基于搜索空间自适应分割的多目标粒子群优化算法

提出一种基于搜索空间自适应分割的多目标粒子群优化算法, 根据粒子的搜索能力和规模与子搜索空间的体积呈多维标准正态分布变换, 精细分割搜索空间, 向划分出的子搜索空间分布粒子实现优化, 分割在迭代时持续进行, 直至获得最优解集. 实验结果表明: 该方法解决了多目标粒子群优化算法易陷入局部极值的问题; 在反向世代距离性能指标上, 该算法与一些典型的多目标粒子群优化算法相比, 其种群多样性和解的收敛性优势显著.     

基于Backbone的空间收缩与划分算法

搜索空间的规模和复杂程度是决定问题求解难度的重要因素,而解空间的信息往往可以引导搜索找到最优解。在已知JSP空间结构的基础上,提出一种空间收缩与划分算法。算法利用搜索算法获得的较优解,结合组合优化问题解的backbone的概念,将搜索空间收缩并划分为一个或多个优解域,在优解域内再进行小规模问题的优化。该算法不必在求解前或求解过程中进行大量的统计分析工作,可以利用求解信息对解空间的地形进行估计,提高求解速度和解的质量。实验结果也证明了算法的有效性。     

高频地波雷达的阵列互耦校正

针对分布式高频地波雷达（HFSWR）的工程应用,研究了基于自适应混合算法（AHA）的阵列无源校正方法.该方法将阵列误差估计问题转化为多元参数的联合估计问题,利用改进的混合算法得到了该优化问题的最优解估计.利用海洋回波校正了分布式高频地波雷达阵列幅相误差之后,将该方法应用到雷达系统的阵列互耦误差校正.仿真和现场实验实测数据的分析表明,该方法对空间谱算法性能的改善十分明显,验证了其有效性.     

一种基于粒子群优化算法对基于点表示的模型进行特征检测的新方法

基于粒子群算法, 提出一种针对基于点表示模型的新特征检测方法, 解决了大规模数据模型特征的快速显示问题. 该方法对粒子群优化算法进行优化, 将其应用于物体空间的特征检测上, 实现了多目标搜索. 通过对粒子群算法中的粒子、适应度函数、 初始结束条件、 局部最优解、 全局最优解和迭代公式的重新定义, 将局部搜索与全局搜索相结合, 可快速搜索到多个目标. 该算法通过构造可估计局部曲面变化的适 应度函数检测特征点, 并对特征点做标记, 以快速显示出模型的特征. 实验结果表明, 所提出的特征检测算法适用于对基于点表示的模型的快速特征检测, 尤其适用于大规模数据模型     

一种新的求解多目标问题的分组粒子群优化算法

用粒子群优化算法求解多目标问题容易陷入局部最优,为此本文提出了一种分组粒子群多目标优化算法。该算法将决策空间分成Q个子空间,每个子空间随机的分配N个粒子,这Q个粒子群分别在各自的空间进行独立搜索。为保证每个种群的搜索多样性和遍历性,用混沌序列对各组粒子位置进行初始化,同时对各组进行基于聚集距离的粒子择优进化。由典型多目标函数的优化实验结果表明,经过适当的分组,该算法能迅速逼近非劣最优解集,效果令人满意。     

基于区域失衡子空间的领先NSGAII算法

针对传统进化算法求解多目标优化问题时存在计算量大、难以平衡收敛速度和种群分布均匀性的问题,本文提出了一种基于区域失衡子空间的领先NSGAII算法(NSGAII-URS).首先,基于NSGAII算法,结合局部搜索算法,在每次遗传过程中添加种群领先解解集,引导种群快速收敛;然后,将非支配解所在的目标空间均匀划分,提出稀疏子空间和空闲子空间的概念,通过基于稀疏度的局部搜索策略对失衡子空间优化,进一步提升种群分布的均匀性.我们将本文方法与其他5种先进的多目标进化算法比较,通过基准测试函数进行验证,并采用反世代距离(IGD)和超体积(HV)两个通用指标进行性能评价.实验结果表明,该算法在解的分布性和收敛性方面明显优于对比的其他多目标优化算法.     

