两阶段混合引导的偏好多目标优化算法

在偏好多目标优化问题求解中,基于偏好点引导方式的优化算法性能易受偏好点具体位置的影响,且不能控制偏好解集大小;而基于偏好区域引导方式的优化算法虽然能控制偏好解集规模,但算法初期收敛效率不够高。针对此问题,提出一种两阶段混合引导的偏好多目标优化算法。算法初期采取偏好点的引导方式,同时引入偏好界限动态调整策略,使得种群快速收敛到偏好区域附近。迭代一定次数后,采用偏好向量引导方式指导算法搜索,达到控制偏好解集范围的目的。与几种经典的偏好优化算法进行实验对比分析,结果表明,所提算法性能不受偏好点位置影响,得到的偏好解集能很好地表征决策者的偏好信息,并且控制了偏好解集范围,便于决策者的最终决策。     

β-环糊精/Fe_3O_4@C微球的制备及吸附性能研究

以葡萄糖作为碳源,Fe_3O_4为磁核,采用水热法制备了粒径均一的磁性碳微球,并以γ-氨丙基三乙氧基硅烷(KH550)为偶联剂,表面接枝β-环糊精(β-CD)衍生物,通过IR,SEM,TEM,VSM对样品进行表征.结果表明,β-CD/Fe_3O_4@C微球直径约为5μm,具有较好的单分散性及磁感应能力,表面存在的β-CD分布均匀.同时,通过对其吸附性能的研究表明,该复合材料对5种色素表现出良好的吸附性和选择性,90 s即可达到吸附平衡状态,最大吸附量可达4.24~6.64 mg·g-1,可以满足食品和环境样品中色素的确证和多残留分析的要求.     

微分进化算法的研究综述

微分进化(DE)是比较新的基于群体的随机优化方法.它具有简单、快速、鲁棒性好等特点,已经得到广泛关注.不同于其它进化算法,它的变异算子是由种群中任意选取的多对向量的差值得到的.微分进化主要用于实参数优化问题,在非线性和不可微的连续空间问题上优于其它进化方法.近些年,微分进化的应用领域也是不断扩大.研究目的是总结微分进化的研究进展和应用领域,并对它的进一步研究进行展望.