多目标电网规划的一般最优化模型

针对现有电网规划中难以很好综合考虑经济性和可靠性的问题，在对电网规划进行数学描述的基础上，以供应方开发成本最小和需求方缺电成本最小为目标函数，提出了多目标电网规划的一般最优化模型，并直接在算法的寻优过程体现该最优化模型．同时以改进的混合遗传模拟退火算法为求解工具，来解决该多目标电网规划问题．算例证明了该模型的有效性．     

基于公理化设计理论的并行设计决策研究

针对并行设计决策系统的特点，建立了基于公理化设计理论的并行设计决策系统模型。以面向制造的设计为例，通过决策目标分解，将一个复杂的耦合系统转变成非耦合的模块组合结构，建立了可制造性评价指标体系，讨论了决策系统的设计过程，为计算机辅助决策过程奠定了基础。     

分布式实时多数据流的并发协作处理

基于C/S模型分析了分布式实时计算环境中多数据流并发处理的事务问题.采用复杂事件驱动技术,设计了一个适于多数据流并发协作处理的事务机制ARTs-MDS,能够自组织地将对分布式实时数据产生作用的并发任务组成一个原子的事务单位.系统维护着一个永久性的请求/响应队列将物理的设备的实操作与实时事务相分离,通过保证并发协作任务的事务特性获得以分布式局部采集数据为基础产生的微观层操作行为协作产生的整体效果的原子性.测试结果分析表明:该系统能提高对连续的外部采集数据进行协作处理的实时响应,减少了数据丢失.     

建筑企业融资方案模糊多目标评价研究

针对建筑企业融资方案的评价与选择问题,提出了一种基于三角模糊数的多目标综合评价方法。在相关文献的基础上建立了建筑企业融资方案评价的指标体系, 由专家直接给出指标权重语言评价值和不同方案不同指标的语言评价值,并转化成相应的三角模糊数,利用分层评价和群决策理论建立了多目标决策模型, 最后通过一个算例证明了这种方法的可行性和易用性。     

磁流变阻尼器结构被动控制的多目标优化与仿真分析

将MR阻尼器作为被动耗能装置使用,对不同位置的阻尼器施加不同的控制电压,控制电压的大小由多目标遗传算法NSGA-Ⅱ确定。对一装有MR阻尼器的3层框架结构分别输入峰值调整为0.25g的ElCentro波、Kobe波,Hachinohe波和Northridge波进行仿真分析。结果表明,优化方案对位移和加速度的控制都明显优于passive-off方案,对位移的控制效果与passive-max接近,对加速度的控制优于passive-max方案。     

C ++并发引用计数垃圾收集器实现

引用计数垃圾收集器通常具有增量式和实时性特征,但存在垃圾收集器中断执行程序时间较长的情况。本文实现了一个并发引用计数垃圾收集器,使得垃圾收集器和工作程序并发执行,避免了垃圾收集器中断执行程序。基于C++的语法标准和应用编程接口,无需修改编译器和存储分配器,且收集器和工作程序的同步是锁免除的。Linux操作系统中的实现和实验表明,收集器有极低(低于0.2%)的处理器损失。     

基于多目标和声搜索算法的城市单向交通组织优化研究

当道路空间占用导致交通拥堵阻断现象发生时,为保障机动车出行通畅,采取单向交通组织优化方法,以路径正反双向途径点数量最小为最优目标,应用多目标和声搜索算法求解双目标模型,进行算例检验和实际应用的性能对比分析,分析结果表明,该方法求得的平衡策略更合理,与当前的一般算法相比,具有明显的优越性.     

熵权多目标决策法在边坡施工方案决策中的应用

随着社会的发展边坡工程越来越多,边坡施工中选择合理的方案是决策者面临的一个问题。首先阐述熵的概念,介绍修正的熵权,在此基础上结合工程实际情况构造边坡施工方案的多目标决策模型,进而选出合理的施工方案。实际施工方案评估结果表明,提出的方法能为工程施工方案的决策提供有力依据。     

应急救援物资车辆运输路线多目标优化

运用运筹学中图论及多目标优化的理论和方法建立应急救援物资车辆最佳运输路线的选择模型,并基于启发式算法求解该模型.从静态网络应急物资车辆运输路线的双目标优化问题入手,设计适合本文模型的算法,并将之推广至含有三个及三个以上优化目标的路线选择问题.引入时间扩展图的概念,将动态网络中的最佳运输路线问题转化为静态网络中的路径选择问题.算法实质是通过构造辅助决策函数实现Dijstra算法的调用,并在辅助函数构成的搜索空间上寻找最优解,是一种快速的、近似的算法.利用随机路网和真实路网测试本文算法,测试结果与本文的理论分析一致,证明本文算法在应急救援物资车辆运输路线的多目标优化问题中可行且有较好的应用效果.     

Multi-objective optimization sensor node scheduling for target tracking in wireless sensor network

Target tracking in wireless sensor network usually schedules a subset of sensor nodes to constitute a tasking cluster to collaboratively track a target.For the goals of saving energy consumption,prolonging network lifetime and improving tracking accuracy,sensor node scheduling for target tracking is indeed a multi-objective optimization problem.In this paper,a multi-objective optimization sensor node scheduling algorithm is proposed.It employs the unscented Kalman filtering algorithm for target state estimation and establishes tracking accuracy index,predicts the energy consumption of candidate sensor nodes,analyzes the relationship between network lifetime and remaining energy balance so as to construct energy efficiency index.Simulation results show that,compared with the existing sensor node scheduling,our proposed algorithm can achieve superior tracking accuracy and energy efficiency.