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。     

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。     

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。     

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。     

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。     

操作系统虚拟化的研究现状与展望

容器技术作为一种轻量级虚拟化技术,近年来不仅广泛应用于云计算平台和数据中心的资源管理、系统运维和软件部署中,也逐步应用于包括边缘计算、物联网等在内的新领域,表现出了良好的发展态势和应用前景.在此背景下,操作系统虚拟化作为容器的核心技术引起了广泛的关注.操作系统虚拟化允许多个应用在共享同一主机操作系统内核的环境下隔离运行,具有启动快速、部署方便、资源占用少、运行效率高等优点,但是也存在隔离性较弱等不足之处,后者也成为了虚拟化领域的研究热点.首先介绍操作系统虚拟化的历史背景和技术架构,并与传统虚拟化技术对比总结操作系统虚拟化技术的特点;随后分别从容器实例层、容器管理层和内核资源层梳理和分析操作系统虚拟化当前研究现状;最后阐述了操作系统虚拟化领域的技术挑战和研究展望.     

面向深度学习加速器的安全加密方法

随着机器学习特别是深度学习技术的飞速发展,其应用场景也越来越广,并逐渐从云计算向边缘计算上扩展.在深度学习中,深度学习模型作为模型提供商的知识产权是非常重要的数据.发现部署在边缘计算设备上的深度学习加速器有泄露在其上存储的深度学习模型的风险.攻击者通过监听深度学习加速器和设备内存之间的总线就能很容易地截获到深度学习模型数据,所以加密该内存总线上的数据传输是非常重要的.但是,直接地在加速器上使用内存加密会极大地降低加速器的性能.为了解决这个问题,提出了一个有效的安全深度学习加速器架构称作COSA.COSA通过利用计数器模式加密不仅提高了加速器的安全性,而且能够把解密操作从内存访问的关键路径中移走来极大地提高加速器性能.在GPGPU-Sim上实现了提出的COSA架构,并使用神经网络负载测试了其性能.实验结果显示COSA相对于直接加密的架构提升了3倍以上的性能,相对于一个不加密的加速器性能只下降了13%左右.     

纠删码存储系统中基于网络计算的高效故障重建方法

目前分布式存储系统的规模越来越大,不论存储设备是磁盘还是固态盘,系统都始终面临着数据丢失的风险.传统分布式存储系统大多采用基于三副本的高可靠性技术,但为了追求较低的存储开销,大量系统正在转向基于纠删码的可靠性方法.但是在纠删码方案下,重建故障数据需要读取多个存储设备,这将导致大量的网络传输和存储I/O操作,增大系统恢复开销.为了能够在不损失其他性能的同时降低恢复开销,利用软件定义网络(software defined networking, SDN)技术,提出一种基于网络计算的高效故障重建方案——网络流水线(in-network pipeline, INP),其中SDN 控制器利用网络的全局拓扑信息构造重建树,系统依据重建树进行数据传输,并在交换机上完成部分计算,减少向后传输的网络流量,从而消除网络瓶颈,提升恢复性能.测试评估了不同网络带宽下INP的恢复效率.实验结果表明：与传统的纠删码系统相比,INP总是能大幅减少网络流量,并且在一定带宽条件下,能够接近正常读的时间开销.     

“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。     

支持范围查询的低冗余知识图谱管理

随着越来越多的数据以知识图谱的形式进行组织和发布,知识图谱的管理引起了大量的关注.现有知识图谱管理方法存在2个明显的缺陷：1)逻辑存储建模产生了大量的数据冗余,无法有效地支持连续属性的范围查询;2)语义存储建模代价昂贵,不能有效地适应查询的动态演化.提出了聚簇对象代理模型(cluster object deputy model, CODM)进行知识和元知识的建模管理.该模型具有2个特点,分别是模式化的逻辑存储建模和轻量级的语义存储建模.CODM设计了基于集合编辑距离的模式聚簇算法将知识图谱转化为模式数据,实现了数据的模式化存储,支持了面向属性数据类型的索引特化.此外,CODM构建类的层次系统建模实体之间的各种语义关联,采用对象指针实现了轻量级的泛化语义关联物化.实验结果证明:CODM不仅能够极大地减少数据冗余和有效地支持范围查询,而且加速了复杂查询的处理效率.     

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。