性因素的影响,采用云模型来描述微电网项目的模糊-随机双重不确定性;提出云层次分析法和基于K-means算法改进的云PROMETHEE-II算法进行微电网项目的战略对应度计算。该部分研究可为能源电力企业的微电网项目的初步筛选提供理论依据。其次,论文研究了计及不确定性和协同性的微电网项目静态投资组合优化问题。对微电网项目的协同因素进行识别,针对微电网项目间可能存在的电力交易提出了新的运营协同因素;基于现有文献中对项目间协同性刻画不充分的缺陷,采用云Choquet积分结合模糊测度对微电网项目协同性进行量化;考虑到非线性问题求解的复杂性,对构建的不确定0-1非线性规划模型采用MCPPSP-GW模型进行等价线性化处理,转化为不确定0-1线性规划模型;采用精确算法中的分支定界法对不确定0-1线性规划模型进行求解。该部分研究可为能源电力企业在现有微电网项目无调整的单决策时点情景下提供投资组合决策依据。再次,论文研究了计及不确定性和协同性的微电网项目动态投资组合优化问题。引入动态的概念来考虑现有微电网项目的调整,包括升级、维持以及放弃动作;在考虑微电网项目的机会成本与沉没成本的基础上,以总净现值最大化为目标,构建微电网项目动态投资组合不确定性0-1非线性规划模型;采用云模型的去不确定性公式将其转化为确定性0-1非线性规划模型;针对差分进化算法易陷入局部最优的缺陷,提出了增加自适应算子和结合粒子群算法的一种改进差分进化算法对模型进行求解。该部分研究可为能源电力企业在现有微电网项目有调整的单决策时点情景下提供投资组合决策依据。最后,论文研究了计及不确定性和协同性的微电网项目多阶段动态投资组合优化问题。引入多阶段的概念来考虑企业在一个规划期内的连续动态投资组合问题;基于发电成本与项目电价的不确定性,采用实物期权法确定每个新微电网项目的最佳投资时机;考虑到多阶段的时序决策问题,将微电网项目多阶段动态投资组合优化问题建模为马尔可夫决策过程,并对相应的状态、动作和奖励进行定义;将每个微电网视为一个智能体,提出随机博弈理论与强化学习算法相结合的多智能体强化学习算法,对微电网项目多阶段动态投资组合优化问题进行求解。该部分研究可为能源电力企业在现有微电网项目有调整的连续多决策时点情景下提供投资组合决策依据。
柯毅明[9]（2020）在《政府投资光伏扶贫项目区域优选方法及其规划模型研究》文中研究表明光伏扶贫项目是指由政府统一拨付资金,在光照资源良好的贫困区域建设村级光伏发电电站,并将发电营运所得用以帮扶建档立卡贫困户的政府投资项目。它不仅有助于解决落后地区的能源供给、就业创收和经济建设等问题,还可以助力于缩短贫富差距,维护社会公平并推动社会主义现代化进程。自试点以来,政府利用两年光景将光伏扶贫装机规模增至100万千瓦,受惠人数突破百万户。因巨大的利好效用,光伏扶贫项目已成为探索中国特色扶贫事业中可圈可点的“经验词条”,也被成功纳入十三五扶贫开发的工作重点。然而,随着光伏项目的发展,光伏电站潜在可安装面积日渐紧俏,弃光弃能等现象日益凸显。同时,伴随着扶贫开发的深入推进,加之光伏扶贫项目呈现出分布分散、地形特殊和地质多变等特点,部分因勘探不足、选址不良和规划不当引发的恶劣现象也逐渐显现。项目实施区域优选及其规划问题开始引发社会各界的关注和思考。综合分析当前主流的优选理论可知,传统的优选模型普遍存在契合度不高、适用性欠佳或求解精度不足的问题,难以有效应对光伏扶贫项目区域优选及规划建模。因此,本文以政策引导为支点,以“什么区域为条件适宜”、“如何进行项目组合规划”为导向,结合项目内在特征,探索高匹配度和强适应性的区域优选方法及其规划模型,旨在助力完善项目实施经验,提高光伏扶贫活力,为项目新建、改扩建乃至25年实施期满后拆除重建等情境下的投资决策活动提供可靠的智力支持。具体的研究内容如下:（1）结合项目特征的相关政策梳理及投资机理研究。针对目前光伏扶贫项目研究未考虑政策引导作用且投资机理不甚明确的问题,本文以项目特征为逻辑起点进行政策梳理及机理分析。