混合模拟退火的多响应参数优化

综合使用两种不同类别的启发式算法——模拟退火和模式搜索算法,给出了串联式和内嵌式两种协作优化策略,利用模拟退火基于概率突跳的全局收敛性以及模式搜索的局部细化能力,使其优势互补,对总体满意度函数进行最大化寻优。算例表明串联式混合模拟退火-模式搜索算法具有较好的全局收敛性和收敛精度,适合处理复杂多响应参数优化问题。     

基于直接搜索方法的层合板多目标优化设计

直接多目标搜索方法(DMS)是一种不需要计算梯度信息并且能实现全局收敛的多目标优化方法。基于直接多目标搜索方法,以简支层合板铺设角度为设计变量,基频和声功率为目标函数进行层合板结构振动与声多目标优化。分别以4层、8层复合材料层合板为例,用DMS方法对其优化设计,并与传统的遗传算法(GA)对比。结果表明,对于4层复合材料层合板,DMS方法比GA方法优化速度快,且能得到全局最优解;对于8层复合材料层合板,用DMS方法比4层板优化所需时间多,但相比GA方法,DMS方法优化更快。     

基于遗传算法的车间布局多目标优化

在分析单目标优化缺陷的基础上,构建了车间多行布局物流成本和空间利用率多目标组合优化模型.设计了车间多行布局遗传算法,针对自动换行、两行布置和三行布置三种不同布局策略的编码方式、遗传操作和适应度函数进行了研究.以某车间布局为实例,分别在单目标和多目标情况下,通过Matlab编程对三种不同布局策略进行了遗传运算,验证了算法的收敛性、实用性和有效性.该模型及算法对车间进行多目标多行布局具有借鉴意义.     

多科协作优化门诊CT增强扫描患者的护理

目的:分析在门诊CT增强扫描患者护理中进行多科协作优化的效果。方法:选择我院门诊2018年1月-2018年12月接受CT增强扫描的200例患者为对象,随机分为2组,每组100例,对照组实施常规检查护理,观察组进行多科协作优化护理,比较两组效果。结果:相比对照组,观察组患者检查用时少,造影剂外渗少及护理满意度高,P<0.05。结论:对门诊接受CT增强扫描的患者实施多科协作优化的护理能够缩短检查用时,减少检查中造影剂外渗,获得患者更高的满意度。     

基于改进遗传算法的多式联运网络优化

在对多种运输方式比较分析的基础上,从运输成本、换装成本及时间惩罚成本3个角度,建立多式联运网络模型,采用改进遗传算法进行模型求解,在标准遗传算法基础上引入移民算子,保证了种群多样性,避免了局部最优,增强了算法搜索能力.采用MATLAB计算平台对模型进行案例求解,结果表明,采用多式联运网络运作模型的成本降低了45.8%,从而验证了多式联运网络运作模型的有效性和实用性.     

基于多目标遗传算法的传感器优化布点研究

针对目前桥梁模态试验中传感器布点优化都是基于单一准则下的研究的局限性,提出采用双准则或多准则下的传感器优化布点研究,该方法改进了以往布点优化中单一目标最优的限制,转而寻求多准则下的优化布点的满意解,而非真正严格数学意义上的最优解。采用Pareto遗传算法,设计了相应的遗传算子和编码方案,成功求解了双准则下传感器最优布点问题,优化结束时,成功给出了一组pareto最优解的前沿面,进而证明了提出的方法是可行的。     

基于多机器人自组织协作的多目标跟踪

提出了一种基于局部区域内的机器人和目标密度的多机器人分布式控制算法。运用这种算法,多机器人在跟踪多目标过程中,每个机器人能在每次调整速度和方向之前,根据最新的通讯信息和感知信息,计算通讯范围内相邻机器人和感知范围内移动目标的数量及位置坐标,然后按照所受人工势场(APF)力的合力决定下一次移动的新位置坐标,这个合力乘以一个基于机器人和目标密度的可变加权系数,以适应不同状态,然后按照动力学和运动学方程计算速度及方向。通过仿真实验对该算法进行了验证,实验结果表明,多机器人可以根据多目标的移动进行自主协作跟踪观测,算法的性能优于无可变加权系数的APF法和静态感知节点(SN)法。此方法对于实时监测和目标跟踪具有实际应用意义。     

基于MTO的多目标优化排产模型

针对多订单情况下多产品生产计划安排研究存在不足,提出了一种新的基于订单的计划排期多目标优化模型,目标包括利润最大化与均衡生产,通过各计划期之间产量安排对各资源消耗的偏差最小化来实现均衡生产.模型存在非线性多目标,实现时采用了遗传算法,通过Sheffield GATBX利用MATLAB编程实现.     

