一种改进的多目标混合差分进化算法

将差分进化算法（DE）用于多目标优化问题,提出了一种精英保留和进化进程中非支配解集迁移操作的差分进化算法,以保证所求得多目标优化问题Pareto最优解的多样性。采用双群体约束处理技术,构建进化群体的Pareto非支配解外部存档集,并进行基于非支配解集的迁移操作,以增加非支配解的数目和质量。用多个经典测试函数测试的结果表明,与标准DE相比,该方法收敛到问题的Pareto前沿效果良好,能有效保持Pareto最优解多样性与收敛之间的平衡。     

柴油加氢双塔分馏系统模拟与多目标优化

采用ASPEN Plus软件建立柴油加氢双塔分馏系统机理模型,在此基础之上,以汽油终馏点、柴油95%馏出温度、汽提塔塔底含硫量三个质量指标为约束,以重沸炉出口温度、汽提蒸汽量、分馏塔进料温度等8个可调参数为操作变量,建立了汽柴油总产值最大和系统能耗最小为同步优化目标的多目标优化模型。采用多目标列队竞争算法求解该模型,得到该模型的Pareto最优解集。根据Pareto解所对应各方案的产品分布情况,可确定不同优化方案下的操作参数。本文所提出的方法对柴油加氢双塔分馏系统的操作优化与节能具有参考意义。     

一类新型动态多目标鲁棒进化优化方法

传统动态多目标优化问题（Dynamic multi-objective optimization problems,DMOPs）的求解方法,通常需要在新环境下,通过重新激发寻优过程,获得适应该环境的Pareto最优解.这可能导致较高的计算代价和资源成本,甚至无法在有限时间内执行该优化解.由此,提出一类寻找动态鲁棒Pareto最优解集的进化优化方法.动态鲁棒Pareto解集是指某一时刻下的Pareto较优解可以以一定稳定性阈值,逼近未来多个连续动态环境下的真实前沿,从而直接作为这些环境下的Pareto解集,以减小计算代价.为合理度量Pareto解的环境适应性,给出了时间鲁棒性和性能鲁棒性定义,并将其转化为两类鲁棒优化模型.引入基于分解的多目标进化优化方法和无惩罚约束处理方法,构建了动态多目标分解鲁棒进化优化方法.特别是基于移动平均预测模型实现了未来动态环境下适应值的多维时间序列预测.基于提出的两类新型性能评价测度,针对8个典型动态测试函数的仿真实验,结果表明该方法得到满足决策者精度要求,且具有较长平均生存时间的动态鲁棒Pareto最优解.     

一种改进的鲁棒多目标优化方法

针对在解决某些复杂多目标优化问题过程中,所得到的Pareto最优解易受设计参数或环境参数扰动的影响,引入了鲁棒的概念并提出一种改进的鲁棒多目标优化方法,它利用了经典的基于适应度函数期望和方差方法各自的优势,有效地将两种方法结合在一起。为了实现该方法,给出一种基于粒子群优化算法的多目标优化算法。仿真实例结果表明,所给出的方法能够得到更为鲁棒的Pareto最优解。     

求解多目标流水车间调度Pareto最优解的遗传强化算法

针对多目标流水车间调度Pareto最优问题, 本文建立了以最大完工时间和最大拖延时间为优化目标的多目标流水车间调度问题模型, 并设计了一种基于Q-learning的遗传强化学习算法求解该问题的Pareto最优解. 该算法引入状态变量和动作变量, 通过Q-learning算法获得初始种群, 以提高初始解质量. 在算法进化过程中, 利用Q表指导变异操作, 扩大局部搜索范围. 采用Pareto快速非支配排序以及拥挤度计算提高解的质量以及多样性, 逐步获得Pareto最优解. 通过与遗传算法、NSGA-II算法和Q-learning算法进行对比实验, 验证了改进后的遗传强化算法在求解多目标流水车间调度问题Pareto最优解的有效性.     

基于NSGA-Ⅱ算法的可重构装配线计划排序问题研究*

为使可重构装配线计划排序的优化模型更加符合问题的实际背景和实现问题的整体优化,建立了以生产负荷均衡化、考虑流水线平衡的平准化、最小化装配线重构成本为优化目标的可重构装配线计划排序多目标优化模型。提出运用带精英策略的快速非支配排序遗传算法（NSGA-Ⅱ）求解此模型,得到更具有参考价值的Pareto最优解集,进而实现问题的整体优化。通过一个可重构装配线的多目标计划排序实验,验证了该模型和方法的正确性及有效性。     