首先,基于投资者、承包商、受益人和社会公众等利益相关方的定位及特点,明确其目标诉求,为后续因素提取和函数设立等过程提供支撑性材料;接着,结合项目目标,对项目的具体特征进行归纳,为后续研究奠定基础;随后,梳理相关政策的发展态势和时序特征,识别出对区域优选及其规划建模问题起着引导作用的政策,并以此作为全论文研究的基本准则,从而提高所建模型的政策匹配度;最后,结合政策引导作用,分析投资机理并界定项目运行机制,从而确保所建模型的项目契合度。（2）基于政策引导的双因素实施区域优选指标体系研究。针对传统指标提取过程中提取困难、因素缺失、筛选偏颇和决策支持度不足等问题,本文摒弃仅从经济、技术、社会和环境等宏观层面进行因素提取的方法,而是立足于利益相关方的目标诉求,提出“政策—风险—收益—反馈”搜索闭环,进而形成涵盖政策引导、风险规避、收益追逐和公众反馈的四维因素集,从而提升因素提取效率;考虑到部分区域因不满足建设红线或整体规划的要求而需被预先否决,本文通过界定指标概念、合并重叠因素和剔除无关因素,构建出政策引导下否决指标和优选指标双因素框架,从而保证指标体系的全面性。以上基于利益相关方目标诉求的因素提取思路可为学者搜集评估指标提供技术参考。（3）考虑决策者风险偏好的直觉模糊组合优选方法研究。针对传统模糊集难以反映决策信息犹豫度、常规赋权方法仅从主观重要性或客观信息量进行单侧度量、主流的排序过程未将决策者风险偏好纳入考虑范畴的问题,本文首先权衡了评估指标量、模糊界限及评估精度要求,决定采用直觉模糊语言集作为定性因素的评估依据。接着,结合直觉模糊集的矩阵一致性和熵值分布特征,对传统层次分析法和熵权法进行适应性调整与拓展,使得整个定权过程既能很好地反映专家经验的模糊性与犹豫程度,又能达到兼顾指标逻辑重要性和优选贡献度的决策效果;随后,基于直觉模糊集的运算逻辑和距离测度公式,对传统的风险偏好交互式决策排序框架进行调整,使排序结果充分反映决策者的风险规避心理,提高方法的实用度。本研究既有助于提升传统赋权方法的应用活力,丰富赋权方法理论体系;又可以提高排序过程的优选效率,丰富排序方法理论体系。（4）计及扶贫效果和容量约束的组合优化模型及寻优算法研究。针对传统组合优化模型契合度不高且寻优算法结果欠佳的问题,本文通过剖析光伏扶贫在战略层、项目层和资源层的投资目标及诉求,归纳出其项目组合的具体特征,在项目目标、政策引导、条例规范和并网要求的共同作用下构建出“目标—约束”组合优化模型。在目标函数方面,考虑到光伏扶贫项目兼具并网发电和帮扶贫困的任务,引入拟帮扶人数表征扶贫效果,从而设立最低成本和最佳扶贫效果两项优化目标;在约束条件方面,考虑到相关政策的规范和要求,结合电网建设和资源消耗等常规限制,从而设立容量限制的约束条件;在求解算法方面,结合种群适应度分布,令个体繁殖概率自适应调整,从而形成兼具非支配排序、拥挤度计算、精英策略和自适应遗传概率的改进算法,可应对过早收敛、求解欠佳和概率固化等问题,提高解集稳定性。改进的算法可丰富智能算法理论体系。（5）基于公平与效率的规划方案优选模型及求解算法研究。针对传统项目规划方案优选过程仅考虑效率测度结果且未对小样本数据求解偏差进行处理的问题,本论文基于项目全寿命周期与利益干系人双重视角,对公平与效率的具体表征进行归纳和总结。首先,引入公平因子,并结合标杆方案和聚类算法对备选方案进行样本初筛,识别出在公平层面表现欠佳的方案并予以剔除,极大契合政府投资项目在维护社会公平方面的理念;接着,将效率诉求转化为可运算的投入产出变量,借助数据包络分析算法对样本数据进行效率测度。考虑到小样本可能带来的估算偏差,引入重抽样技术进行样本扩容和效率值纠偏,结合纠偏后的效率值完成方案的优选排序,从而保证优选结果的准确性。以上提及的模型构建思路可拓展到其他政府投资项目的方案优选或效率分析中,提高优选模型与项目的契合度,而带纠偏处理的数据分析算法亦可丰富效率测度理论体系。
