基于初集排序的Pareto非支配解集构造算法

针对具有大型解空间的多目标决策问题,为进一步提高多目标决策的效率,快速且有效的非支配解集构造方法值得探究.给出非支配关系性质、初始非支配解集(简称初集)及非支配解集构造的有关定义与定理.在此基础上,依据有序集理论与运算规则,提出基于初集排序方法的Pareto非支配解集构造算法.该算法应用集合排序的方法,对有序的可行解集与有序的非支配解集进行比较,获得多目标决策问题的最优解.构建不包含初始非支配解的有序可行解集,设计非支配解排序规则、查找规则与插入规则.分析提出的算法及常见的非支配排序方法的时间复杂度.通过ZDT1～ZDT3、DTLZ1与DTLZ3测试函数的非支配解集构造实验,与王芳等(2016)提出的NTCM等方法相比,证明提出的非支配解集构造算法是有效的,时间复杂度更低,非支配解集构造时间具有显著的优势.     

基于NSGA-Ⅱ的非平衡制造数据关键质量特性识别

针对非平衡产品制造数据关键质量特性(critical to quality characteristics,CTQs)识别,提出基于NSGA-Ⅱ的特征选择算法.首先,在分类错误率和特征子集大小基础上,针对数据非平衡性,引入第Ⅱ类错误率度量质量特性子集的重要性.接着,应用多目标进化算法NSGA-Ⅱ最小化以上三个度量标准,得到非支配解集.最后,引入理想点法从非支配解集中选择最佳调和解,得到CTQ集.算例结果表明,所提算法能够得到较高分类精度,同时有效降低第Ⅱ类错误率与CTQ集大小,说明了算法的有效性.     

直觉模糊等价矩阵构造方法

对直觉模糊相似关系和等价矩阵构造问题进行了深入研究,提出一种利用求传递闭包来构造直觉模糊等价矩阵的方法,并从理论上给出了相关证明.首先,利用直觉模糊合成运算及其结合律,相关引理和数学归纳法证明了直觉模糊相似矩阵R的任意k次合成运算也是直觉模糊相似矩阵的定理.其次,综合运用直觉模糊最小传递矩阵的概念及相关引理,证明了n阶直觉模糊矩阵的传递闭包定理和n阶直觉模糊相似矩阵定理,推导出包含R的最小直觉模糊等价矩阵的推论.最后指出,可以从一个直觉模糊相似矩阵R出发,利用连续合成运算求传递闭包的方法来构造一个直觉模糊等价矩阵.     

基于自适应多种群策略的混合多目标优化算法

为了能够快速准确地获得多目标优化问题的一组具有较好质量和分布性的非支配解,提出了一种自适应多种群混合多目标优化算法.该算法将多目标优化问题分解为多个单目标子问题,在每次迭代时,根据种群在目标空间和解空间的分布情况为多个子问题分别构造子种群,并采用粒子群优化算法对子问题最优解实施搜索,利用差分进化算法对外部档案实施进化.通过对标准测试函数仿真实验,并与经典的及类似策略的多目标优化算法进行比较,结果表明所提出的算法能够利用较少的估值次数获得较好质量和分布性的非支配解集.     

结合局部理想点搜索的多目标粒子群算法

提出了一种结合约束二次逼近优化(bound optimization by quadratic approximation,BOBYQA)搜索算法的理想点法对非支配解进行局部优化的混合多目标粒子群方法(local search with multiobjective particle swarm optimization, LSMOPSO),以提高多目标粒子群算法的收敛性能和非支配解集的精度与多样性。LSMOPSO算法使用拥挤距离选择领导粒子组成领导粒子集,并对其进行理想点局部搜索;分析比较了全局理想点和局部理想点对算法性能的影响,提出基于局部理想点的局部搜索策略;在粒子的设计空间的多个维度上引入均匀变异操作,降低算法陷入局部最优的可能。基本测试函数的求解结果表明,算法的收敛速度很快,而且搜索到的非支配解集的精度高、多样性好。     

