基于区间灰关联度的多传感器目标识别方法

针对具有多个特征指标的多传感器目标识别问题,提出了一种新的不确定性融合方法.该方法定义区间灰关联系数,通过熵权得到各目标类型的灰关联度,给出目标识别算法.克服了属性权重选取的主观性,提高目标识别结果的可信度,计算简单,易于计算机上实现.仿真实例验证了算法的有效性和实用性.     

多目标置换流水车间调度的混沌杂草优化算法

针对最小化最大完工时间,总流程时间及总延迟时间的多目标置换流水车间调度问题,提出一种改进的混沌杂草优化算法,该算法采用基于熵值权重的灰熵关联度适应值分配策略,引入快速非支配排序法生成外部档案,并将进化种群的更新和最优位置的混沌搜索相结合,用于维护外部档案,提升算法的寻优性能.通过与NSGA-Ⅱ算法进行OR-Library典型测试算例的对比实验,验证该算法的有效性.     

基于灰熵优化的加权灰色关联度

基于灰色系统内各因素关系稳定的基本假设和灰内涵序列熵的分析,首次给出了灰关联分析中关联系数权重的确定方法。通过定义加权灰色关联系数分布密度值,构建了灰内涵序列,建立了关联系数权重的优化模型,并以算例验证了该方法的有效性与实用性。结果表明,该方法能够反映不同时点关联系数的重要性,使关联系数的波动性得到了有效控制,解决了局部点关联系数控制整个灰色关联序的问题。     

一种部分权重信息的灰色多属性群决策方法

基于灰色系统理论的思想和方法,探讨了决策方案的属性值为区间灰数及权重信息部分已知的灰色多属性群决策问题。根据区间灰数的本质,定义了两区间灰数的相离度。引入了个体理想最优方案向量、群体综合关联度等概念及其计算公式。构建了基于区间灰数相离度的灰色区间关联系数公式及灰色区间关联度。对于各方案的区间型群体综合关联度的比较和排序,给出了基于最小最大化悔值方法。实例分析说明了所提出的灰色多属性群决策方法的合理性及其算法的有效性。     

多邻域改进粒子群算法

为了改进标准粒子群算法的性能,提出了多邻域改进粒子群算法。算法提出了一种较为简单的多邻域拓扑方案,对速度惯性权重的更新策略进行了改进,引入了速度和搜索区间限制算法。经过对经典测试函数的计算测试,算法表现出良好的复杂问题求解能力。最后,针对多目标优化问题,给出了多目标应用在粒子群算法中的处理方法,并对经典的5维优化和Golinski 减速器设计问题进行了求解,通过数据比对,证明了算法性能远优于现有的一些算法。     

基于自适应进化粒子群算法的多目标优化方法

提出一种自适应进化粒子群优化算法(AEPSO),以提高多目标优化 PSO算法的性能.AEPSO算法把非支配排序技术、自适应惯性权重和特殊的变异操作引入到PSO算法中,来提高算法的全局搜索能力和粒子的多样性.与常用的整体加权方法来处理多目标优化问题不同,AEPSO算法采用非劣解排序来引导粒子的飞行,以改进算法的收敛性,同时采用特殊的变异操作防止早熟收敛并增加优化解的多样性.所提算法的有效性经过四种代表性benchmark函数进行验证,并与几种典型同类型算法进行比较.该算法已成功地用于合金材料的多目标优化设计.实验结果表明AEPSO算法能够较好地兼顾收敛精度与优化解的多样性,满足多目标优化设计的要求.     

基于熵权和区间灰数信息的灰色聚类模型

针对区间灰数的灰色聚类模型中指标权重确定的问题,借鉴信息熵的思想,引入灰色熵权确定指标权重,构造了基于熵权和区间灰数信息的聚类评估算法。该算法以区间灰数本身的信息为依据通过计算灰熵来得到聚类指标权重。最后以实际问题为背景进行算例研究,结果表明由所提算法所得的归一化聚类系数矩阵区分度更好,验证了所提算法的有效性和可行性。     

自适应PBIL算法求解合同优化匹配问题

描述钢铁企业中客户合同与库存材料的优化匹配问题，建立实现库存利用量最大化、匹配成本最小化的多目标O-1规划模型。结合问题的特点，采用模糊决策方法对多目标函数进行集成，设计一种具有自适应能力的PBIL(Population-based Increased Learning)算法用于模型求解，它的基本思想是利用信息熵来度量算法的进化程度，并按照熵值的变化自适应地调整算法的学习因子和变异率。通过应用实例的计算，以及和基本PBIL算法、GA计算结果的比较，证明该模型和算法的有效性和应用潜力。     

