基于岭估计和AMOGA的马田系统分类方法

马田系统是多变量数据挖掘中模式识别方法的新进展,变量间的复共线性会通过马氏距离影响马田系统变量筛选的效果和判别的准确率。为了克服复共线性对马田系统的负面影响,提出了基于岭估计新的测量尺度—岭马氏距离,通过变量敏感性和条件数绘制三条岭迹来确定岭参数,并设计了自适应多目标遗传算法进行基准空间优化,使得马田系统分类方法对病态数据具有更好的耐受性。通过案例验证了岭马氏距离可以很好的克服复共线性,并提高马田系统分类方法的判别准确率。     

基于EMD-SVD与马田系统的复杂系统健康状态评估

特征提取和健康状态的辨识是复杂系统健康状态评估中的关键问题。提出一种新的健康状态评估方法，该方法分为3个步骤:首先,采用经验模态分解(empirical model decomposition, EMD)和奇异值分解(singular value decomposition, SVD)来提取振动信号的特征变量。然后,运用马田系统(Mahalanobis Taguchi system, MTS)构造马氏空间,并对其进行优化,从而降低特征变量的维度。最后,提出了一种健康度(health index, HI)的概念,并且用来对复杂系统健康问题进行评估。该方法成功地应用在轴承的健康状态评估中。     

基于遗传算法的决策树组合方法及在CRM的应用

针对客户关系管理中的客户分类问题,提出一种基于遗传算法的多重决策树组合分类方法.组合分类方法将概率度量水平的多重决策树并行组合,组合算法中采用遗传算法优化连接权值矩阵,并且采用客户信用等级评定的仿真数据对该方法进行测试和评估.实验结果表明,该组合分类方法比单个决策树及其他组合方法具有更高的分类精度,并在保持分类结果良好可解释性的基础上优化了分类规则.     

基于响应面和NSGA-II的AGV系统多目标优化配置

AGV（automated guided vehicle）系统对于制造系统的生产柔性和生产效率具有重要作用,由于AGV系统具有许多的变量且有动态性、随机性特点,其优化配置比较复杂。提出了一种将系统仿真、数学解析和多目标优化相结合的方法,对AGV系统进行了优化配置;运用离散事件仿真模拟AGV系统运行,利用敏感性分析分离设计变量,采用析因试验和响应面方法拟合多目标优化数学模型,基于非支配解排序多目标遗传算法求解多目标优化解。通过AGV系统实例,证明了该方法的有效性,可为制造系统和物流仓储领域中AGV系统的优化配置提供一种有效的系统性分析方法。     

一种基于遗传算法的多重决策树组合分类方法

针对数据挖掘中的分类问题,依据组合分类方法的思想,提出一种基于遗传算法的多重决策树组合分类方法.在这种组合分类方法中,先将概率度量水平的多重决策树并行组合,然后在组合算法中采用遗传算法优化连接权值矩阵.并且采用两组仿真数据对该方法进行测试和评估.实验结果表明,该组合分类方法比单个决策树具有更高的分类精度,并在保持分类结果良好可解释性的基础上优化了分类规则.     

基于Lasso稳健马田系统的相对贫困识别方法

2020年后我国扶贫工作重点将转向解决相对贫困问题,然而解决相对贫困的前提和基础是识别相对贫困.由于相对贫困数据具有“高噪性、不平衡性、相对性、多维性”等特点,现有的单一收入维度的贫困识别方法难以适用,因此提出构建一种基于Lasso稳健马田系统(Lasso-based robust Mahalanobis-Taguchi system,Lasso-RMTS)的相对贫困识别方法.该方法通过Lasso、稳健马氏距离和马田系统三方法融合,使得不仅可以对“不平衡性”和“比较性”的贫困数据进行识别,还可以对“高噪性”和“多维性”的相对贫困数据进行降维、降噪.同时,将稳健马氏距离转换为脱贫指数(poverty alleviation index,PAI),可以更加直观地反映相对贫困程度.实例数据验证表明,Lasso-RMTS识别相对贫困的精准度高于马田系统和其他传统分类方法.     

农产品质量安全风险评估与预警模型: 以山东省蔬菜出口示范基地为例

针对农产品安全风险评估和预警中涉及的语言信息和面板数据,提出了一种基于多分类离散选择模型的评估分析方法.在建立农产品安全风险评估指标体系的基础上,采用语言信息处理方法,将呈现出面板数据特征的评价信息进行有效集结.通过因子分析法提取农产品安全风险评估的潜在变量,建立有序多分类离散选择模型,给出了风险判别分析的计算步骤.结合山东省出口蔬菜备案基地评价数据进行了实证研究.研究表明以上方法可以针对农产品质量安全风险评估的特点,有效地将语言评价信息进行集结和利用,解决了农产品安全风险管理中风险级别有``序'的问题,该方法将促进良好农业操作规范的推广和应用,实现农产品安全风险预警管理的目标.     