低复杂度的DSSS信号扩频序列估计算法

在非协作条件下直接序列扩频(DSSS)信号的扩频序列估计是盲解扩的必需环节。通过构造基于接收信号自相关矩阵的两个检验统计量,分别完成了扩频序列的同步和扩频序列的估计。所提的算法具有很低的运算复杂度。仿真实验验证了所提算法性能的有效性。综合算法的鲁棒性、计算复杂度和低信噪比下的估计性能等评价因素,算法相比其它的典型算法有着一定程度的优越性,并易于快速实现。     

基于改进蚁群优化的多目标资源受限项目调度方法

多目标资源受限项目调度是一类典型的NP难组合优化问题,具有广泛的实际应用背景.本文提出了一种带局部搜索的改进蚁群优化算法用于求解多目标资源受限项目调度问题,优化指标为最小化项目工期和资源投资.首先,采用改进的蚁群优化算法获取Pareto解集;其次,通过基于带逻辑约束的Insert和Swap邻域搜索方法对已获得的非支配解进行局部搜索,进一步提高算法的性能;最后,基于PSPLIB国际标准测试集的数值仿真实验与现有最好的算法比较,验证了所提算法的有效性和高效性.     

随机系统待机控制特征量指标约束下的满意PID控制

研究一类随机系统同时具有期望的待机特征量指标和衰减度指标约束的满意PID控制问题.首先基于边界穿越定理,给出一种确定使闭环系统稳定和使闭环系统满足期望的衰减度指标约束的PID控制器参数解集的方法.再基于待机控制理论,推导出满足期望的待机特征量指标:平均滞留时间和平均待机时间指标约束的PID控制器参数解集表达式.应用满意控制思想,对上述期望指标的相容性进行了分析,给出了确定相容指标取值范围的有效算法,以及当期望指标相容时PID控制器参数解集的求取策略.用一个算例说明了该方法的可行性和有效性.     

基于自适应网格的多目标粒子群优化算法

针对现有多目标进化算法计算复杂度高,搜索效率低等缺点,提出了基于自适应网格的多目标粒子群优化(AGA-MOPSO)算法,其特点包括:评估非劣解集中粒子密度估计信息的自适应网格算法;能够平衡全局和局部搜索能力的基于AGA的Pareto最优解搜索技术;删除非劣解集集中品质差的多余粒子以维持非劣解集在一定规模的基于AGA的非劣解集截断技术.仿真计算表明,和文献中典型的多目标进化算法比较,AGA-MOPSO算法在求解复杂大规模优化问题方面表现了良好的性能.     

基于投影滤波的突发事件危险源位置估计问题研究

针对确定突发事件中危险源的位置估计问题,提出一种基于hermit基函数的投影滤波方法.通过将其概率解投影到指定状态空间中,通过投影空间中的艾尔米特基函数构造出近似解,即状态的先验概率密度函数,最后由贝叶斯估计得到状态的后验概率密度函数,给出算法的收敛性和计算复杂度分析.仿真实验证明投影滤波方法有效减少滤波估计中所需的计算量,并提高了估计精度.     

基于双向汇聚引导蚁群算法的机器人路径规划

路径规划是自主移动机器人技术的核心理论问题之一,论文采用网格法建立路径规划问题的环境模型,提出了基于先验知识的优势方位角,建立了主优势网格和次优网格的改进网格模型,并采用基于子路径认知方法的信息素释放策略,提出了起始点与目标点互换的交替双向引导策略,实现了一种汇聚融合的信息素结构,实现了基于改进网格模型的双向汇聚斑迹信息素蚁群算法。实验表明,该方法在求解具有复杂障碍物分布的大规模地图规划问题时,具有空间复杂度小和效率高的优点,大大提升了构建初始解及收敛的速度,具有很好的求解性能。     

基于决策依赖度的粗糙集约简模型研究

为寻求高效的粗糙集约简模型,基于可分辨关系提出决策分辨约简、依赖性和依赖度等概念.与以往粗糙集约简模型相比,为提高约简精确性,提出性能为O(|P‖U|)的等价类划分方法和性能为O(|P‖U/C|)的属性重要性度量方法.同时给出了相关定理和等价命题,论证了传统决策约简模型和决策分辨约简模型的一致性.并基于属性重要性给出性能为O(|C|~2|U/C|)的求核方法和性能为Max{O(|C‖U|),O(|C|~2|U/C|)}的约简模型.新模型充分考虑了核属性和其他属性间的关联,从而有效降低冗余率,解决了对比模型存在的问题.理论和仿真实例分析表明新模型高效且结果准确率高.     

