基于权值向量的偏好多目标优化方法

偏好多目标优化方法是多目标优化领域的一个重要分支,其主要目的是仅搜索Pareto前沿面上部分区域内决策者感兴趣的解.基于MOEA/D算法根据预先设定的均匀分布的权值向量搜索Pareto最优前沿面的思想,本文提出了一种基于权值向量的偏好多目标优化方法,该方法通过引入具有偏好信息的权值向量,使算法仅搜索偏好点附近的解.仿真实验结果表明,与现有偏好多目标优化算法相比,本文方法具有支持多偏好点、偏好区域大小可控、偏好点位置无特别要求及偏好解具有更好收敛性的优势.     

改进偏好多目标优化算法在直流偏磁抑制装置优化配置中的应用

基于偏好的多目标优化算法能够定向搜索符合决策者需求的Pareto解集,是多目标优化算法与工程实际联系最为紧密的方法之一。为准确地将决策者偏好需求反映到最终Pareto解集,提出一种偏好映射点动态更新策略,通过动态更新偏好映射点来降低算法对初始参考点位置的依赖。为实现输出Pareto解数目可调可控,引入偏好解集过滤器,使得算法能够得到解集数目符合决策者要求、分布均匀的Pareto解。最后,利用所提算法求解ZDT系列测试函数和浙北区域直流偏磁抑制装置优化配置问题。结果表明,所提算法能有效收敛至决策者偏好对应的Pareto解集,可以为直流偏磁抑制装置优化配置工程实际问题提供符合决策者需求的优秀候选方案。     

关于如何用角度信息引入决策者偏好的研究

在实际的多目标优化中,决策者通常只对少部分的Pareto最优解感兴趣。然而,传统多目标优化算法关注整个Pareto最优面上的解集,这不仅需要花费大量计算时间在无用解的搜索上,同时决策者也很难从众多解中选出符合自己偏好的解（特别是问题目标个数大于3时）。为此,本文提出了一种利用个体间的角度关系的偏好多目标进化算法。该方法通过重新定义个体间的支配关系和聚集距离使那些离决策者偏好区域越近的个体优先被保留下来,从而引导种群趋近于决策者的偏好区域。     

基于QABC-IFMADM算法的有人/无人机编队作战威胁评估

信息化条件下有人/无人机编队作战环境具有高度不确定性,如何对目标进行快速有效的威胁评估成为亟待解决的问题.在直觉模糊集框架下,研究决策者对方案具有偏好,目标属性值为区间数且权重未知的评估问题,提出一种量子蜂群（QABC）优化属性权重的直觉模糊多属性决策（IFMADM）的威胁评估方法.首先,建立方案偏好模型;其次,综合考虑客观优化排序和决策者方案偏好信息,建立主客观最优属性权重优化模型,并采用量子蜂群算法优化属性权重,使得属性权重更准确地反映实际情况.最后,通过编队对地作战威胁评估算例验证了所提方法的合理性与有效性.     

基于测量误差不确定性加权的快速相机位姿估计算法

在相机位姿估计任务中,参考点位置的测量容易受测量仪器或者所处环境影响,出现一定程度的测量误差,其中误差较大的点对最终求解精度的影响很大,被称为野值点。文章针对现有算法抗野值点能力较弱的问题,提出一种基于测量误差不确定性加权的快速相机位姿估计算法。该算法以经典的正交迭代算法为基础,引入M估计方法,对目标函数根据参考点的测量误差赋予相应大小的权值,最大程度地将野值点的影响排除,并引入Kronecker积对计算过程进行优化,减少了迭代过程中的冗余计算,提高运算速度。仿真实验结果表明,改进后的算法提升了原算法的抗野值点能力,且计算速度更快。     

基于曲线进化的目标检测算法

提出了基于曲线进化的运动目标检测算法。对于运动目标检测问题定义了新颖的能量模型,并给出了相应的曲线进化方程。结合水平集算法,所提出的曲线进化模型能够自动的适应拓扑变化,检测出多个运动目标区域及轮廓。从计算物理学领域引入基于偏微分方程的水平集窄带算法,在构造窄带时无需显示的知道曲线的位置,并能够快速的实现。     

