新的混合分解高维多目标进化算法

在基于分解技术求解高维多目标优化问题的思想启发下,为了提高多目标优化问题非支配解集合的分布性和收敛性,提出新的基于个体支配关系的混合分解高维多目标进化算法.该算法采用分子种群的进化模式,设计新的基于有效阶的个体支配关系用于个体的比较和更新操作,以便在增加个体选择压力的同时提高解集分布的多样性.为了改善该算法的局部搜索性能,将Powell搜索作为局部搜索算子,采用传统优化与进化算法相融合的混合进化策略.为了检验提出算法的性能,将提出算法用于求解5~20个目标的6类标准测试问题,与同类算法相比,该算法在收敛性和分布性方面均具有较大的改进和提高.     

解决高维多目标优化的分组进化算法

高维多目标优化是解决工程应用中的常见优化问题,传统的优化算法解决四维以上优化问题效果欠佳。针对该问题及当前高维多目标优化降维算法存在的不足,提出了分组进化算法。该方法将目标函数划分为若干组,分别进化求得各组的Pareto非支配解集,在各组非支配解集上应用SPEA2算法综合求取全体目标函数的Pareto最优解。对该方法的理论可行性进行了证明,重新定义了SPEA2算法中个体适应度。仿真实验,应用标准测试函数、优化性能指标同当前的高维多目标降维算法进行了比较,结果表明,该算法具有性能上的优势。     

一种改进的高维多目标调和进化算法

针对传统的基于严格Pareto支配的多目标进化算法在计算3个以上目标的高维问题时出现收敛性不足的问题,以淘汰选择法ELECTRE-Ⅰ为构造基础,提出了一个改进的优势个体比较选择算子。该锦标赛规则可以有效克服Pareto选择压力不足的问题,与一般的锦标赛选择算子不同,该算子借助于面向最小优势子集选择的ELECTRE-Ⅰ法来找到同一层级非劣集中的优势个体,从而对每一层的非支配进化个体生成一个最小优势子集,进而给出进化个体中的优劣排序新规则,最后在典型高维测试集DTLZ函数上进行仿真实验。实验结果表明,该算法比经典多目标进化算法NSGA-Ⅱ、NSGA-Ⅲ、α-NSGA-Ⅱ和HV-NSGA-Ⅱ在求解某些特定问题集上具有更好的多样性与收敛性。     

面向高维多目标水资源优化配置的进化算法研究

<正>(项目批准号:61663028)水资源优化配置是指对区域内有限的水资源进行合理配置,在保证水资源合理开发利用的连续性和持久性这一基础上,区域内各部门的用水需求都能获得最大限度上的满足,使得水资源与各系统之间形成一个良性循环,进而促使社会、经济和生态环境的健康、协调可持续发展。因此,水资源优化配置是     

一种高维多目标血液透析服务患者调度进化算法

血液透析的患者调度问题具有高维多目标特征。从现实背景出发,结合问题特征,构造一种基于聚类的高维多目标进化算法。其中,个体编码采用多层次结构分别表征患者调度方案的属性,基于此问题的多目标特征设计交配池构造方法,并开发多类交叉和变异算子。基于聚类思想设计3种选择操作方法。通过现实案例扩展构造不同规模的计算案例,集中开展计算实验,先进行快速非支配排序,再通过聚类和个体支配区域大小进行种群选择,结果表明,该算法具有较好的优化效果。     

船舶主尺度设计的高维多目标多方向进化算法

针对现有船舶主尺度优化模型往往只考虑经济性能,而忽略安全性能的问题,引入初稳性作为安全性指标,建立了4目标优化模型,并提出一种高维多目标多方向进化算法对其进行优化求解。通过一组方向向量将搜索空间分解成多个寻优方向,并利用改进的方向角差分算法结合SBX算子加强各方向上的寻优能力和方向间的信息交互;最后,以改进的模糊支配和密度估计因子构造精英保留策略,提高种群的先进性和分布性。实验结果表明,高维多目标多方向进化算法能够迅速、客观地选择合理的船舶主尺度,可以给设计人员提供更多的选择,为船舶初步设计提供了一种简单、高效的新方法。     

基于t-SNE加权和的高维多目标优化算法

传统的基于t-SNE的高维多目标优化算法在简化目标集时,虽然可以大大降低算法计算复杂度,但也可能损失目标集中有意义的部分属性,导致算法准确性降低.为此,对冗余目标和初始化种群双方面进行择优保留,提出了一种基于t-SNE加权和的高维多目标优化算法.利用加权和对t-SNE-NSGAⅡ算法处理的冗余目标集进行拟合,保留了部分种群的目标属性,提高了初始种群的质量,提升了算法的准确性,加快了算法收敛速度.实验表明,在目标超过5个时,基于t-SNE加权和的高维多目标优化算法的准确性和收敛性提升明显.当目标为10个时,空间分布度提升了38.7％.     