多载量小车节能调度的多目标动态规划算法

为有效平衡混流装配的生产效率与能耗,提出多目标多载量小车物料搬运节能调度方法,将能耗目标约束引入传统多载小车物料搬运调度模型,建立最小化最大线边库存与总能耗的多目标混合整数规划模型。为获得问题模型的Pareto解,提出基于时间窗与支配规则的正向多目标动态规划算法：根据问题性质,定义了多载量小车节能调度问题新的状态表示方式以获得动态规划算法的无后效性,同时引入时间窗与支配规则以减少对非支配解的搜索,有效提高了计算效率,运行时间缩短8.10%以上,仿真结果验证了该方法的优越性和算法的可行性。     

空时矩阵组三迭代DOA估计新方法

利用平移不变结构阵列信号子空间的旋转不变性,构造一组具有对角结构的空时相关矩阵组。给出一种高精度的信号子空间估计方法,利用估计的信号子空间做降维矩阵处理空时相关矩阵组,从而减少计算量并加快收敛速度。基于非线性最小二乘建立代价函数,提出一种三迭代算法求解代价函数进而估计波达方向DOA。仿真结果证实该算法收敛速度较快,估计精度显著高于TLS-ESPRIT算法,尤其在低信噪比和小快拍数据下估计精度显著增强。     

基于双种群协同进化的QoS全局最优

针对服务质量（quality of service, QoS）全局最优Web服务选择问题,提出了一种双种群协同进化QoS全局最优Web服务选择算法。算法在多目标离散粒子群算法基础上设计一种双种群协同进化框架以同步进行非支配排序和精英粒子保留,并定义了一种新的离散粒子位置更新算子。同时为保证粒子的多样性和算法的全局收敛能力,算法采用基于距离的粒子多样性度量算子、基于适应值排序的粒子选择算法和基于轮盘赌的全局最优解选择策略。仿真实验结果表明该算法能同时优化多个目标,并得到一组满足约束的Pareto最优解,且具有较好的性能和鲁棒性,解集的质量和分布也优于非支配排序遗传（nondominated sorting genetic algorithm,NSGA）算法的改进算法NSGA-Ⅱ,能有效解决QoS全局最优的Web服务选择问题。     

求解可分离连续凸二次背包问题的直接算法

经典算法一般采用迭代过程求解连续凸二次背包问题,研究了求解可分离连续凸二次背包问题的直接算法。分析了可分离连续凸二次背包问题的结构特性,通过两个命题和两个定理研究了可分离连续凸二次背包问题的解的特性,提出了一种快速的求解该问题的直接算法。该算法能快速有效地求解可分离连续凸二次背包问题的最优解,算法的时间复杂度和空间复杂度都是O(n),都比经典算法节约很多。     

基于压缩感知的阈值多路径稀疏度自适应图像重构算法

针对深度优先的多路径匹配追踪算法在进行图像重构时需要已知图像稀疏度、计算复杂度高等问题,提出了阈值多路径稀疏度自适应图像重构算法。该算法引入多个候选集,通过设定阈值来进行原子筛选和候选集数量的调整。然后每次迭代选出残差最小的路径作为新的候选集,以提高重构速度。此外,将残差差分小于某一阈值作为算法停止条件,因此不需要图像稀疏度作为算法的输入。实验结果表明,该算法可以获得较好的重构效果,同时保持了良好的时间复杂度和抗噪性能。     

基于相对分辨能力的属性约简算法

在粗糙集理论中,分辨能力反映拥有知识的多少;为此,给出分辨能力相关概念、性质和计算方法,并提出基于相对分辨能力的约简定义,同时研究该约简定义与Hu差别矩阵约简之间的等价性,指出Hu差别矩阵约简可由相对分辨能力约简获得.为了进一步提高求解效率,通过减少约简过程中基数排序次数来提升效率,设计了相对分辨能力的约简算法,其时间复杂度为O(|C|~2|U|).实例分析和UcI中数据集的实验比较表明所提出的约简算法是有效的、可行的.