祁超[10]（2020）在《D运营商城域网流量预测与扩容工程优化研究》文中指出随着工信部向三大运营商颁发了5G商用牌照,中国的5G通信网络基础设施建设正式拉开序幕,在2020年3月的中共中央政治局常委会议提出加快5G网络、数据中心新型技术设施建设,即新基建将进入大规模建设阶段。无论在5G通信基础设施建设还是在新基建工程中均涉及通信网络、数据中心等网络工程的建设,而对城市网络流量预测,是此类工程项目进行科学规划的前提和关键。在进行新的通信基础设施建设时,对原有通信设施的扩容建设是一种必不可少的手段,通过对扩容工程进行优化,能够在工程建设目标的基础上大大减少工程的建设成本,同时提高工程的建设效率。以科学准确的预测城域网流量为基础,依据预测结果对网络扩容工程进行优化,对城域网扩容工程具有非常重要的意义。本文首先对D运营商城域网建设情况进行介绍,并对流量预测和扩容工程优化的方法进行了介绍和分析,然后对城域网流量预测进行研究,分析传统的预测方法和智能预测方法,并确定使用循环神经网络,建立了基于循环神经网络的城域网流量预测模型,选择合适的误差分析方法,对相关函数及优化器进行分析,选择最优组合,从而提高了城域网流量预测的准确性。在流量预测的基础上对城域网网络扩容工程的优化进行研究,并总结出网络扩容工程建设过程中的限制条件,主要包括建设机房面积、设备现状等,且同时考虑网络传输过程中丢包情况,选取网络门限,以及本次疫情期间居家办公、上学使得的网络需求激增情况,从而最终确定网络的扩容量。然后建立城域网扩容工程混合经济函数,结合工程特点,选择灰狼优化算法分析其原理并完成城域网扩容工程优化模型的建立。最后以D运营商某城域网扩容项目为例,利用基于循环神经网络的预测模型对城域网流量进行预测,对预测结果进行验证,将预测结果在基于灰狼优化算法的系统模型中进行城域网扩容工程优化,并对优化方案进行分析,结果表明本优化算法在满足网络承载能力的条件下,降低扩容项目的投资额,说明本研究在实际工程应用中有着良好的应用前景。
二、网络最优化中的一个扩容算法（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、网络最优化中的一个扩容算法（论文提纲范文）
（1）基于非支配排序改进型蝙蝠算法的储能系统选址定容（论文提纲范文）
| 0 引言 |
| 1 储能系统选址定容的数学模型 |
| 1.1 目标函数 |
| 1.1.1 线路总损耗 |
| 1.1.2 节点电压偏差 |
| 1.1.3 投资运行总费用 |
| 1.2 约束条件 |
| 1.2.1 潮流约束 |
| 1.2.2 节点电压约束 |
| 1.2.3 储能系统安装容量约束 |
| 1.2.4 储能系统运行约束 |
| 2 多目标优化算法 |
| 2.1 随机惯性权重策略 |
| 2.2 均衡策略 |
| 2.3 非支配排序策略 |
| 3 多目标决策算法 |
| 3.1 模糊熵权法 |
| 3.2 基于Vague值的模糊熵权法 |
| 3.3 优化配置经济性分析 |
| 4 算例分析 |
| 4.1 参数设置 |
| 4.2 算法性能分析 |
| 5 结语 |
（3）基于时延约束的广域网络拓扑设计和容量规划（论文提纲范文）
| 1 引言 |
| 2 拓扑不变的网络扩容 |
| 2.1 求解最低时延 |
| 2.2 求解最低时延下的最低成本 |
| 3 拓扑改变的网络扩容 |
| 3.1 贪婪取走算法确定新增链路 |
| 3.2 实验结果及分析 |
| 3.3 贪婪取走算法+线性规划的结合 |
| 4 模型效果评估及展望 |
| 5 结束语 |
（4）基于数据驱动的杭州萧山区公共中心体系认知与优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 社会主要矛盾发生转变带来的新需求 |
| 1.1.2 公共服务规划地位提升形成的新定位 |
| 1.1.3 数据科学革命引领的新视野 |
| 1.1.4 国土空间规划体系下的新要求 |
| 1.2 研究目的与意义 |
| 1.2.1 主要研究目的 |
| 1.2.2 研究意义 |
| 1.3 相关概念界定 |
| 1.3.1 数据驱动 |
| 1.3.2 公共中心体系 |
| 1.4 研究内容与范围 |
| 1.4.1 研究主要内容 |
| 1.4.2 研究范围 |
| 1.5 研究方法 |
| 1.5.1 定性研究方法 |
| 1.5.2 定量分析方法 |
| 1.6 技术路线与章节安排 |
| 1.6.1 研究技术路线 |