基于物理规划的 Stewart 平台多目标优化

应用物理规划方法对500米口径球面射电望远镜(FAST)精调 Stewart 平台进行了多目标优化设计.根据 Stewart 平台的设计准则,将 Stewart 平台的运动精度、重量和工作效率作为目标函数,构造了相应的以目标函数为变量的偏好函数,建立了基于物理规划的多目标优化模型,采用遗传算法对该优化问题进行求解.结果表明,物理规划避免了基于权重的多目标优化方法中权系数难以确定的问题,有效地给出了优化问题的 Pareto 解.     

飞机总体设计中的一种多目标鲁棒优化方法

 提出一种基于灵敏度的多目标鲁棒优化方法。针对各维设计变量存在扰动的情况,在原约束多目标优化模型上,附加偏差目标函数,并采用最差估计法对约束条件进行鲁棒可行性调整。采用全局敏度方程方法来计算目标函数和约束函数对设计变量的敏度,进而采用Pareto遗传算法搜索约束多目标优化问题的非劣解集,设计者可以根据不同的设计准则从中选择合适的设计点。将上述方法用于飞机总体参数优化设计,并与采用常规优化方法所得的优化结果进行了分析和比较。     

融合夹角度量的局部线性嵌入算法

局部线性嵌入(LLE)等流形学习算法中需要通过欧氏距离来度量数据点之间的近邻关系,但欧氏距离只表示两点间的直线距离,在高维空间中不一定能真实反映出图像数据点之间的空间分布情况.针对此问题,本文提出了融合数据间夹角和欧氏距离度量LLE近邻和分类的方法.该方法通过融合图像数据间的夹角和欧氏距离来度量图像数据点之间的近邻关系,寻找k个近邻点,实现更有效的局部重构,提取鉴别特征,然后用融合了数据间夹角的最近邻分类器对数据进行分类.在KSC和Indian Pine高光谱遥感影像数据集上的实验结果表明:在总体分类精度上,本文算法比LLE提升了1.54%～6.91％.     

Collaborative Filtering Recommendation Algorithm Based on Multi-Relationship Social Network

Recommendation system is one of the most common applications in the field of big data. The traditional collaborative filtering recommendation algorithm is directly based on user-item rating matrix. However, when there are huge amounts of user and commodities data, the efficiency of the algorithm will be significantly reduced. Aiming at the problem, a collaborative filtering recommendation algorithm based on multi-relational social networks is proposed. The algorithm divides the multi-relational social networks based on the multi-subnet complex network model into communities by using information dissemination method, which divides the users with similar degree into a community. Then the user-item rating matrix is constructed by choosing the k-nearest neighbor set of users within the community, in this case, the collaborative filtering algorithm is used for recommendation. Thus, the execution efficiency of the algorithm is improved without reducing the accuracy of recommendation.     

基于改进变邻域搜索算法的多批次协同任务规划

目的 对多批次协同任务进行分析与建模,并研究任务规划的求解算法。方法 以车载装备多批次协同执行任务为例,综合考虑时间协同、任务区域协同和补给区域协同约束,以暴露时间最短为目标函数建立模型,并提出一种改进变邻域搜索算法进行求解,该方法根据邻域的优化能力自动调整迭代时选择该邻域的概率。结果 仿真结果表明,改进策略在不降低最优解质量的情况下,能够避免标准变邻域搜索算法后期易出现某些邻域长时间无法寻找到最优解的情况,有效提高了算法的效率。结论 变邻域搜索算法可以解决多批次任务规划问题,改进后的算法减少了后期对优化能力不强的邻域的搜索次数,有效提升了算法效率。     

基于遗传算法的测试性优化分配方法

测试性分配是测试性设计中的一项重要环节.测试性分配参数主要是故障检测率(FDR)和故障隔离率(FIR).常用的权值分配法存在权值计算繁杂、分配结果需要调整等不足.优化分配是一种较好分配方法,它是在一系列的约束条件下,使分配的结果费效比最优.但是解决约束优化分配问题的内点法、最小乘子法等算法存在易陷入局部最优、寻找初始点...     

