基于Bayesian统计推理的分布估计算法求解, 柔性作业车间调度问题

在Bayesian统计推理理论的基础上, 提出一种新的求解柔性车间调度问题的分布估计算法.首先, 根据所有工件的工序排列顺序提取进化过程中种群的优良信息, 建立一个不断更新的先验分布概率模型, 再以相邻工序出现的频率为基础建立条件概率模型; 然后, 结合两个模型的信息使用Bayesian公式建立一个后验概率模型, 该模型综合了进化过程中不断更新的优良信息和相邻工序出现的频率信息, 可用以更好地指导产生新群体.仿真结果表明算法具有较好的寻优能力.     

改进分布估计算法在热轧生产调度中的应用

在热轧生产调度数学模型的基础上,提出一种改进的基于小生境技术的分布估计算法。采用Hebb学习规则来更新概率模型,增强了小生境之间以及整个群体间的相互学习能力。在对新种群采样时,引入了一种竞争选择机制,使得父代中的优秀个体在进化过程中得以保留,从而保证了进化持续有效的进行。为将该算法用于热轧生产调度,设计了一种新的解码方式,并采用某钢厂实际生产数据进行仿真实验,验证了算法的有效性。     

基于分布估计算法的备件优化配置

分布估计算法是一类新的进化算法,它通过统计在当前群体中优选出的个体信息给出下一代个体分布的概率估计,用随机取样的方法生成下一代群体.将分布估计算法应用于备件优化问题,提出了基于分布估计算法的武器装备系统备件优化模型,分析了个体选择比例、精英保留等策略对算法的影响.仿真结果表明了文中所采用的分布估计算法在求解备件优化问题时是可靠有效的.     

基于分布估计算法的遥操作模糊双边控制

针对遥操作的双边控制理论,提出了模糊控制的方法。但对于隶属函数难以确定的问题,使用了分布估计算法来优化控制参数,以建立适合实际系统的隶属函数,来提高遥操作双边控制的性能,达到良好的稳定性和跟踪性。并用MATLAB进行参数优化的仿真及通过双边仿真系统进行了参数优化前后的对比验证,结果表明所提算法是可行的、有效的。     

多精英采样与个体差分学习的分布估计算法

提出了基于多精英采样和差分搜索的分布估计算法EDA-M/D (Estimation distribution algorithm based on multiple elites sampling and individuals differential search)。EDA-M/D利用多精英个体独立采样生成子代来提升算法全局搜索能力,利用精英群体分布的σ²约束采样半径,实现种群从全局搜索逐步过度到局部搜索。当精英群体停滞时,劣势个体借助精英群体的μ和种群历史最优解进行差分搜索,帮助种群跳出局部最优解。通过多精英采样与差分搜索的自适应协同实现种群宏观信息与个体微观信息的有机融合。实验结果表明EDA-M/D在稳定性和搜索能力方面均表现出明显的优势。     

基于变邻域分布估计算法的数传资源配置优化

分析了地面站数传资源分配中的影响因素, 建立了问题的约束优化模型, 提出了变邻域搜索与分布估计相结合的优化算法. 算法在概率模型和种群个体两个层次分别设计了邻域结构, 以提高算法的全局搜索能力和局部优化能力, 并避免优化过程陷入局部极值. 构建了变邻域分布估计算法的优化流程, 推导证明了算法的收敛性. 利用仿真算例分别对算法性能及控制参数选择进行了分析, 实验结果表明, 算法能够有效地解决数传资源配置优化问题, 且求解精度较高.     

最大熵DFP算法及其在水环境优化问题中的应用

为了提高求解约束优化问题的精度,将最大熵原理与DFP无约束优化方法相结合,将复杂的带约束的优化问题转化成无约束优化问题,建立了求解约束水环境优化问题的最大熵DFP算法(MEDFP).MEDFP算法不仅可以得到最优解,而且由收敛极小点处的Lagrange乘子可判断约束对该点的松紧程度.数值分析和在水环境优化问题中的应用结果表明,该算法精度高、收敛快、实用性强,好于模糊非线性规划方法,随机优化方法、模式搜索方法和LINGO方法,是处理带约束水环境优化问题的一种有效方法.     

分布估计灰狼算法求解低碳选址路径问题

针对碳定价背景下的低碳选址路径问题(Low-Carbon Location Routing Problem, LCLRP),首先构建了一种考虑油耗和碳排放成本,并以最小化设施选址成本、车辆启用成本以及运输成本为目标的选址-路径模型;其次,根据模型的特征,设计了一种分布估计灰狼算法(Grey Wolf Optimizer with Estimation of Distribution Algorithms, GWOEDA)对其进行求解。算法利用概率模型引导灰狼,并利用多父代交叉和两种邻域搜索算子增强了算法的全局搜索与局部搜索性能。算例分析结果表明：加入概率模型学习能力的灰狼算法在选址路径问题上有更好的寻优能力,并且在碳定价背景下,所构建的模型可以有效降低总成本和碳排放量。     

基于最大熵的新型冠状病毒代际间隔分布估计

传染病代际间隔τ对于探究病毒传播规律具有重要的理论与实用价值,而通常其概率分布函数是未知的。因此,尝试利用最大熵方法推断代际间隔分布函数的最概然形式,详细分析了全球20个国家4 986个新型冠状病毒病例信息,在充分考虑样本多样性的基础上估计了该病毒代际间隔的总体均值和方差,然后基于此方法推定了全球新型冠状病毒代际间隔分布函数并以此计算了中国的基本再生数。研究结论有助于进一步客观地分析病毒传播特征,为制定常态化疫情防控对策和相关领域研究提供重要的参考价值。     