| 1.6.2 章节组织 |
| 2 相关研究综述 |
| 2.1 研究的理论基础 |
| 2.1.1 城市形态发展与演化理论中的城市中心 |
| 2.1.2 城市空间组织理论中的城市中心 |
| 2.2 城市公共中心体系的识别 |
| 2.2.1 城市中心识别数据源 |
| 2.2.2 城市中心及其体系识别方法 |
| 2.3 城市公共中心体系的演变趋势与影响要素 |
| 2.3.1 城市多中心结构的实践与效能 |
| 2.3.2 公共中心体系的发展趋势 |
| 2.3.3 公共中心的形成机制与影响要素 |
| 2.4 公共中心与城市服务的空间布局优化 |
| 2.4.1 公共中心的布局优化 |
| 2.4.2 各类城市服务的布局优化 |
| 2.5 借鉴与启示 |
| 2.5.1 研究借鉴 |
| 2.5.2 研究启示 |
| 3 研究框架 |
| 3.1 数据驱动的发展脉络 |
| 3.1.1 大数据的发展及利用 |
| 3.1.2 机器学习发展历程 |
| 3.1.3 数据驱动在城乡规划中的应用 |
| 3.2 表征学习与城市空间科学互动的研究理念 |
| 3.2.1 表征学习的应用难点 |
| 3.2.2 分析框架的基本流程 |
| 3.2.3 数据分析的基本逻辑 |
| 3.2.4 数据获取的基本原则 |
| 3.3 数据驱动的公共中心体系研究框架 |
| 3.3.1 研究主要问题难点 |
| 3.3.2 测度识别的理论先验 |
| 3.3.3 影响要素分析的理论先验 |
| 3.3.4 优化策略的理论先验 |
| 3.4 本章小结 |
| 4 萧山区公共中心体系识别与空间特征 |
| 4.1 供需视角下的中心度评级体系与数据基础 |
| 4.1.1 中心度的评价 |
| 4.1.2 中心度计算的数据基础 |
| 4.2 中心度计算结果与空间特征 |
| 4.2.1 指标权重计算 |
| 4.2.2 设施聚合度:多中心结构展现 |
| 4.2.3 设施规模度:中心集聚特征显着 |
| 4.2.4 设施使用度:就近满足的网络结构 |
| 4.2.5 中心度:内聚外散,北密南疏的整体格局 |
| 4.3 识别与特征分析 |
| 4.3.1 基于密度阈值的公共中心识别流程设计 |
| 4.3.2 公共中心的空间分布特征 |
| 4.3.3 公共中心的体系结构特征 |
| 4.3.4 功能关联特征 |
| 4.4 本章小结 |
| 5 萧山区公共中心体系的发展程度与影响要素 |
| 5.1 公共中心体系发展程度的表征 |
| 5.1.1 公共中心体系的总能级 |
| 5.1.2 公共中心体系的总数量 |
| 5.1.3 公共中心体系的均衡度 |
| 5.2 基于集成学习的中心度表征模型 |
| 5.2.1 特征构造与模型设计 |
| 5.2.2 模型精度检验方法 |
| 5.2.3 模型训练与精度表现 |
| 5.3 基于集成模型省域区县中心度拟合 |
| 5.3.1 中心度的分块拟合 |
| 5.3.2 中心体系的采样结果 |
| 5.3.3 省域区县公共中心体系表征 |
| 5.4 常态化影响要素分析 |
| 5.4.1 公共中心体系常态化影响要素的选择 |
| 5.4.2 中心度的多元线性回归 |
| 5.4.3 公共中心发展程度的聚类及其特征 |
| 5.4.4 公共中心体系的演化趋势分析 |
| 5.4.5 常态化影响要素构成与影响机制构建 |
| 5.5 萧山区公共中心体系的非常态化影响要素 |
| 5.5.1 公共服务设施配置 |
| 5.5.2 基础设施建设 |
| 5.5.3 城市空间调整 |
| 5.5.4 经济发展 |
| 5.5.5 城市品牌价值提升 |
| 5.5.6 城市治理能力提升 |
| 5.6 本章小结 |
| 6 萧山区公共中心体系布局优化 |
| 6.1 人口与公共中心体系布局的空间关联 |
| 6.1.1 基于人口的公共中心体系布局先验 |
| 6.1.2 人口分布的空间特征与空间关联 |
| 6.1.3 人口与公共中心的空间关联模型构造 |
| 6.1.4 模型结果与分析 |
| 6.1.5 人口与公共中心体系关联中的主要特征 |