基于Pareto的快速多目标克隆选择算法*

基于免疫系统中克隆选择原理,提出了一种多目标克隆选择算法MCSA。该方法只对部分当前所得到的Pareto最优解进行进化操作,所求得的Pareto最优解保留在一个不断更新的外部记忆库中,并选用一种简单的多样性保存机制来保证其具有良好的分布特征。实验结果表明,该方法能够很快地收敛到Pareto最优前沿面,同时较好地保持解的多样性和分布的均匀性。对于公认的多目标benchmark问题,MCSA在解集分布的均匀性、多样性与解的精确性及算法收敛速度等方面均优于SPEA、NSGA-II等算法。     

支持向量机算法多目标模型选择

为适应支持向量机（Support Vector Machine,SVM）算法应用过程中的不同性能指标要求,将SVM算法的模型选择问题作为一个多目标优化（Multi-Object Optimization,MOO）问题进行处理。以改进的粒子群优化（Particle Swarm Optimization,PSO）算法对该多目标优化问题进行求解,得到其Pareto解集,在具体应用中根据实际需要从Pareto解集中选择适合的最优解作为支持向量机算法参数,实现支持向量机算法的模型选择。在几个数据集上的仿真实验表明,该方法能够较快地得到Pareto解集,解集中的参数组合能够满足对支持向量机算法速度和泛化能力的不同要求。     

改进量子多目标进化算法用于SOC软硬件划分*

采用量子多目标进化算法对从任务级进行抽象建模所得到的系统模型进行软硬件划分,并针对SOC系统设计中存在的特点,对量子多目标进化算法进行改进。采用量子个体编码方案,避免个体编/解码的冗余。并将Pareto最优概念与多目标优化相结合,从而实现了兼顾系统面积、功耗、时间等参数的软硬件划分方法。仿真对比实验结果表明,该算法一次运行可以获得多个Pareto最优解,为各个目标函数之间权衡分析提供了有效的工具,提高了设计效率。在满足系统性能要求下,可为复杂SOC系统提供多个设计目标的全局优化方案。     

基于人工免疫系统的多目标函数优化

为克服传统遗传算法退化和早熟等缺点,同时降低优化算法的复杂度,提出基于人工免疫系统（Artificial Immune System, AIS）实现无约束多目标函数的优化。使用随机权重法和自适应权重法计算种群个体的适应值,使Pareto最优解均匀分布的同时,加快算法的收敛;通过引入人工免疫系统的三个基本算子：克隆、超变异和消亡,保持种群的多样性;在进化种群外设立Pareto 解集,保存历代的近似最优解。使用了两个典型的多目标检测函数验证了该算法的有效性。优化结果表明,基于AIS的多目标优化算法可使进化种群迅速收敛到Pareto前沿,并能均匀分布,是实现多目标函数优化的有效方法。     

基于频移干涉光纤腔衰荡技术的甲烷传感系统

煤矿事故严重威胁人们的生命和财产安全,瓦斯作为煤矿事故的罪魁祸首,其主要成分是甲烷。因此,选择一种性能优良并且能够实时探测甲烷浓度的气体传感器对安全生产和检测大气环境是十分有意义的。在众多气体传感器中,光纤气体传感器由于容量大、损耗小、体积小、抗腐蚀、抗干扰能力强等优势受到学者和仪器制造商的青睐。本文对比了几种光纤气体传感器,基于光谱吸收技术的光纤气体传感器体积小、成本低、功耗小,其使用最为广泛。在光谱吸收技术的基础上,发展了一种高灵敏度的探测技术,腔衰荡CRD(Cavity Ring-Down)技术。相比于普通的光谱吸收技术,其吸收光程长,灵敏度高出3个～4个数量级,并且对光源强度稳定性要求不高。但是,为了有效、实时地探测到衰荡信号,该技术对探测器的速度要求极高。本文研究的频移干涉腔衰荡FSI-CRD(Frequency-Shifted Interferometry Cavity Ring-Down)技术,通过将腔衰荡技术结合频移干涉技术,构建了频移干涉腔衰荡甲烷传感系统,实现了衰荡信号从时间域到频域的转换,降低了对探测设备的要求,并通过实验验证了该系统可以用于甲烷气体浓度的测量。     

基于压电阻抗技术的结构初始裂纹监测研究

针对工程结构早期裂纹损伤,提出了利用压电阻抗法检测损伤区域高频局部动力学特性,通过监测局部动力学特性变化实现对早期损伤监测的方法。建立了压电阻抗有限元仿真模型并进行数值分析,结果显示压电导纳信号峰值频率即为结构某阶谐振频率,压电阻抗法能有效检测结构的动力学特性。针对不同大小裂纹的铝梁结构进行压电导纳仿真和试验研究,仿真和试验结果表明:压电材料的导纳峰值频率随着裂纹损伤增大而减小;同样的损伤程度下,高频谐振频率对损伤更为敏感。利用高频谐振频率变化来监测早期裂纹损伤的产生及发展,具有较好的重复性和信噪比,具有重要的应用前景。     