求解板坯倒垛和落位问题的分布估计算法

针对钢铁企业板坯库的板坯倒垛问题,与以往的研究不同,考虑了在倒垛过程中压在目标板坯上的障碍板坯可以不倒回原垛位的作业模式.提出采用板坯在板坯库中的移动次数来衡量板坯库的作业负荷,建立了以移动次数为优化目标的整数规划模型.在对模型的求解中设计了基于概率模型进化的分布估计算法(estimation of distribution algorithm,EDA)来确定轧制单元对应的板坯,采用基于辐射邻域的启发式算法为障碍板坯寻找最佳的落位位置.通过不同规模的数据实验,探讨了参数对算法性能的影响,确定了有效的参数组合.并与当前常用的改进遗传算法、单亲遗传算法进行对比,验证了所提算法的有效性和鲁棒性.     

熵损失函数下广义指数分布的可靠性估计

在广义指数分布场合下, 讨论了其参数、可靠性指标的估计及性质. 基于熵损失函数, 在共轭先验分布下, 通过对分布函数进行变换, 获得了该分布参数、可靠性指标的 UMVUE、最小风险同变估计、Bayes 估计和经验 Bayes 估计, 并证明了形如 [cT(x) + d]^-1 的一类估计的容许性. 最后运用 Monte-Carlo 方法对各种估计的 MSE 进行了模拟比较. 结果表明, 经验贝叶斯估计精度较高.     

基于耗散结构理论的极大熵目标分群算法

为快速准确实施战场目标分群,从信息交互角度,结合耗散结构理论将战场态势认为是能够出现"有序" 状态的动态开放系统.据此,建立用于战场目标分群的OG-Brusselator 模型,并且改进了MEC 算法,在航路勾径基础上提出航路股径概念统一目标彼此间距离和运动方向两要素的量纲,将其和目标与分群中心隶属度分别作为影响目标群属关系明晰度的可量化正、负熵指标, 提出以OG-Brusselator 模型控制算法迭代的目标分群算法DS-MEOC.最后针对空中目标进行分群实验分析,结果表明DS-MEOC 算法有效可行,相比MEC算法,能够提供更合理的目标分群方案.     

一种新的免疫遗传算法及其在TSP问题中的应用

基于生物免疫理论,提出了一种新的免疫遗传算法,在遗传算法的基础上引入了新的免疫算子,这些算子包括接种疫苗、各基因座多样性调整及免疫选择。结合TSP问题,提出了通过计算基因座信息熵来得到群体多样性的方法及多样性判断、调整方案,提取疫苗及接种的方法及免疫选择机制,讨论了控制参数在进化过程中的作用。理论分析及对75座城市TSP问题的仿真结果表明,该算法能有效避免遗传算法的不成熟收敛,提高收敛的快速性和准确性。     

Fast recursive algorithm for two-dimensional Tsallis entropy thresholding method

Recently, a two-dimensional (2-D) Tsallis entropy thresholding method has been proposed as a new method for image segmentation. But the computation complexity of 2-D Tsallis entropy is very large and becomes an obstacle to real time image processing systems. A fast recursive algorithm for 2-D Tsallis entropy thresholding is proposed. The key variables involved in calculating 2-D Tsallis entropy are written in recursive form. Thus, many repeating calculations are avoided and the computation complexity reduces to O(L2) from O(L4). The effectiveness of the proposed algorithm is illustrated by experimental results.     

基于最大模糊熵原理的多阈值图像分割新算法

基于最大模糊熵准则,提出了一种新的多阈值图像分割算法。该算法通过定义一种简单的线性模糊隶属度函数,将图像模糊划分为若干个不同的区域;同时采用自适应遗传算法搜索最大模糊熵准则下图像的一组最佳分割阈值,并对遗传算法中的编码方式及交叉算子、变异算子进行了一些有益的改进,极大地减少了计算量和存储空间,加快了算法的搜索速度。通过仿真实验证明该算法对复杂图像良好的分割效果和较强的实时处理能力。     

基于信息熵和GA-ELM的调制识别算法

针对当前通信信号调制识别算法在低信噪比（signal-to-noise ratio,SNR）下识别率低、训练速度慢、识别调制类型少的问题,提出了基于信息熵特征和遗传算法-超限学习机（genetic algorithm-extreme learning machine,GA-ELM）的调制识别算法。首先,提取信号的4种熵特征：奇异谱香农熵、奇异谱指数熵、功率谱香农熵和功率谱指数熵作为调制识别的特征参数;其次,采用GA-ELM作为分类器。仿真实验表明,对11种模拟、数字调制信号进行分类识别,在SNR大于4 dB时算法的总体识别率均超过98%,同时该算法训练速度快,识别系统设计简单,具有较大的应用价值。     

Caveman网络及其在复杂网络熵分析中的应用

熵可以有效反映复杂系统内网络结构的异质性.针对熵指标在刻画网络全局异构上是否适用这一问题,目前仍缺少用以评测的基准网络.对此,在已有结构熵研究的基础上,提出一种Caveman网络构造及其演化规则,为网络复杂性的度量提供新的思路。通过数理分析和仿真实验验证该Caveman网络可以有效评测各类结构熵指标对其演化过程的敏感性,反映熵指标对网络复杂特征识别能力的差异。同时由于Caveman网络可以更好地探索信息空间和抵御攻击,将有助于设计鲁棒、高效的系统结构。