基于分解的多目标花朵授粉算法

在过去几十年里，许多多目标进化算法被广泛应用于解决多目标优化问题，其中一种比较流行的多目标进化算法是基于分解的多目标进化算法(MOEA/D)。花朵授粉算法是一种启发式优化算法，但迄今为止，花朵授粉算法在基于分解的多目标进化算法领域的研究还非常少。本文在基于分解的多目标进化算法的框架下，将花朵授粉算法拓展至多目标优化领域，提出一种基于分解的多目标花朵授粉算法(MOFPA/D)。此外，为了保证非支配解的多样性，本文提出一种基于网格的目标空间分割法，该方法从找到的Pareto最优解集中筛选出一定数量且分布均匀的Pareto最优解。实验结果表明，基于分解的多目标花朵授粉算法在收敛性与多样性方面均优于基于分解的多目标进化算法。     

一种基于网格的等密度线聚类算法

提出了一种基于网格的等密度线聚类算法,通过对样本所在空间进行网格划分,从样本分布等密度线图的思想出发,可自动发现任何形状的类,时间复杂度和空间复杂度较好,实现了对不同类样本空间容积的计算,具有很好的聚类效果和容积计算能力.     

Towards automating the discovery of certain innovative design principles through a clustering-based optimization technique

In this article, a methodology is proposed for automatically extracting innovative design principles which make a system or process (subject to conflicting objectives) optimal using its Pareto-optimal dataset. Such ‘higher knowledge’ would not only help designers to execute the system better, but also enable them to predict how changes in one variable would affect other variables if the system has to retain its optimal behaviour. This in turn would help solve other similar systems with different parameter settings easily without the need to perform a fresh optimization task. The proposed methodology uses a clustering-based optimization technique and is capable of discovering hidden functional relationships between the variables, objective and constraint functions and any other function that the designer wishes to include as a ‘basis function’. A number of engineering design problems are considered for which the mathematical structure of these explicit relationships exists and has been revealed by a previous study. A comparison with the multivariate adaptive regression splines (MARS) approach reveals the practicality of the proposed approach due to its ability to find meaningful design principles. The success of this procedure for automated innovization is highly encouraging and indicates its suitability for further development in tackling more complex design scenarios.     

基于网格聚类LS-SVM 的铝电解生产过程极距软测量

针对铝电解生产过程的复杂性,建立了基于网格共享近邻聚类（GNN）最小二乘支持向量机（LS-SVM）的铝电解生产过程极距软测量模型.该模型采用GNN算法将训练集分成具有不同聚类中心的子集,对各子集分别采用LS-SVM进行训练并建立子模型,同时通过参数转化实现模型对新数据样本的动态学习.仿真结果表明,基于GNN最小二乘方法建立的铝电解极距软测量模型具有精度高、泛化性能好等特点,能够为铝电解生产过程操作优化提供实时准确的信息.     

基于栅格新安江模型的淮河上游土壤侵蚀预测

将栅格新安江模型与改进通用土壤侵蚀方程进行耦合,建立基于栅格尺度的水沙模拟模型,以淮河上游息县水文站以上为研究区域,基于研究流域DEM数据、土地利用数据、土壤数据以及息县站2000年-2010年水文数据,模拟了淮河上游2000年-2010年输沙过程。并基于构建的水沙模型,结合流域2020年和2030年土地利用远景规划数据设定两种土地利用模式情景,定量分析了不同土地利用模式情景对流域土壤侵蚀的影响。研究结果表明:基于栅格新安江模型的水沙耦合模型在淮河上游具有较好的模拟精度,模拟的输沙量相对误差小于15%,确定性系数0.6以上,满足泥沙模拟精度要求;林地用地面积增加5%,流域土壤侵蚀量减少8.78%,城镇用地面积增加8%,流域土壤侵蚀量减少12.73%。研究成果可为淮河水土保持治理和规划提供参考。     

基于网格聚类的数据流多事件检测

事件检测是事件处理系统最重要的研究问题之一。异常、变化和突发是三类最典型的数据流事件。本文关注如何在数据流中同时检测多种事件,首先研究了多种事件之间的联系,然后给出了基于网格聚类的统一处理方法,最后为了评估事件的严重程度,给出了打分函数。实验验证了所提方法的正确性与有效性。     

基于网格扩张的视频图像马赛克检测算法

提出一种基于网格扩张的视频图像马赛克检测算法,算法以网格扩张的方式遍历图像中的像素,并迅速发现图像中具有相似像素的矩形区域,即马赛克。通过实验表明,该算法在确保较高效率的同时有较高的准确率,满足了视频图像中马赛克检测的功能和性能要求。     

网格化制造模式中基于身份的认证协议研究

为解决当前网格安全基础设施过程繁琐,导致网格化制造规模受限的问题,提出了网格化制造身份认证层次结构.该结构完全摒弃了数字证书,紧密结合了网格制造化环境.基于该结构,进一步提出了网格化制造模式中基于身份的加密与签名方案和基于身份的认证协议.仿真实验表明,基于身份的认证协议比安全套接层认证协议更轻量、更高效,大大减轻了用户端负担,有助于网格化制造规模的扩大.     

全成形毛衫花式结构三维仿真

为实现对全成形毛衫编织工艺中花式结构的仿真与毛衫的虚拟展示,通过分析线圈结构特点建立线圈几何模型和网格模型,测量了实际织物中花式结构线圈的形变量,根据线圈网格质点与线圈型值点间数学关系式,利用矩阵运算得到花式结构线圈的坐标。使用三维图形引擎,根据线圈型值点三维空间坐标绘制出三维线圈结构,通过与实际织物比较对三维仿真效果进行检验。结果表明：该方法可实现从实际织物到三维线圈结构的快速转换,能准确清晰模拟全成形毛衫花式结构,增强全成形毛衫虚拟展示的真实感。     

移动机器人的同时定位和地图创建方法

通过声纳传感器实时地创建和修正地图,局部地图是基于栅格的概率模型：工作环境被划分成栅格,每一个栅格赋一个值,标识栅格中有障碍物的概率．地图应用哈夫变换创建,定位通过对超声波数据应用滤波算法并结合地图创建实现．使用Pioneer2移动机器人在实际的室内环境中的实验,验证了该方法的可行性．