知识驱动的高维多目标优化算法研究

针对传统的非支配排序在处理高维多目标优化问题过程中,因非支配解数量的指数增长而导致算法没有足够的选择压力的情况,提出了一种知识驱动的高维多目标算法(KD-NSGA-Ⅲ),以提升算法的收敛速度.该算法采用Pareto支配关系来衡量种群的优劣,通过知识引导筛选优势种群,结合参考点选择机制增强种群的多样性和广泛性,同时采用模拟二进制交叉策略和改进的自适应变异策略增强算法的搜索能力.通过对标准测试函数的实验,结果表明:相较于一些经典的多目标优化算法,KD-NSGA-Ⅲ在高维多目标优化问题方面性能改善效果优异,尤其在收敛速度上有显著的提升.     

柔性作业车间生产与能耗协同优化决策方法

针对多目标约束柔性作业车间问题,提出基于混合变异算子的NSGA-Ⅱ(Non-dominated Sorted Genetic Algorithm-Ⅱ)算法。针对NSGA-Ⅱ易早熟收敛不足的问题,分别引入泊松、平均以及高斯算子来提高算法前中后期的全局以及局部寻优能力。采用模糊层次分析—改进的熵权法(FAHP-IEVM)主客观相结合的决策方法,从多组最优解集中筛选出最优方案。通过ZDT系列测试函数对改进的算法进行测试分析对比,结果表明改进算法的收敛性和多样性指标都有明显提高。最后通过算例仿真对比分析验证了算法寻优能力及计算效率的有效性和决策方法FAHP-IEVM的合理性。     

一类潜伏期传染且具有病毒变异的传染病模型

针对COVID-19的特点，建立了一类潜伏期与染病期均传染且具有病毒变异的SEI₁I₂QR传染病模型。首先，得到了模型的基本再生数与平衡点，利用Routh-Hurwitz判据、Lyapunov函数及LaSalle不变集原理证明了各类平衡点的全局稳定性。其次，选取印度的COVID-19累计病例数，对模型的参数进行了估计，并对疫情发展趋势进行了数值模拟。最后，对部分参数进行了敏感性分析，结果表明，易感者与潜伏者的有效接触率、易感者与病毒变异前的染病者的有效接触率和基本再生数之间存在强相关性关系，降低易感者与染病者的有效接触率可以有效控制疫情的进一步蔓延。     

基于自适应网格混合机制的多目标粒子群算法

当粒子群算法(PSO)解决多目标优化问题时,由于PSO有较快的收敛效果,使得种群在寻优过程中多样性不足,易使算法早熟收敛.为有效设计多目标粒子群算法,提出基于自适应网格混合机制的多目标粒子群算法(ammmMOPSO).该算法采用自适应网格和混合机制的一种双重维护策略,以保证外部存档中的非劣解分布均匀,避免种群快速退化,...     

基于改进的混合免疫算法的动态信道分配

为保证在蜂窝移动通信网络中信道间最大程度的紧致分配,降低语音呼叫堵塞率和掉话率,提出了一种改进的混合免疫算法,并将其应用于动态信道分配中.该算法采用自适应的初始化种群、交叉和重组算子、改进的选择性变异技术和改进的疫苗接种方法.在话务量增加80%时,算法的堵塞率和掉话率分别为3.48%和1.90%,平均收敛代数仅为9.98次.仿真结果表明,改进后的算法有效地提高了收敛率,减少了算法收敛所需的运行代数;明显地降低了语音呼叫的堵塞率和掉话率,有更强的话务携带能力.     

基于单纯形局部搜索的自适应差分进化算法

针对标准的差分进化（DE）算法在高维复杂的函数优化中易早熟收敛,进而导致搜索精度低甚至优化失败的问题,提出一种基于单纯形局部搜索的自适应的差分进化算法（SSADE）．将DE算法的快速全局搜索能力与单纯形的强局部寻优能力有机结合起来,进一步提高了解的精度．参数自适应变化有效地维持了种群的多样性,自适应的变异策略扩大了个体的搜索范围,增强了算法寻优效果,仿真实验验证了新混合算法的有效性．     

支持向量机在地统计学中的应用研究——以土壤重金属砷的空间分布及其对农产品安全生产的影响为例

重金属砷广泛存在于地壳中,它的开采及使用造成了对农田土壤的污染,进而危害人体健康。Kriging地统计学方法是解决基于少量样本估计大面积内物质异质性分布的主要手段。但是由于传统的Krining方法对变异函数的拟合的主观性和局限性影响对物质分布的估计。为解决这一问题,引入了支持向量机(SVM)方法对变异函数进行拟合并将这一方法应用于对农田土壤重金属砷的分布的估计,即基于在目标地块实地取样获得的少量数据来估计砷在农田内的分布,结果表明:SVM回归的拟合优度为0.944,高于其他两种传统方法的拟合优度(0.842,0.744);基于该拟合函数计算的验证样点估计值与实测值的平均相对误差为4.75%;砷在目标地块内呈异质性分布。为了研究土壤砷的分布对农产品安全生产的影响,根据文献提供的实验数据建立了9种蔬菜对重金属砷的富集模型,据此建立了农产品安全生产的风险评价模型。评价结果表明,如果在目标地块中种植9种蔬菜,其中8种蔬菜是无风险的,即风险值p=0。然而,尽管整个目标地块土壤砷含量低于《土壤环境质量标准》~([14])的土壤二级标准,9种蔬菜中仍有一种蔬菜(青菜)的产品是完全超标的,即风险值p=1。因此,单纯用土壤重金属含量来评价农田土壤并不能很好地反映农田土壤污染对人类的影响。