| 6.2 公共中心优化目标 |
| 6.2.1 经验目标 |
| 6.2.2 价值目标 |
| 6.2.3 规律原则 |
| 6.3 公共中心体系布局优化指引 |
| 6.3.1 空间优化指引 |
| 6.3.2 服务优化策略 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 研究主要结论 |
| 7.1.1 公共中心识别与空间特征分析 |
| 7.1.2 公共中心的影响要素与机制分析 |
| 7.1.3 公共中心的优化指引 |
| 7.2 主要创新之处 |
| 7.2.1 引入了多源数据与算法适应的公共中心识别系统 |
| 7.2.2 尝试了表征数据与理论结合的影响要素解释机制 |
| 7.2.3 构建了集成框架与机制协同的目标估计监督模型 |
| 7.3 研究不足与展望 |
| 7.3.1 研究内容的深入挖掘 |
| 7.3.2 研究理论的深化演绎 |
| 7.3.3 数据技术的更新适应 |
| 参考文献 |
| 附录 |
| 附录1 浙江省区县中心体系发展程度影响要素 |
| 附录2 集成树分类规则 |
| 附录3 网络调查问卷中公共中心体系相关问题 |
| 个人简介 |
（7）成本和需求感知的VNF部署于动态扩缩容方法（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究内容 |
| 1.2.1 基于实例共享和成本感知的VNF部署编排 |
| 1.2.2 基于LSTM流量预测和深度强化学习的虚拟资源动态扩缩容技术 |
| 1.3 研究生期间的主要工作 |
| 1.4 论文结构 |
| 第二章 相关技术和研究现状 |
| 2.1 概述 |
| 2.2 网络功能虚拟化架构 |
| 2.3 服务功能链 |
| 2.4 5G核心网络 |
| 2.5 研究现状 |
| 2.5.1 VNF部署映射的研究现状 |
| 2.5.2 基于自适应的动态扩缩容方法研究现状 |
| 2.6 VNF部署映射与动态扩缩容相关衡量指标 |
| 2.7 本章小结 |
| 第三章 基于实例共享和成本感知的VNF部署编排方法 |
| 3.1 概述 |
| 3.2 问题描述与建模 |
| 3.2.1 问题描述 |
| 3.2.2 问题建模 |
| 3.3 基于实例共享和成本感知的部署编排启发式算法 |
| 3.3.1 筛选可以复用的VNF类型 |
| 3.3.2 选择S-VNFI候选部署节点 |
| 3.3.3 创建和链接VNF实例 |
| 3.4 仿真实验及结果分析 |
| 3.4.1 实验环境 |
| 3.4.2 实验结果分析 |
| 3.5 本章小结 |
| 第四章 基于LSTM流量预测和深度强化学习的虚拟资源动态扩缩容方法 |
| 4.1 概述 |
| 4.2 问题建模与描述 |
| 4.2.1 问题描述 |
| 4.2.2 问题建模 |
| 4.3 基于LSTM流量预测和DQN的虚拟资源动态扩缩容算法 |
| 4.3.1 数据集与数据清洗 |
| 4.3.2 基于LSTM的网络流量预测 |
| 4.3.3 基于Priority-DQN的自动扩缩容决策 |
| 4.4 仿真实验及结果分析 |
| 4.4.1 实验环境 |
| 4.4.2 实验结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 论文工作展望 |
| 参考文献 |
| 附录 缩略语表 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（8）计及不确定性与协同性的微电网项目投资组合优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 论文的研究背景 |
| 1.1.2 论文的研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 微电网项目发展与研究现状 |
| 1.2.2 项目投资组合优化问题研究现状 |
| 1.2.3 项目投资组合优化方法研究现状 |
