基于模型的多目标优化问题方法研究

基于模型的多目标优化方法目的是创新一种通过黑箱评估的多目标函数优化算法,该算法从解空间上的混合分布中迭代生成候选解,并根据采样解的控制数来更新混合分布,求解过程的搜索偏向于Pareto最优解的集合。算法在解空间上寻找混合分布,使得混合分布的每个分量都是以帕累托最优解为中心的简并分布,并且每个预计的Pareto最优解都通过一个阈值距离均匀地分布在Pareto最优解集上,实验通过几个基准函数和方法证明了该算法的性能。     

基于树型空间的三维树木模型匹配

为解决三维树木模型的检索具有正确率低、检索效率低、描述不匹配等问题,提出一种基于树型空间的三维树木模型匹配方法。该方法通过构建三维树木模型数据集的树型空间,辅以主轴匹配,轮廓匹配,枝干匹配等方式,经过树型空间中欧氏距离和测地线度量差异值,逐步匹配到相应的三维树木模型,该方法分别在通用模型数据集和自我设计的模型数据集进行了匹配性实现,结果表明可以较大幅度提升树木模型匹配的准确率,利于三维树木模型的大规模检索和重用。     

面向无人自主平台的战场地理环境模型研究

战场环境模型是复杂战场环境面向特定需求的抽象和描述,用以支撑战场环境特性和演变规律的研究和应用。现有的战场环境模型主要面向人类战争活动来描述战场环境,缺乏以无人自主平台为认知主体的设计。提出了一种耦合人机各自优势的多层次战场地理环境模型结构,充分发挥机器在特征层面的快速计算能力,以及人在要素和关系层面的认知经验。提出了一种集环境观测、模型构建和空间决策为一体的建模方法,支撑无人自主平台根据任务和环境实现自主空间决策。     

基于共识粒子群的全局优化求解方法

针对粒子群优化(PSO, particle swarm optimization)和高效全局优化(EGO, efficient global optimization)两种算法的特点,提出一种共识粒子群和局部代理模型协同的全局黑箱优化算法(CPSO-LSM, consensus particle swarm optimization and local surrogate model)。该算法固定PSO算法周期对粒子进行分群并在粒子达成共识后停止,将每群粒子周围的优质子区域输出作为代理模型的建模区域,通过比较各区域最优值获得高质量最优解甚至全局最优解。不仅避免了PSO冗长的计算过程、提高了建立代理模型的速度和精度还可以避免陷入局部最优。通过对比其他算法在标准测试函数的仿真结果,CPSO-LSM具有较好的收敛速度和求解精度。     

复杂仿真系统重用模型可信度评估方法

在资源高度共享的今天,模型重用可增强仿真应用的灵活性和可扩展性,是复杂仿真系统构建的必然选择。然而,评估多模型组合仿真下的可信性是模型能否实现有效重用的基本问题。针对面向实物和面向数值解算两个不同应用环境的仿真模型重用,提出基于偏差传播的仿真重用模型可信度评估方法,详细介绍了各自建模方式及评估方法。以无人机复杂仿真系统为例,通过与经典可信度评估方法对比,说明了该方法可降低在重用模型可信度方面的评估难度,验证了方法的可行性。     

不同公平偏好下最优订购周期和延迟支付期决策

在实际商业活动中，公平偏好会影响供应链成员的决策行为，针对现有延期支付的文献中，尚未考虑FS公平偏好模型、BO公平偏好模型分别对延迟支付期和订货周期的影响，分别构建了公平中性、FS公平偏好模型和BO公平偏好模型下零售商主导的Stackelberg博弈模型，提供寻找各种情况下模型的最优解的办法，利用数值算例，对关键参数进行灵敏度分析。研究表明：①BO公平偏好模型下，供应商最优延迟支付期大于公平中性下供应商最优延迟支付期；公平中性下，供应商最优延迟支付期大于FS公平偏好模型下供应商最优延迟支付期。②FS公平偏好模型下，零售商最优订货周期大于公平中性下零售商最优订货周期；公平中性下，零售商最优订货周期大于BO公平偏好模型下零售商最优订货周期。③FS公平偏好模型下，供应链各成员的利润低于或等于公平中性模型下的利润。④BO公平偏好模型下，供应链各成员的利润高于或等于公平中性模型下的利润。     

平台匹配规则对B2B交易的影响

针对交易型B2B平台不同匹配规则对B2B交易的影响展开研究。基于讨价还价理论，分别刻画了B2B平台4种匹配规则下交易双方的讨价还价行为，并深入分析了不同竞争情形下的均衡结果。通过对比，研究平台不同匹配规则在不同竞争情形中对B2B交易的影响。研究表明，B2B平台上的交易价格取决于平台的交易匹配规则；匹配规则对B2B平台上的交易额(GMV)的影响与平台收取的佣金系数息息相关；匹配规则对B2B平台上买卖双方利润的影响因买方的竞争情形及最终产品的替代程度而有所差异。此外，匹配规则对交易价格、交易额和买卖方利润的影响在不同的竞争情形中表现出不同的强度。     

基于产品模块化设计的闭环供应链回收模式选择

产品模块化设计既可以更好地满足客户的个性化需求，又能有效地降低新产品和再制造品的生产成本。在考虑产品模块化设计的情形下，以制造商主导的再制造闭环供应链为研究对象，分析了制造商自营回收模式和外包回收模式下产品模块化水平、零售价格、回收价格和制造商利润，为制造商回收模式的选择提供参考。研究表明：制造商选择回收模式不但跟模块化设计的成本参数有关，而且还跟产品模块化设计带给新产品和再制造品生产成本节省的大小有关。     

基于虚拟机的数据中心能耗测量

提出一种基于计算密集型与I/O密集型建立虚拟机动态能耗的数学模型方法.结合了设备运行状态参数，在模型功耗处于计算密集型时引入了虚拟机的CPU使用率与CPU频率，处于I/O密集型时引入了虚拟机的硬盘读写总字节数与内存读写总字节数计算功耗，并对功耗进行积分得出数据中心能耗.与常规方法相比该方法进一步细化了测量粒度，且在使用Wordcount运行任务与Sort运行任务进行节点能耗测试时，得出能耗的平均误差为0.062 5.实验结果在粒度细化的同时保证了常规方法的同级别测量精度.     

基于视觉关注模型与多尺度MSER的自然场景文本检测

自然场景中文本检测易受光照、复杂背景、多语言文字、字体及尺寸等因素影响，该文提出了一种基于Itti视觉关注模型与多尺度最大稳定极值区域（maximally stable extremalregion,MSER）结合的自然场景文本检测算法.首先利用改进的Itti视觉关注模型提取文本特征图，并采用不同结合策略得到各尺度文本显著图；然后结合多尺度的MSER区域得到3种文本候选区域.根据文字与生成文本框的几何规则合并文本候选区域得到文本行；最后利用随机森林分类器除去非文本区域得到最终文本区域.实验结果表明，该方法对于自然场景图像中的文本检测具有较高的精确度和一定的鲁棒性.