多监视区域偏好可控的MIMO 雷达优化布站算法

针对分布式多输入多输出(MIMO)雷达在同时多区域监视情况下的优化布站问题,文中提出了一种多监视区域偏好可控的MIMO 雷达优化布站算法。首先,建立评价监视性能的性能指标函数,在此基础上,分析偏好信息确定重点监视区域,并确定监视区域预期性能要求;进而,提出基于偏好信息的粒子群优化算法(PSO),对天线布站位置进行优化,获取满足偏好要求的天线布站方案,并根据偏好信息从中挑选布站方案进行布站;最后,通过对多监视区域进行布站仿真,验证了所提布站方法的有效性。     

基于布谷鸟算法的光纤激光网络异质信息入侵检测

采用以往入侵检测方法时,通过随机方式对参数进行初始化处理,检测精度低,为此,提出一种基于布谷鸟算法的光纤激光网络异质信息入侵检测方法。分析了布谷鸟算法寻优过程,针对常规布谷鸟算法受参数改变的影响相对较大,具有收敛速度慢、准确率低以及容易陷入局部最优的弊端,依据差分进化方法,通过在新鸟巢位置公式中结合别的鸟巢位置完成简易交叉变异,提升种群多样性,同时利用惯性权重减少迭代次数,保证整体寻优速度。对光纤激光网络异质信息入侵的历史数据进行采集,提取关键特征,通过布谷鸟算法对极限学习机进行改进,获取最优入侵检测分类器,通过分类器构建异质信息入侵检测模型,实现光纤激光网络异质信息入侵检测。实验结果表明,所提方法收敛速度快,误报率低且入侵检测精度高。     

基于Worker权重差分进化与Top-k排序的结果汇聚算法

针对众包结果汇聚中最优排序结果选取的时效性问题,提出了Worker权重的高效快速汇聚算法。其中Worker权重的差分进化算法重点考虑众包Worker完成排序任务存在的差异性问题,基于目标函数和约束条件中Worker完成任务的不确定性和差异性影响,建立基于差分进化算法的Worker权重优化模型,获取多数据项场景下候选结果最优权重,实现Worker权重与任务对结果性能需求匹配的最大化;提出基于Top-k排序的优化模型求解算法,针对多数据项场景下候选结果的Top-k排序选取,在合适的k值下可快速求解上述模型,获得各Worker的优化权重。所提出的基于优化的Worker权重可实现结果汇聚的匹配性与匹配速度优化,即在提升结果汇聚速度的同时,具有优化的汇聚结果性能。定性分析证明了算法的正确性,仿真实验结果也验证了算法的效果,与相关算法对比,所提算法的综合性能最优。     

利用改进微分进化算法实现线性系统逼近

提出一种基于改进的微分进化算法的逼近算法。新算法通过参考粒子群算法惯性权重思想,引入惯性加权系数,在计算初期能够维持个体的多样性,后期能够加快算法的收敛速度,提高了DE算法的性能。最后对典型的稳定线性系统逼近问题进行了数值计算,计算结果证明该算法优于未改进微分进化算法,能够以更少的进化代数和更小的计算量找到高质量的逼近模型。     

基于MLBF的毫米波双站SAR前视Omega-k成像算法

结合毫米波体制和双站毫米波合成孔径雷达(SAR)前视成像技术,开展毫米波双站SAR前视成像算法的研究.在双站SAR前视成像系统中,较大的前视角引入了多普勒质心偏移和严重的距离徙动,因此普通双站SAR的成像算法无法直接移植到双站SAR前视成像中.针对以上问题,论文首先提出了一种基于瞬时多普勒分析的改进Loffeld's Bistatic Formula(MLBF)二维频谱求解方法,相比于现有方法,该方法能更准确的得到双站SAR前视回波信号的二维频谱.在此基础上又推导出了适用于毫米波双站SAR前视成像的Omega-k算法;最后通过仿真实验,验证了提出算法的有效性和优越性.     