一种求解多目标柔性JSP的正交遗传算法

针对柔性作业生产调度问题的特点,提出一种新的多目标正交遗传算法.算法主要特点包括:提出一种基于SPEA改进的个体适应值计算方法,该方法回避了小生境参数设置的难题,且具有更强的相似个体区分能力;设计一种新的基于正交设计的多个体交叉算子,该算子既能增强算法搜索在Pareto前沿均匀分布非劣解的能力,也可提高算法全局寻优的能力;给出一种基于历史搜索信息和变量区间划分的局部解空间跳出机制,以避免算法早熟和提高搜索效率.实验结果表明该算法应用于柔性多目标作业生产调度问题,具有较强的搜索效率和求解性能.     

全节点空间MPI同步通信死锁检测

针对全节点空间上MPI同步通信程序死锁检测的现有穷举方法的弱点,提出了该场景中MPI程序的两种参数化模型:一次参数化模型和二次参数化模型.通过分析一次参数化模型的一类不变式的性质,给出了该模型的死锁检测算法.提出了同构节点空间的一系列概念和性质并由此设计出该算法的几种优化方法,以加快某些特定程序模型死锁检测的过程.仿真实验表明该算法及其优化方法比现有方法的性能提高若干数量级.     

竖炉焙烧过程多变量智能优化设定方法

赤铁矿竖炉焙烧过程关键被控变量的优化设定值不易获得,使得生产指标难以控制在其目标值范围内.将案例推理、参量预报和专家系统技术相结合,提出一种竖炉焙烧过程的多变量智能优化设定方法.预设定模型给出控制回路的预设定值,案例评价模型和案例修正模型分别对预设定值进行评价和校正,从而实现了控制回路设定值的在线自动调整.实验及应用表明了方法的有效性,能够适应工况的频繁变化,实现了生产指标的优化控制,取得明显成效.     

基于高斯过程模型的多响应稳健参数设计

针对高维试验数据的稳健参数设计问题, 在高斯过程(Gaussian process, GP)的建模框架下, 采用部分平行的GP(parallel partial GP, PPGP)模型来构建试验因子与多质量特性之间的响应曲面, 在此基础上运用多元质量损失函数作为优化指标来获得可控因子的最佳参数设计值。并且以一个经典仿真算例和两个实际案例验证了所提方法的有效性和优劣性。研究结果表明，与独立建模的单变量GP模型或Kriging模型比较而言, 所提方法不仅能够有效地处理高维试验数据的建模与参数优化问题, 而且能够获得更为稳健的优化结果, 运行效率更高。     

多种资源受限多项目排序问题的两层决策方法

分析了多种资源受限多项目排序问题的性质和特点 ,提出用两层决策方法建立这类问题的数学模型 .将基于直接搜索法的随机全局优化方法用于求解该问题的全局最优解 ,给出了具体的算法步骤 .计算示例表明 ,本文建立的模型和给出的算法能有效地求解多种资源受限多项目排序问题.     

基于结构自适应模糊神经网络的前列腺癌诊断方法

前列腺癌是近年来严重危害男性健康的疾病.利用模糊神经网络方法可以实现前列腺癌诊断,并将诊断模型表示为模糊规则集合.针对模糊神经网络所提取规则解释性差的问题,提出结构自适应模糊神经网络方法,通过改进损失函数,在训练中控制相似隶属度函数的合并,实现模糊神经网络模型结构自适应调整,减少模糊规则数量,在保证诊断准确性情况下,提取出容易理解的可解释性规则.同时该方法在模型的训练过程中引入粒子群优化(PSO)算法进行结构和参数学习,有效减少计算量,提高训练效率.最后,使用临床医学科学数据中心提供的前列腺疾病检查数据进行数值实验,验证了所提出方法在前列腺癌诊断和可解释性规则提取中的有效性.     