| 1.3 主要研究内容与技术路径 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路径 |
| 1.4 主要研究创新点 |
| 第2章 相关基础理论研究 |
| 2.1 项目组合管理相关理论 |
| 2.1.1 项目组合管理理论的发展 |
| 2.1.2 项目组合管理理论的内涵及流程 |
| 2.2 项目组合优化相关理论 |
| 2.2.1 项目组合优化的原则 |
| 2.2.2 项目投资组合优化的流程 |
| 2.3 项目评估相关模型及方法探讨 |
| 2.3.1 权重确定方法探讨 |
| 2.3.2 综合评估方法探讨 |
| 2.4 组合优化相关模型及方法探讨 |
| 2.4.1 基于精确算法的组合优化探讨 |
| 2.4.2 基于启发式算法的组合优化探讨 |
| 2.4.3 基于机器学习算法的组合优化探讨 |
| 2.5 不确定性理论探讨 |
| 2.6 本章小结 |
| 第3章 计及不确定性的微电网项目战略对应度评估 |
| 3.1 引言 |
| 3.2 微电网项目战略对应评估指标体系研究 |
| 3.2.1 能源电力企业战略分析 |
| 3.2.2 战略目标的指标分解 |
| 3.3 微电网项目战略对应度评估研究 |
| 3.3.1 微电网项目不确定性分析 |
| 3.3.2 云模型理论 |
| 3.3.3 云层次分析法 |
| 3.3.4 改进的云PROMETHEE-Ⅱ算法 |
| 3.4 算例分析 |
| 3.4.1 项目简介 |
| 3.4.2 指标数据收集及计算 |
| 3.4.3 指标权重计算 |
| 3.4.4 战略对应度评估结果 |
| 3.5 本章小结 |
| 第4章 计及不确定性和协同性的静态投资组合优化 |
| 4.1 引言 |
| 4.2 微电网项目静态投资组合优化模型特点分析 |
| 4.2.1 传统微电网项目静态投资组合优化模型 |
| 4.2.2 计及不确定性的微电网项目静态投资组合优化模型 |
| 4.2.3 计及不确定性和协同性的微电网项目静态投资组合优化模型 |
| 4.3 微电网项目间协同性模型构建 |
| 4.3.1 微电网项目协同因素识别 |
| 4.3.2 基于模糊测度和云Choquet积分的微电网项目协同性刻画 |
| 4.4 基于线性化处理和分支定界法的项目静态投资组合优化研究 |
| 4.4.1 线性化处理方法 |
| 4.4.2 分枝定界法 |
| 4.5 算例分析 |
| 4.5.1 项目简介 |
| 4.5.2 项目协同度计算 |
| 4.5.3 求解结果 |
| 4.6 本章小结 |
| 第5章 计及不确定性和协同性的动态投资组合优化 |
| 5.1 引言 |
| 5.2 微电网项目动态投资组合优化模型构建 |
| 5.2.1 微电网项目动态性问题阐述 |
| 5.2.2 动态投资组合优化模型构建 |
| 5.3 改进差分进化算法研究 |
| 5.3.1 标准差分进化算法 |
| 5.3.2 差分进化算法的改进 |
| 5.3.3 算法性能测试 |
| 5.4 算例分析 |
| 5.4.1 项目简介 |
| 5.4.2 项目协同度计算 |
| 5.4.3 求解结果 |
| 5.5 本章小结 |
| 第6章 计及不确定性和协同性的多阶段动态投资组合优化 |
| 6.1 引言 |
| 6.2 基于实物期权的微电网项目最佳投资时机分析 |
| 6.2.1 实物期权及微电网项目的实物期权特性分析 |
| 6.2.2 微电网项目最佳投资时机确定模型 |
| 6.3 基于多智能体强化学习的多阶段动态投资组合研究 |
| 6.3.1 微电网项目多阶段动态投资问题阐述 |
| 6.3.2 强化学习与Q-学习算法 |
| 6.3.3 多智能体强化学习与纳什Q-学习算法 |
| 6.4 算例分析 |
| 6.4.1 项目简介 |
| 6.4.2 项目投资时机确定 |
| 6.4.3 求解结果 |
| 6.5 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（9）政府投资光伏扶贫项目区域优选方法及其规划模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景和意义 |