基于MOLCA的催化裂化分离系统多目标模糊优化

催化裂化分离系统由分馏系统和吸收稳定系统两部分组成,本文将催化裂化分离系统作为一个整体进行研究。应用流程模拟软件Aspen Plus建立了该系统的全流程模拟,在此基础上,以干气中C_（3＋）组分数最小和系统能耗最少作为优化目标,建立了该系统的多目标优化数学模型。应用模糊优化理论对优化约束条件进行模糊处理,并采用多目标列队竞争算法（MOLCA）对模糊优化模型以及普通优化模型进行求解。计算结果表明,采用模糊优化的结果优于普通优化的结果,干气品质和系统能耗都得到了明显的改善。为催化裂化分离系统的操作优化提供了参考。     

一种高性能SiO2-SnO2氢气传感器

本文通过溶胶-凝胶法制备了介孔SiO2粉体,比表面积为1 148.02 m2/g,孔径约2.7 nm。通过丝网印刷的方法在SnO2气体传感器表面制备了介孔SiO2改性层,研究了改性层厚度对其气敏性能的影响。通过对500×10^-6和1 000×10^-6氢气、10×10^-6乙醇、10×10^-6丙酮和10×10^-6苯的测量,改性层对乙醇和丙酮的响应有抑制作用,对氢气的响应有显著的提高。当SiO2改性层厚度为15μm时,在250℃下,对1 000×10^-6氢气的响应值相对改性前传感器最大可提高到6.35倍。本文同时对选择性提高的机理进行了探讨。     

“武汉印象”旅游招贴设计中水墨元素的运用

以旅游招贴设计中民族特色的文化式样运用为题,分析了武汉旅游文化特色,提出了使"水"成为旅游者对武汉城市的第一感知,使"水文化"的旅游底色在城市中彰显,让武汉成为名副其实的"知音江城、人文水都"。在此基础上,以中国水墨画中水墨元素的创意构思来源为启示,论述了将中国水墨画中的水墨元素与"武汉印象"旅游招贴结合的可能性与必要性,别具一格地将武汉旅游文化特色淋漓尽致的体现出来。     

武汉地区通信技术产业的现状及发展

本文作为武汉市科委下达的软科学研究课题《武汉地区电子信息产业发展战略研究》的一部分,作者对武汉地区通信技术与产业发展进行了调查分析。总结了基本成绩、有利条件、制约因素和存在问题。对如何发挥武汉市的通信技术优势,抓住机遇,利用数据通信技术及其产业,推进社会经济发展进行了有益的探讨。     

面向旋翼无人机的高精度组合导航模块设计与评估

针对行业应用对旋翼无人机连续的高精度导航定位需求,基于低成本的GNSS单频定位模块和MEMS惯导,设计了高精度的GNSS/INS组合导航模块。针对高精度要求,设计了充分保障MEMS惯导精度的原始数据采集方案。针对旋翼无人机平台的高频振动问题,分析了IMU白噪声参数对MEMS惯导和组合导航性能的影响。测试结果表明,适当的放大IMU白噪声参数可以有效改善高频振动条件下的组合导航性能;模块的定位精度可以达到厘米级且连续稳定。     

"虚拟制造"重振武汉制造业

虚拟制造模式为企业和地区经济带来了又一次跨越式发展的契机。本文分析了武汉市制造业的现状、优势和不足，结合虚拟制造理论，从政府和企业两个角度阐述了如何利用虚拟制造的思想重振武汉制造业。     

信息安全竞赛与本科生科研创新实践能力培养

基于武汉大学近几年参加全国大学生信息安全竞赛的情况,在分析该竞赛各阶段流程的基础上,对武汉大学组织参赛的指导经验和教训进行了小结,探讨该竞赛对本科生科研创新实践能力培养的积极作用及启示。     

Evolving Dynamic Multi-Objective Optimization Problems with Objective Replacement

This paper studies the strategies for multi-objective optimization in a dynamic environment. In particular, we focus on problems with objective replacement, where some objectives may be replaced with new objectives during evolution. It is shown that the Pareto-optimal sets before and after the objective replacement share some common members. Based on this observation, we suggest the inheritance strategy. When objective replacement occurs, this strategy selects good chromosomes according to the new objective set from the solutions found before objective replacement, and then continues to optimize them via evolution for the new objective set. The experiment results showed that this strategy can help MOGAs achieve better performance than MOGAs without using the inheritance strategy, where the evolution is restarted when objective replacement occurs. More solutions with better quality are found during the same time span.