航天器抗辐射等效试验评估建模

针对当前多组源X射线辐射地面模拟试验无法进行的问题, 提出一种单组源X射线辐射等效优化方法, 用来指导等效单组源X射线辐射地面模拟试验中多因素值的确定。首先, 利用克里金模型和层次高斯过程模型等两种数据融合建模方法, 分别构建对应的单组源X射线辐射地面模拟试验数据融合模型。然后, 分别在克里金模型和层次高斯过程模型的基础上, 提出期望提高等效优化算法和层次期望提高等效优化算法。通过对两种优化算法的对比分析可知, 层次期望提高等效优化算法在搜索中包含更多不确定性, 全局搜索效果更佳。仿真结果表明，所提方法可为后续进行等效单组源X射线辐射地面模拟试验提供目标指导。     

Minimizing the Risk of Absolute Ruin Under a Diffusion Approximation Model with Reinsurance and Investment

This paper studies the optimization problem with both investment and proportional reinsurance control under the assumption that the surplus process of an insurance entity is represented by a pure diffusion process.The company can buy proportional reinsurance and invest its surplus into a Black-Scholes risky asset and a risk free asset without restrictions.The authors define absolute ruin as that the liminf of the surplus process is negative infinity and propose absolute ruin minimization as the optimization scenario.Applying the HJB method the authors obtain explicit expressions for the minimal absolute ruin function and the associated optimal investment strategy.The authors find that the minimal absolute ruin function here is convex,but not S-shaped investigated by Luo and Taksar(2011).And finally,from behavioral finance point of view,the authors come to the conclusion:It is the restrictions on investment that results in the kink of minimal absolute ruin function.     

多种资源在多项目间分配的两层决策方法

分析多种资源在多个项目间的最优分配问题，提出用两层决策方法建立该问题的数字模型。将遗传算法这种全局优化方法运用到最优解的搜索中，给出了具体的算法步骤。计算实例表明，本文建立的模型和提出的优化方法能有效地求解多种资源在多个项目间最优分配问题。     

Variable selection in joint location,scale and skewness models of the skew-normal distribution

Variable selection is an important research topic in modern statistics, traditional variable selection methods can only select the mean model and (or) the variance model, and cannot be used to select the joint mean, variance and skewness models. In this paper, the authors propose the joint location, scale and skewness models when the data set under consideration involves asymmetric outcomes, and consider the problem of variable selection for our proposed models. Based on an efficient unified penalized likelihood method, the consistency and the oracle property of the penalized estimators are established. The authors develop the variable selection procedure for the proposed joint models, which can efficiently simultaneously estimate and select important variables in location model, scale model and skewness model. Simulation studies and body mass index data analysis are presented to illustrate the proposed methods.     

弹性高超声速飞行器智能控制系统设计

针对气动舵受限下的弹性高超声速飞行器控制问题, 提出一种基于神经自适应的智能控制方案。在速度子系统的设计过程中, 为了降低对模型参数的依赖程度, 应用强化学习算法在线调整比例积分微分(proportional integral derivative, PID)控制参数, 给出智能PID控制策略。对于高度子系统, 考虑气动舵的动态特性, 利用神经自适应方法对模型未知函数及不确定项进行逼近。为了处理气动舵的约束问题, 以非线性模型预测控制为优化分配模板生成大量样本数据集, 经离线训练得到深度神经网络代替求解复杂优化问题和控制分配的过程。此外, 通过引入自适应超螺旋微分器处理外部扰动, 增强了系统的鲁棒性。利用Lyapunov方法证明了所设计控制器的稳定性, 并通过仿真验证了所设计控制方案能够快速计算控制指令, 实现高精度跟踪控制。     

基于序列线性规划的雷达低峰均比估计波形设计

在信号相关杂波背景下,现有方法大部分均基于频域进行雷达估计波形设计,这将引起相位信息的缺失从而导致波形变换到时域后性能降低。针对上述问题,同时兼顾放大器的非线性特性,提出了一种基于时域的低峰均比(peak to average power ratio, PAR)估计波形设计方法。首先,根据最大互信息准则在时域上构建了优化问题模型;然后,基于序列线性规划思想,将非凸的优化问题松弛为凸问题,并求得波形矩阵的近似解;最后,对该波形矩阵解进行逼近,使得新的波形矩阵满足Toeplitz结构,进而提取出波形向量解。仿真结果表明,与现有方法相比,本文方法在不增加运算量的前提下具有更好的估计性能。     

基于数列变换优化的灰色系统模型

提出了一种可对含负项数列建立灰色系统模型的变换方法,并利用Matlab对变换参数进行优化。针对变换函数的特点提出了一种简化变换参数优化的方法,使二维优化问题简化为一维优化,可显著减小优化计算量,同时可获得较高的模型精度,这样就可在处理含负项数列的同时获得较高的模型精度,拓展了GM模型的应用范围。具体算例验证了所提建模方法的有效性。