| 1.1.1 论文的研究背景 |
| 1.1.2 论文的研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 光伏扶贫项目研究现状 |
| 1.2.2 实施区域优选方法研究现状 |
| 1.2.3 项目规划决策模型研究现状 |
| 1.3 主要研究内容和技术路径 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究技术路线 |
| 1.4 主要创新点 |
| 第2章 相关基础理论研究 |
| 2.1 减贫相关理论 |
| 2.1.1 贫困定义与划分标准 |
| 2.1.2 社会主义贫困理论内在逻辑 |
| 2.2 风险决策相关理论 |
| 2.2.1 风险决策的基本概念 |
| 2.2.2 关键理论及其演化路径 |
| 2.3 规划模型相关理论 |
| 2.3.1 数学规划模型的基本内涵 |
| 2.3.2 条件约束与组合优化模型 |
| 2.3.3 效率测度模型及其延展 |
| 2.4 本章小结 |
| 第3章 政府投资光伏扶贫项目政策及投资机理 |
| 3.1 光伏扶贫项目基本内涵 |
| 3.3.1 光伏扶贫项目的基本特征 |
| 3.3.2 考虑利益相关方的项目目标 |
| 3.3.3 影响目标实现的关键问题 |
| 3.2 结合项目内涵的相关政策分析 |
| 3.2.1 基于时序规律的政策特征梳理 |
| 3.2.2 基于政策特征的政策引导作用 |
| 3.3 政策引导下光伏扶贫项目投资机理研究 |
| 3.3.1 项目利益相关方的组织架构 |
| 3.3.2 光伏扶贫项目的建设类型 |
| 3.3.3 光伏扶贫项目的融资模式 |
| 3.4 本章小结 |
| 第4章 政策引导下光伏扶贫项目实施区域优选方法 |
| 4.1 关键影响因素识别与分析 |
| 4.1.1 因素挖掘思路与原则 |
| 4.1.2 关键影响因素识别与挖掘 |
| 4.1.3 实施区域优选指标体系 |
| 4.2 直觉模糊环境的因素评估值采集 |
| 4.2.1 评估值类型及采集流程 |
| 4.2.2 直觉模糊环境的评估值确定方法 |
| 4.3 直觉模糊主客观组合权重计算 |
| 4.3.1 权重确定方法介绍与分析 |
| 4.3.2 直觉模糊环境的组合定权方法 |
| 4.4 基于TODIM集结框架的区位优选排序 |
| 4.4.1 信息集结及排序技术特点 |
| 4.4.2 直觉模糊环境的TODIM优选排序方法 |
| 4.5 算例分析 |
| 4.6 本章小结 |
| 第5章 基于非支配排序遗传算法的组合优化模型构建 |
| 5.1 光伏扶贫项目组合优化特点及内涵 |
| 5.1.1 项目组合管理及其内涵 |
| 5.1.2 光伏扶贫项目组合优化特征 |
| 5.2 光伏扶贫项目组合优化模型设计 |
| 5.2.1 模型的基本假设 |
| 5.2.2 多维“目标—约束”组合优化模型构建 |
| 5.3 算法分析及优化 |
| 5.3.1 优化求解算法内涵及分类 |
| 5.3.2 多目标遗传算法适用性分析 |
| 5.3.3 改进的非支配遗传算法 |
| 5.4 算法性能测试及算例分析 |
| 5.4.1 算法性能测试 |
| 5.4.2 算例分析 |
| 5.5 本章小结 |
| 第6章 基于公平与效率理论的规划方案优选模型构建 |
| 6.1 光伏扶贫项目公平与效率特质分析 |
| 6.1.1 项目全寿命周期公平与效率表征 |
| 6.1.2 项目干系人视角下公平与效率诉求 |
| 6.1.3 公平与效率理论适用性 |
| 6.2 光伏扶贫项目规划方案优选模型设计 |
| 6.2.1 模型基本假设 |
| 6.2.2 变量分析及选择 |
| 6.2.3 优选模型设计与构建 |
| 6.3 算法分析与优化 |
| 6.3.1 聚类分析算法介绍 |
| 6.3.2 数据包络分析算法描述 |