基于遗传算法的工程项目投资综合优化探讨

利用多目标优化理论、多属性效用函数理论建立了工程建设项目工期、成本和质量的综合均衡优化模型，在网络计划技术的基础上，用遗传算法对模型进行求解，可以得到最满意的决策方案和多个近似满意的备选方案，作为工程建设项目投资综合控制的目标。并应用实例对模型的可行性和实用性进行了验证。     

基于遗传算法的可靠性优化

 建立了可靠性冗余优化模型,分析了各种优化方法的优缺点.提出了遗传算法,并通过实例将遗传算法与启发式方法作了比较,结果表明遗传算法较为有效.对遗传算法初值的选取也作了讨论.     

优美图随机嵌入路径耦合像素优化的图像隐写

目的为了解决当前图像隐写方案不可感知能力差、秘密信息嵌入路径随机性较低、难以抵御盲隐写攻击,以及隐写容量小等问题。方法提出优美图随机嵌入路径耦合像素优化控制的图像无损隐写术。基于HIWT机制将载体图像转换为频域整数系数,实现无损隐写。定义图像直方图修改规则,构造隐藏信息长度估算模型,确定图像分块的频域表示,增强该算法的可靠性。引入LSB替代,设计像素区间控制机制,缩小密文与载体之间的嵌入误差。再嵌入图论,构建优美图,获取随机矩阵,确定秘密信息自适应随机嵌入路径,增强隐写的不可感知性能。借助逆向HIWT获取隐写图像。结果与当前隐写方案相比,文中隐写术具备更强的不可感知性,有效降低了阶梯效应,且隐写容量更高,提取图像无失真。结论文中算法可对图像进行安全无损隐藏,有效保护图像可靠传输。     

基于双向渐进结构拓扑优化算法的创新设计研究

目的 在数字化设计的背景下,探索基于结构性能化的算法找形方法,运用双向渐进结构拓扑优化算法(Bi-Directional Evolutionary Structural Optimization,BESO)展开创新设计实践研究。方法 在理解双向渐进结构拓扑优化算法的基本内涵、相关理论、历史发展和现状应用的基础上,分析其算法生成的优势及可行性,并以算法的组织模式与生形原理为前提,对其进行几何划分、约束条件、优化技术、结构模拟、材料设定、迭代生形等内容协同一体的生成策略研究,提供了多元选择的设计机会。结果 得到了运用双向渐进结构拓扑优化算法进行的基于初始形态设计、拓扑优化设计和后处理与制造三步骤创新设计实践结果。结论 此设计实践方案验证了该算法生成方法的设计应用可行性,同时也为多领域应用该算法提供了新思路和新方向。     

基于智能混合策略的测试集优化

利用基于粒子群和蚁群算法的智能混合优化策略,删除冗余测试向量以解决测试集的优化问题. 利用蚁群算法的并行搜索能力构造初始解集,通过粒子群优化算法将解集维数降低,确定每次迭代的个体最优解和全局最优解,并利用新粒子信息更新信息素,最终通过多次迭代找到一个或多个最优测试集. 通过多组数据实例分析可知: 该智能混合优化策略与蚁群算法等其他测试集优化算法相比,可得到多个可行性最优测试集;与蚁群算法相比可提高收敛速度,并降低蚁群算法参数选取对收敛结果的影响,从而避免次优解的出现.     

Optimal Cooperative Spectrum Sensing Based on Butterfly Optimization Algorithm

Since the introduction of the Internet of Things (IoT), several researchers have been exploring its productivity to utilize and organize the spectrum assets. Cognitive radio (CR) technology is characterized as the best aspirant for wireless communications to augment IoT competencies. In the CR networks, secondary users (SUs) opportunistically get access to the primary users (PUs) spectrum through spectrum sensing. The multipath issues in the wireless channel can fluster the sensing ability of the individual SUs. Therefore, several cooperative SUs are engaged in cooperative spectrum sensing (CSS) to ensure reliable sensing results. In CSS, security is still a major concern for the researchers to safeguard the fusion center (FC) against abnormal sensing reports initiated by the malicious users (MUs). In this paper, butterfly optimization algorithm (BOA)-based soft decision method is proposed to find an optimized weighting coefficient vector correlated to the SUs sensing notifications. The coefficient vector is utilized in the soft decision rule at the FC before making any global decision. The effectiveness of the proposed scheme is compared for a variety of parameters with existing schemes through simulation results. The results confirmed the supremacy of the proposed BOA scheme in both the normal SUs’ environment and when lower and higher SNRs information is carried by the different categories of MUs.