基于面积的改进灰关联度算法

灰关联分析是灰色系统理论的重要组成部分,寻找合适的相似性度量方法是提高灰关联分析准确性的关键。通过对现有灰关联模型的研究,提出了一种基于面积的相似性度量方法,以序列相邻采样点间对应面积作为灰关联系数的计算依据,并用灰关联系数的均值作为序列的灰关联度。理论推导证明该方法符合灰关联四公理,体现了灰关联分析中衡量曲线相似性的基本思想。仿真实验表明,在邓氏灰关联度和广义灰关联度算法失效时,该方法仍能得出与定性分析一致的关联序,具有较高的可靠性。     

带全局判据的改进量子粒子群优化算法

针对现有量子粒子群优化算法的多参数(≥5)优化问题易收敛到局部最优解、且无法判定优化结果全局性的问题,提出了带全局判据的改进量子粒子群优化算法。在惯性权重自适应调整的量子粒子群优化算法基础上,进行了粒子位置周期性变异,以及随粒子进化速度和聚集度变化的搜索范围变异。依据粒子聚集度大小,建立了判定优化结果全局性的全局收敛判据。以典型标准函数和乘波体外形多参数优化问题为算例,验证了改进算法和全局判据的可靠性。结果表明,改进算法的全局搜索能力明显提高,优化结果真实可靠,全局判据实用性强。     

基于QPSO-DGM和熵突变的装备安全性崩溃分析

针对装备安全事故的突发性、复杂性,从系统安全熵“流程突变”角度构建灰色熵突变模型进行安全性崩溃分析。提出了复杂装备系统安全熵、安全熵函数、安全熵势函数等概念,刻画复杂装备系统安全状态从稳定到崩溃的演化机理和过程;建立了复杂装备系统安全熵函数的量子粒子群DGM(2,1)拟合模型,并以拟合值和实际值的灰关联度为适应度函数,提高模型拟合精度;构建装备系统安全熵尖点突变模型,给出安全性崩溃的灰色熵突变判据算法。最后,以某型飞机主起落架控制系统为例,验证了模型的有效性,为定量判断装备系统安全状态提供了新的方法。     

基于序值与拥挤度的拟态物理学多目标算法

根据约束多目标优化问题的特点,在拟态物理学优化(aritificial physics optimization, APO)算法的基础上,将无约束多目标APO(multi objective APO, MOAPO)算法引入到约束多目标优化领域中。提出约束违反度的判断准则,并采取一种更为有效的约束处理技术,从而构造出一种解决约束多目标优化问题的基于序值与拥挤度的拟态物理学多目标优化(improved constrained rank multi objective aritificial physics optimization, ICRMOAPO)算法。在随机搜索过程中动态调整引力因子与惯性权重,增强了非劣解集的多样性。实验结果说明了该算法的有效性,通过与序值约束多目标APO(constrained rank multi objective APO, CRMOAPO)算法、非支配排序遗传(non dominated sorting genetic algorithm, NSGA)算法、多目标遗传(multi objective genetic algorithm, MOGA)算法的对比实验,表明了该算法具有较好的分布性能,为约束多目标优化问题的求解提供了一种新的思路与方法。     

一种内涵式参数辨识的GM(1,1)新模型

针对普通GM(1,1)模型应用于非平缓变化序列预测时误差较大甚至失效的缺陷,提出了一种内涵式参数辨识的GM(1,1)新模型。推导了模型边值、背景值权重系数、发展系数以及灰作用量与预测值之间的非线性内涵表达式,并采用粒子群算法(particle swarm optimization, PSO)对内涵式参数进行辨识,建立了PSOGM(1,1)预测新模型。典型算例表明,PSOGM(1,1)模型收敛速度快,较普通GM(1,1)模型具有更高的预测精度,可应用于平缓变化及非平缓变化序列预测。     

基于改进的二维交叉熵及Tent映射PSO的阈值分割

最近提出的二维交叉熵阈值分割方法所依据的灰度级-平均灰度级直方图存在错分,且寻求最优阈值时,即使采用递推算法仍需遍历整个搜索空间,运行速度有待进一步提高。为此,本文给出改进的灰度级-梯度二维直方图,据此导出了相应的二维最小交叉熵阈值选取公式及其递推算法,并且采用改进Tent映射混沌粒子群优化(particle swarm optimization, PSO)算法搜寻二维最优阈值。大量实验及与现有二维交叉熵方法的对比表明,所提出的方法在计算最优阈值时尽可能考虑了所有目标点和背景点,从而使分割结果更加精确;而求取阈值因只需遍历其中小部分解空间,使运行时间约减少到原来的10%~40%。     