面向任务的相控阵雷达维修方案优选方法

针对不同任务等级条件下相控阵雷达维修方案的选择问题,提出一种面向任务的维修方案选择方法.该方法在逼近理想排序法(TOPSIS)思想的基础上,通过引入区间数来处理决策信息的不确定性,通过引入变权理论来弥补常权决策带来的误差,通过控制任务属性权重来实现面向任务的维修方案优选.给出了具体的方法步骤,并通过应用实例对方法的有效性和可行性进行了验证.     

考虑主观偏好信息的辐射源威胁评估方法

基于作战实际情况，提出一种新的辐射源威胁评估方法。决策群体针对当前战场情况，凭借其作战经验分别给出不同形式的主观偏好信息。采用将偏好信息一致化为效用值的方法，集结出决策群体的主观偏好信息。建立主客观信息相集成的辐射源威胁评估模型，然后通过二次规划模型计算属性权重，最后通过一个排序公式得出辐射源的威胁评估值和排序结果。所建立的威胁评估模型更符合作战的实际过程，算例表明了方法的有效性。     

基于多Agent偏好的决策信息融合

针对多Agent系统的群决策问题，本文提出了一种利用多Agent群体偏好进行决策融合的方法，使用群决策方法生成多Agent群体偏好，然后根据模糊排序策略进行决策信息的融合，群决策方法与模糊排序这两种方法的混合运用有效地降低了决策时间，提高了决策的精度。经过实验模拟，证明了这种方法的简单性和有效性。     

求解模糊柔性作业车间调度的多目标进化算法

针对实际制造车间中工序加工时间具有不确定性,将加工时间采用模糊数表示,建立一种多目标模糊柔性作业车间调度模型,并提出了有效求解该模型的多目标进化算法.算法采用混合机器分配和工序排序策略的方法产生初始种群,并采用插入空隙法对染色体进行解码.定义一种新的基于可能度的个体支配关系和一种基于决策空间的拥挤算子,并将所提支配关系和拥挤算子运用于快速非支配排序.接着,提出一种基于移动模糊关键工序的局部搜索策略.实验部分首先通过田口试验方法来研究关键参数对算法性能的影响;其次,将所提算法与三种不同的优化算法作对比.实验结果验证了所提算法的有效性.     

基于Dense SIFT兴趣点提取的红外与可见光融合

为解决红外与可见光图像融合时易产生伪影且目 标受背景、光照等因素干扰损失目标信息的问题,提 出一种基于Dense SIFT的改进区域融合方法。首先,分别对红外与可见光图像进行Dense SI FT处理获取 对应的初始融合决策图;然后通过对红外光图像进行兴趣点提取、去游离处理等操作得到最 终待映射区域; 最后分别对红外与可见光图像目标区域和映射后背景区域采用不同融合规则进行融合获取最 终结果。经试 验验证,本文方法能够更加准确的提出目标区域,简单快速,并在第二、三组实验结果中将 信息熵提升0.6以上,具有有效性。     

基于码重信息熵低码率线性分组码的盲识别

为解决较高误码条件下的低码率二进制线性分组码的盲识别问题,论文提出了基于码重分布信息熵的码长识别方法,而且,它还通过优化传统的矩阵化简方法求解生成矩阵,从而实现对低码率二进制线性分组码的盲识别。理论分析及仿真验证均表明:该方法能实现低码率线性分组码较正确的识别。论文最后进一步对不同码长线性分组码在不同误码率条件下进行了多次仿真,仿真结果验证了该识别方法具有较好的容错性能。     

高效信息收发软件系统设计分析

通过对信息收发系统需求的分析,针对提高系统整体性能的问题,提出了基于有效通信模式与系统流程的设计及解决方案。从整体角度分析了影响系统效能的主要因素,阐述了网络环境、硬件设备、软件系统结构、网络I/O模型以及优化内存管理和软件编程等方面的优化策略。利用程序检测法对系统的性能进行了测试、数据收集及分析,据此有针对性地找出了提高系统效率的关键环节,是系统性能优化的有益探索,对同类项目研发具有参考价值。