一种基于信息分离的高维多目标进化算法

高维多目标优化是指对目标维数大于三维的多目标问题(multi-objective optimization problem,简称MOP)进行优化.大多数传统的多目标进化算法采用Pareto支配关系指导搜索,很难在高维多目标优化问题上得到较为理想的结果.为此,提出了一种基于信息分离的高维多目标进化算法(multi-objective evolutionary algorithm based on information separation,简称ISEA).该算法在目标空间中将原坐标系进行旋转,使第1条坐标轴与向量(1,1,…,1)^T平行.ISEA定义转换坐标的第1个坐标值为收敛信息(convergence information,简称CI),剩余的坐标代表个体分布信息(diversity information,简称DI).同时,采用一种基于分层选择的邻域惩罚机制,利用一种由两个超圆锥组成的邻域形状保持种群的分布性,当个体被选入归档集后,其邻域内的个体将被惩罚进入下一层选择,防止邻近的个体同时被选入归档集.邻域形状的第1部分利用分布信息覆盖邻近的个体,第2部分覆盖边界上的差个体.与NNIA,e-MOEA, MSOPS,AR+DMO以及IBEA这5种经典算法进行了比较.实验结果表明,ISEA在处理高维多目标优化问题时具有良好的收敛性和分布性.     

基于可变影响空间的多目标进化算法的解集均匀性评价方法

解集的均匀性评价是多目标进化算法中性能评价的要素之一.文中结合面向个体和面向空间的思想,提出可变影响空间的概念,并基于此提出一种解集均匀性评价方法——基于可变影响空间的多目标进化算法的解集均匀性评价方法(VISUM).该方法通过分析个体在可变影响空间内的相对均匀程度,能准确反映解集的分布均匀性.实验结果证明文中方法的可行性和有效性.     

基于动态ε支配的多目标遗传算法

基于Pareto支配的MOEA存在着一些缺陷,如容易出现退化现象等。而基于ε支配的MOEA可以比较好地解决这些问题,并具有比较理想的收敛性和分布性。但是采用传统的ε-MOEA时,最大的困难就是ε的值的设定,并且传统的MOEA得出的解在边界部分个体的丢失现象也比较严重。针对这种情况提出了一种新的基于动态ε支配的多目标遗传算法（DEMOEA）,它不需要手动设定ε的值,并且引入了动态网格概念来改善边界解丢失的现象。通过与其他两个经典的多目标进化算法的NSAGA-II和SPEA-2的对比实验,表明提出的DEMOEA能在收敛性、分布性有较好的改进。     

多目标进化算法中变异算子的比较与研究

提出了一种适应于多目标进化算法的变异越界处理策略,成功地将这些变异算子应用到多目标进化优化问题中,从多目标优化收敛性的角度比较了这些变异算子的性能。通过一组实验表明这种越界处理方法是非常有效的,单目标优化中的这些变异算子具有与多项式变异算子相当的分布性,同时取得了更好的收敛性能。     

求解TSP问题的混合遗传算法

TSP问题是一类经典的NP问题,目前有很多方法对其求解,而用混合遗传算法对其求解取得了很好的成效。常见的混合遗传算法有遗传算法与最速下降法相结合（GACSDM）、遗传算法与模拟退火法相结合（SAGA）。设计了贪婪的复合变异算子（GCM）,并引入隔代爬山法算子（Climb）增加遗传算法的局部搜索能力。实验结果表明该算法是有效的。     

一种基于快速排序的快速多目标遗传算法

多目标遗传算法的一个重要步骤就是构造非支配集,本文提出了一种基于快速排序的非支配集构造方法,提高了非支配集构造效率,并且在Deb提出的NSGAⅡ的基础上,改进了其种群构造策略,设计了一类新的多目标遗传算法。实验表明,这种方法比NSGAⅡ具有更快的收敛速度且保持了良好的分布性。     

高黏度骨水泥治疗骨质疏松性锥体压缩骨折患者围手术期护理

【摘要】 目的 探讨高黏度骨水泥椎体成形术（PVP）治疗骨质疏松性椎体压缩骨折患者围手术期护理。方法 30例患者采用高黏度骨水泥PVP治疗骨质疏松性椎体压缩骨折，通过术前常规护理及心理、饮食干预，术后指导四肢康复锻炼和严密观察骨水泥渗漏，及时给予相应的护理措施。结果 30例患者在护理干预下积极配合PVP治疗，术后疼痛明显减轻。结论 术前充分地准备，术后正确的指导和精心的观察、护理，能够帮助患者尽快地恢复日常生活活动能力，减轻疼痛，提高生活质量。

     

基于小波分析的热障涂层厚度超声检测

基于超声信号在涂层的上、下表面产生的奇异性,通过对超声信号进行连续小波变换分析,利用模极大值法和Lipschitz指数法进行判断,找出了超声信号中的奇异点。依据热障涂层界面反射信号的时间差,利用已知涂层声速可以算出涂层厚度。通过与扫描电镜所测涂层厚度对比分析,验证了该方法的可行性。     

局域增强系统差分定位方法

局域增强系统由地面子系统和机载子系统两部分组成。地面子系统计算卫星的伪距校正量等差分数据，并将这些数据发送给机载子系统。机载子系统利用这些差分数据，精确地完成位置的解算，达到改善定位精度的目的。本文描述了在局域增强系统中进行伪距差分定位的方法。     

一种MOEA分布度的逐步评价方法

 提出了一种多目标进化算法中解集分布度逐步评价方法.定义了一种基于角度的坐标,避免了算法因收敛性不同对分布性评价的影响;利用了解集均匀分布具有的对称性,把整个目标空间从大到小划分成不同的对称区域,逐步进行分布度评价.实验结果表明,该方法能精确的评价解集的分布情况.