强干扰背景下基于局部空间差分算法的相干目标DOA估计

针对传统算法对强干扰背景下相干目标的波达方向(direction of arrival, DOA)估计效率低、精度不高等问题,在构造干扰阻塞矩阵消除特定方向强干扰的基础上,基于局部空间差分算法进行相干目标的DOA估计。首先通过接收信号矩阵的角度信息构造阻塞矩阵来剔除协方差矩阵的强干扰信息,然后利用局部空间差分算法将协方差矩阵划分为若干子阵,从而充分提取有效信息并实现解相干,最后利用线性算子算法完成对目标的DOA估计,避免高复杂度的谱峰搜索。结果表明：该算法有效提高了数据利用率,有较好的解相干效果,能够在不同的信噪比和快拍数条件下获得比传统算法更低的估计偏差和更高的成功概率。     

双基地MIMO雷达多目标定位及互耦参数估计

针对MIMO雷达收发阵元间存在互耦会严重影响目标定位算法性能的情况,提出一种双基地MIMO雷达多目标定位及互耦参数估计的算法.利用均匀线阵互耦矩阵的特点和MIMO雷达的特性获得满足ESPRIT算法的信号子空间,在不需要任何互耦矩阵信息情况下采用ESPRIT算法实现了目标角度估计,且估计出的角度参数自动配对.根据所估计的目标方位角度,利用信号子空间和联合导向矩阵之间的关系,将MIMO雷达的互耦参数估计转化为线性约束二次最小化问题,估计出互耦系数矩阵,实现了MIMO雷达的自校正.该方法的优点是避免了多维空间谱搜索带来的庞大计算量和迭代中的全局收敛性问题,同时得到了收、发阵列互耦参数估计的闭式解.仿真结果表明算法估计性能接近于互耦已知时二维MUSIC算法.     

具有反向学习的多目标元胞遗传算法的空间桁架结构优化设计

为了解决具有多约束的桁架结构问题,提出一种具有反向学习的多目标元胞遗传算法应用于空间桁架结构多目标优化设计中。根据分析元胞遗传算法特点,引入一种反向学习策略、差分进化策略和约束处理技术。通过标准测试函数对比分析,算法能很好地保持Pareto解集的收敛性和均匀性。针对空间桁架结构优化的数学模型,采用实数编码和个体修正方法,将该算法对72杆空间桁架优化问题进行求解,并与MOCell的优化结果进行比较。结果表明,新算法获得的Pareto解集更加均匀,极端点值域更宽广,具有一定的工程实用性。     

目标有优先权的模糊多目标规划的一种解法

本文讨论了目标具有不同优先权的模糊多目标规划问题的一种近似解法．每个目 标的优先权用正实数表示，将目标的优先权和隶属函数合成新的隶属函数。再用模糊 最大策略方法求满足每一个目标的新隶属函数和约束的隶属函数的最大λ值，即把解 有不同优先权的模糊多目标规划问题化为解普通线性规划问题． 文中从理论上证明了算法的正确性．并给出误差估计公式．通过 一个例题的计算说明该算法是合理的，误差估计公式是正确的。     

LSMOEA/2s:一种基于变量两阶段分组的多目标进化算法

大规模多目标优化问题(Large-Scale Multi-objective Optimization Problem, LSMOP)固有的性质给多目标进化算法(Multi-Objective Evolutionary Algorithm, MOEA)带来挑战。目前大多数大规模多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm, LSMOEA)需要耗费较多的计算资源对大规模决策变量进行分组,使得用于优化问题解的计算资源相对不足,影响了算法效率和解题性能。基于此,本研究提出一种基于变量两阶段分组的多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm adopting two-stage variable grouping, LSMOEA/2s)。新算法首先利用基于变量组的相关性检测方法快速识别独立变量,然后利用高频次随机分组方法将非独立变量划分成若干子组,最后利用MOEA/D算法优化所有的独立变量和非独立变量子组。将所提算法与当前4种代表性算法(MOEA/D、...     

基于解空间高效编码的配电网重构连续化算法

提出一种基于解空间高效编码的配电网重构连续化算法.推导基于负荷电流的网损计算近似公式以估计开关交换支路范围,压缩解空间,提高寻优效率;建立连续变量解与离散变量解存在映射关系的双种群解空间,避开直接求解离散变量,减小计算量且适用连续变量优化方法求解;在一定编码规则下降维并减小变量置信区间半径后,通过编码规则和算法特性从概率上规避第一类非有效解,比对专家库完全规避第二类非有效解,使潮流计算次数大幅减少;改进纵横交叉算法,横向交叉引入方向性,采纳模糊聚类思想将静态纵向交叉因子动态化,收敛速度和精度得到改善.仿真结果验证了该方法的正确性和有效性.     

基于多元正态分布理论的盐岩蠕变参数概率分布

 根据某拟建储气库库址盐岩的蠕变实验数据和蠕变变化规律,基于伯格斯蠕变模型拟合得到该库区盐岩的蠕变参数。将各蠕变参数当作随机变量,考虑盐岩形成过程及蠕变实验过程中多种随机因素对蠕变参数的影响。考虑各蠕变参数之间的相互联系,假设由各蠕变参数变量共同构成的五维总体随机样本服从五元正态分布,求解得到该五元正态分布的联合密度函数,通过协方差阵揭示各蠕变参数之间的联系,并利用χ²统计量的Q-Q图检验法对多元正态假设进行检验。结果表明,由各蠕变参数变量共同构成的五维总体随机样本可以很好地服从五元正态分布。研究结果可为盐岩蠕变参数概率分布的研究提供参考。     