| 6.3.3 考虑数据纠偏的组合求解算法 |
| 6.4 算例分析 |
| 6.5 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（10）D运营商城域网流量预测与扩容工程优化研究（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 流量预测研究现状 |
| 1.2.2 网络扩容工程及优化算法研究现状 |
| 1.3 本文的主要研究内容 |
| 第2章 研究相关理论与方法 |
| 2.1 D运营商城域网网络概况 |
| 2.1.1 城域网络的定义 |
| 2.1.2 D运营商城域网基本情况 |
| 2.1.3 D运营商CN2网络基本情况 |
| 2.2 流量预测的基本概念与方法 |
| 2.2.1 流量预测的基本概念 |
| 2.2.2 流量预测的常用方法 |
| 2.3 扩容工程优化方法介绍 |
| 2.3.1 目前现行扩容工程优化方法 |
| 2.3.2 智能优化方法介绍 |
| 2.4 本章小结 |
| 第3章 基于循环神经网络的城域网流量预测 |
| 3.1 城域网流量预测概述 |
| 3.2 城域网流量的影响因素分析 |
| 3.3 基于循环神经网络的城域流量模型构建 |
| 3.3.1 循环神经网络概述 |
| 3.3.2 模型特征变量的选择 |
| 3.3.3 循环神经网络预测模型建立 |
| 3.4 流量预测对城域网扩容工程优化的作用分析 |
| 3.5 本章小结 |
| 第4章 基于灰狼优化算法的城域网扩容工程优化研究 |
| 4.1 城域网扩容工程设备分析 |
| 4.2 灰狼优化算法 |
| 4.3 基于优化灰狼算法的系统优化模型构建 |
| 4.3.1 目标函数 |
| 4.3.2 约束条件 |
| 4.3.3 基于优化灰狼算法的系统优化模型构建 |
| 4.4 本章小节 |
| 第5章 D运营商城域网流量预测与扩容工程案例应用分析 |
| 5.1 D运营商城域网扩容工程概述 |
| 5.2 城域网流量数据分析 |
| 5.3 基于循环神经网络的城域网流量预测 |
| 5.3.1 数据预处理 |
| 5.3.2 模型参数选择 |
| 5.3.3 模型预测结果与分析 |
| 5.4 考虑流量预测结果的扩容工程优化模型优化计算 |
| 5.4.1 确定门限和不确定因子 |
| 5.4.2 确定目标网络承载量 |
| 5.4.3 确定目标网络扩容承载量及额定参数 |
| 5.5 优化计算结果分析 |
| 5.6 本章小结 |
| 第6章 研究成果与结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
四、网络最优化中的一个扩容算法（论文参考文献）
- [1]基于非支配排序改进型蝙蝠算法的储能系统选址定容[J]. 郑传良,伍仰金,陈一强,叶家玮,郑涛,魏兰兰,吴书迪. 供用电, 2021(10)
- [2]有向网络中强连通支撑子图扩容问题[J]. 杨子兰,朱娟萍,李睿,杨宇. 系统科学与数学, 2021(08)
- [3]基于时延约束的广域网络拓扑设计和容量规划[J]. 徐晓青,唐宏,阮科,武娟,刘晓军. 电信科学, 2021(06)
- [4]基于数据驱动的杭州萧山区公共中心体系认知与优化研究[D]. 阮一晨. 浙江大学, 2021(01)
- [5]风/光出力不确定风险场景下的电网灵活性调控的运行规划分析[D]. 王彩. 南京师范大学, 2021
- [6]地理信息观测成果知识图谱构建及智能推荐方法[D]. 刘智德. 浙江大学, 2021
- [7]成本和需求感知的VNF部署于动态扩缩容方法[D]. 郭瀚涛. 北京邮电大学, 2021(01)
- [8]计及不确定性与协同性的微电网项目投资组合优化研究[D]. 许传博. 华北电力大学(北京), 2020(06)
- [9]政府投资光伏扶贫项目区域优选方法及其规划模型研究[D]. 柯毅明. 华北电力大学(北京), 2020(06)
- [10]D运营商城域网流量预测与扩容工程优化研究[D]. 祁超. 华北电力大学, 2020(02)