基于混合粒子群-NEH算法求解无等待柔性流水车间调度问题

针对以最小化最大完工时间为目标的无等待柔性流水车间调度问题,提出了一种混合粒子群-NEH算法.该算法 利用粒子群优化算法解决机器分配问题,并进行全局优化;利用改进的NEH算法确定工件加工顺序,并首次提出差值 平移算法计算问题目标值.在算法求解过程中,通过不断对停滞粒子实行变异操作,避免粒子群陷入早熟收敛状态.基 于典型算例的仿真实验,证明了所提算法求解该类问题的可行性和有效性.     

基于量子粒子群的广义模糊熵阈值法参数选取

针对广义模糊熵阈值分割法中参数m的选择问题,提出了一种结合优化算法的自适应参数选取算法.该算法依据一种图像分割质量评价指标建立目标函数,再基于量子粒子群优化搜索算法在参数的变化空间自适应地搜索最佳参数,同时依据模糊熵最大准则对S型隶属度函数中的三个参数(a,b,d)进行了全局组合寻优,从而建立了一个嵌套的优化搜索过程,实现了广义模糊熵图像阈值分割方法的自动阈值选取.实验表明,该方法对光照不均匀图像有更好的分割效果.     

航电系统体系贡献率权重演化动态综合评估

随着应用需求的发展,航电系统建设的体系特征日益明显,开展航电系统体系贡献率评估成为引导其迭代更新与优化设计的关键。针对专家知识随时间积累以及蜂群、协同等作战场景变化带来的指标体系权重演化问题,提出了一种适用于航电系统体系贡献率多阶段评估的动态综合方法。基于航电系统任务能力要素,构建了体系贡献率评估指标体系,并应用粒子群优化算法实现了有效评估阶段的时间加权。与传统静态单次评估、基于熵权法(entropy weight method, EWM)的动态评估以及逼近理想解排序法(technique for order preference by similarity to an ideal solution, TOPSIS)的动态评比等对比,所提方法充分体现权重分配信息并统筹兼顾阶段时序差异,能够更准确地反映指标贡献权重和能力贡献分布等评估结果,从而为航电系统发展论证提供更可靠和更灵活的决策方法支持。     

基于改进粒子群算法的平面阵同时多波束赋形方法

针对当下平面阵同时多波束赋形需求, 提出基于改进粒子群算法的平面阵同时多波束赋形方法。将自适应操作粒子结构、反梯度加权用于粒子群搜索算法作为创新点, 根据粒子群收敛度自适应调整操作粒子结构的概率, 以平衡粒子群全局探索和局部利用能力, 根据多目标优化程度对各优化指标反梯度加权, 以抑制多目标优化失衡, 对阵列相位、幅度优化实现低旁瓣、窄波束宽度和高增益的效果。实验表明, 在传统非线性智能优化方法效果不好的情况下, 该方法对阵元数较多的任意平面阵同时多波束赋形效果较好。     

结合局部理想点搜索的多目标粒子群算法

提出了一种结合约束二次逼近优化(bound optimization by quadratic approximation,BOBYQA)搜索算法的理想点法对非支配解进行局部优化的混合多目标粒子群方法(local search with multiobjective particle swarm optimization, LSMOPSO),以提高多目标粒子群算法的收敛性能和非支配解集的精度与多样性。LSMOPSO算法使用拥挤距离选择领导粒子组成领导粒子集,并对其进行理想点局部搜索;分析比较了全局理想点和局部理想点对算法性能的影响,提出基于局部理想点的局部搜索策略;在粒子的设计空间的多个维度上引入均匀变异操作,降低算法陷入局部最优的可能。基本测试函数的求解结果表明,算法的收敛速度很快,而且搜索到的非支配解集的精度高、多样性好。     

航空人-机复杂系统极值风险评估稳定性分析

针对航空人-机复杂系统极值风险评估中存在不确定性、难于验证的理论问题,建立了综合考虑“物理特性”、“随机性”和“非线性”的驾驶员-飞机系统和故障数学模型,通过大量仿真数据分析样本数量、评估次数以及优化算法选取对评估稳定性的影响。为提高极值分布中样本数据序列的拟合精度,针对综合评估模型提出一种随机自适应进化粒子群算法（random adaptive evolutionary particle swarm optimization,RAE-PSO）算法,实现了收敛速度和拟合精度的提高。提出了提高航空人-机系统风险评估稳定性、降低评估误差的方法步骤,并通过案例验证了方法的有效性。