时变路网下多配送中心多车型联合配送研究

随着电子商务发展,越来越多的城市、企业采用多配送中心模式,优化补货车辆、配送站点车辆出行时刻及出行路线的优化变得越来越重要。目前考虑城市时变速度特征的多车型联合配送中,对配送车辆出行时刻和配送路径联合优化角度的研究成果较少。基于此,本文主要构建基于时变速度多配送中心多车型联合配送模型,并设计基于禁忌搜索求解算法,论文收集了北京市城市配送大数据,以北京市公铁联运城市配送为应用背景,对算法进行了验证,通过计算发现本算法可以有效优化多配送中心多车型联合配送运输成本和时间成本,算法能够应用于北京这种特大城市的公铁联运城市配送方案中。     

分销配送网络优化模型及其求解算法

为了优化网络结构 ,寻求最佳配送策略 ,最终找出成本最小的供应链 ,针对需求拖动式供应链中 ,多供应商、多产品、多客户分销配送网络的优化设计问题 ,在考虑需求分配的情况下 ,提出了分销配送网络的优化模型。为了求解优化模型 ,提出了基于混合遗传算法求解混合 0 - 1整数规划问题的算法 ,它是用遗传算法搜索 0 - 1变量的最优解 ,将其他算法融入遗传算法中 ,对非 0 - 1变量进行求解的一种算法。最后通过两个算例进行了仿真实验 ,验证了优化模型的正确性和算法的有效性。模型简明、客观 ,算法易于扩展并具有鲁棒性、通用性     

基于多目标遗传算法的多配置风电机组控制

为了实现良好配置的电力网络,提出一种多目标遗传算法控制优化方法,配电网络涉及集中式风电机组、步进式电压调整器、电容器组和储能系统。首先,构建每个场景,利用内负荷流程序对集中式风电站等组件进行配置和控制;然后,定义决策变量,并构建三个具有权衡关系的目标函数;最后,利用多目标遗传算法进行迭代求解,选择违规成本最低的点作为最优解。在MATLAB环境中执行了包括3个不同配置场景的仿真实验,以比较不同连接方式对配电网络的影响。实验结果验证了所提方法的有效性,且可以应用到复杂的配电网络。     

分布式驱动电动方程式赛车扭矩分配策略

本文旨在提高分布式驱动电动方程式赛车在高速转弯时的操纵稳定性,提出一种基于模糊神经网络算法的驱动扭矩分配策略。首先,基于车辆二自由度模型设计质心侧偏角观测器获取实际质心侧偏角;其次,以横摆角速度和质心侧偏角作为控制变量,基于模糊神经网络算法设计扭矩分配控制器来控制车辆行驶状态。运用Matlab/Simulink和Carsim仿真软件建立车身稳定性控制系统的联合仿真模型,并对蛇行绕桩与双移线工况进行仿真分析和实车测试。试验结果验证了所提扭矩控制策略的可行性和有效性。     

城市建筑工程造价效益分配优化控制技术

传统工程造价效益分配控制技术忽略了工程造价与质量、效率的关系,只考虑工程造价效益分配,不能满足建筑质量与施工效率要求。为此,提出一种新的城市建筑工程造价效益分配优化控制技术。分析了工程造价效益分配控制原理。根据Kalman方程生成质量量化状态方程,实现质量量化调度。按照自回归理论对工程造价效益主要变量进行统计,获取效率测度模型回归结果。依据城市建筑工程造价效益分配控制变量,完成保证高质量情况下工程造价成本建模;将材料费与人工费看作经济性指标,对效益型指标与经济性指标进行关联性分解,获取工程质量-效率-造价效益分配控制模型。将工程造价效益对偶收益看作线性博弈过程,对其进行联合求解,获取最优决策函数,联合求解选用遗传算法。实验结果表明,所提技术贴合度与成熟度高,在保证质量与效率的情况下,工程造价效益分配控制结果较好。     

联合分布算法对区块链分片的稳定性分析优化研究

在基于Hyperledger Fabric架构的区块链网络中,可以通过分片来提高吞吐量.在分片之前,需要预先评估每个委员会的失败概率,以获得更稳定的分片方案.本文提出了一种联合分布(JD)算法.首先,对于预分片方案中的节点,根据预分片方案中的委员会数量进行随机抽样,然后得到每个委员会中节点的超几何分布;其次,根据节点的超几何分布计算每个委员会中恶意节点的概率,并根据这些概率构建所有委员会的联合分布函数;最后,根据各委员会的联合分布函数,计算整个分片方案的失败概率和失败年数,实现区块链分片的稳定性评估.仿真结果表明,通过计算Wilson置信区间验证了计算失败概率的准确性,与RapidChain的分片稳定性分析算法和Hoeffding边界算法相比,联合分布(JD)算法可以更好地估计区块链分片的稳定性.