高维多目标问题的排序新方法

针对高维多目标优化问题,提出了一种新的排序方法．它通过产生近似最优目标向量来增加种群的规模,从而达到对真实个体的有效排序．首先构造一个理想的帕累托前沿面,然后将这个理想的帕累托前沿面分成若干个网格,使每个个体都对应惟一的一个网格,通过这个网格上的节点来判断这个体是不是非支配解．数值实验表明,即使对于50维目标的问题,收敛性度量值也小于1．此外,与当前的两种最具代表性的松弛的帕累托占优方法比较,该方法能同时保持解的多样性和收敛性．     

基于特征解选取的高维多目标可视化研究

为了解决高维多目标优化问题中有效可视化Pareto最优解集这一难题,提出了一种基于特征解选取的n维图表可视化技术.首先,针对多目标优化问题的特性,提取Pareto最优解集中特征性明显的特征解;然后,针对不同的决策需求提出2种目标信息共享机制,将特征解各目标信息共享后进行有效排序分层;最后,以子图表形式进行绘制.该方法有效去除Pareto最优解集中性能相近的冗余解,对特征解各目标数据信息、性能优劣变化趋势及决策者的决策信息进行可视化.基于此思想设计的高维多目标可视化模型,方便决策者对Pareto最优解集的分析和决策.     

一种基于类投影的地图匹配算法

首先介绍了基于投影的地图匹配算法的定位原理；其次，指出了直接投影算法存在的不足；最后，对直接投影算法进行了改进，设计并实现了一种基于类投影的地图匹配算法。从实验结果来看，该算法基本上实现了在1：10000的GIS(电子地图)环境下的车辆定位功能。     

一种基于混沌的自适应免疫进化算法

基于免疫系统的克隆选择机理,利用混沌序列的遍历性,将混沌序列引入算法初始群体的产生和抗体的扩展过程,设计出新的扩展算子,从而提出一种基于混沌的自适应免疫进化算法。用不同测试函数进行仿真实验,结果表明该算法有效,并能以较快的速度完成给定范围的搜索和优化任务。     

约束多目标人工蜂群算法

为提高约束多目标进化算法的收敛性和解集分布性,提出一种基于人工蜂群算法的改进约束多目标进化算法CMABC。在利用外部种群分别存储较优可行解和不可行解处理约束条件的基础上,根据约束多目标问题的特点,对外部种群的更新方式、迭代种群的更新方式及人工蜂群算法进行改进。实验仿真结果表明,CMABC相对于目前性能较好的MOABC及HPSO具有一定优势,能够在保证良好收敛性的同时,使获得的Pareto最优解集具有更均匀的分布性和更广的覆盖范围,适合于约束多目标优化问题的求解。     

一种基于量子进化算法的快速水印算法

针对传统基于人类视觉系统特性的空间域与变换域相结合的水印算法中嵌入信息量小、嵌入位置定位及检测准确率低和算法运行速度慢等缺陷,提出并实现一种基于量子进化算法(QEA)的快速水印新算法。仿真实验结果表明,新算法不仅生成水印图像的速度快,而且对各种攻击具有良好的敏感性和鲁棒性。新算法在应用中有较大的灵活性,并且具有可嵌入信息容量大、运算速度快和可操作性强等特点。     

基于思维进化算法的人脸特征点跟踪

提出了一种基于思维进化算法的人脸特征点跟踪的方法。通过提取人脸跟踪区域的尺度不变特征变换获得整体特征模版,并确定跟踪特征点,由整体特征模版的空间分布关系限定跟踪特征点的存在区域。应用思维进化算法的趋同过程和异化过程求得整体特征模版在目标帧的最优覆盖解,进一步提高跟踪特征点的限定区域的准确性,提高搜索速度和精度。引入原始特征和替代特征,使算法在复杂情况下仍能保持稳定跟踪和较快的跟踪速率。经试验,新方法能够在复杂情况下稳定跟踪95%的特征点,并保持25帧/s的跟踪速率。     

一种适应度排序的高维多目标粒子群优化算法

针对高维多目标优化问题复杂度高,求解难度大的特点,提出了一种集成适应度排序的高维多目标粒子群优化算法.该算法通过获取种群中个体与参考点最近的向量,结合基于惩罚的边界交叉方法对种群中的个体进行排序,并对较差的个体进行删除,留下的精英个体被保存到外部档案中.将该算法与性能先进的4种高维多目标进化优化算法在13个标准测试实例...     

社会协作的多智能体进化

提出了一种新的求解函数优化的算法．借鉴社会协作机制,定义可信任度表示智能体的历史活动信息,控制智能体间的相互作用; 引入“熟人关系网”模型构建和更新智能体的局部环境,利用多智能体之间的协作特性来加快算法收敛速度; 并构造了非一致变异算子保证智能体种群的多样性．仿真实验结果表明,与性能优越的多智能体遗传算法相比,该算法能以更少的函数评价次数找到精度更高的最优解．     

基于免疫和进化扩散算法的全局优化问题求解算法

在求解全局优化问题时,通常免疫算法、进化扩散算法分别在局部搜索和全局搜索方面表现较弱。针对这一情况,基于免疫和进化扩散算法,提出了一个免疫-进化扩散算法。该算法结合了免疫和进化扩散两种算法的优点,一方面通过引入基于共享机制的小生境算法,保持了群体的多样性,另一方面通过提出一种步长参数动态调整策略,提高了算法效率。实验结果表明,在给定精度下,该算法的效率和稳定性都明显优于Tsui的进化扩散算法和Ingber的自适应模拟退火算法。最后对步长参数动态调整策略进行了分析。     

基于分块灰度投影的电子稳像算法

针对灰度投影法在灰度值单一、对比度差的图像序列中稳像精确度不足,改进基于灰度投影的运动估计算法,先采用卡尔曼滤波将采样图像进行预处理以去除噪声,再将每帧图像分成4个子区域,按原方法对各子区域内像素点进行灰度投影,计算出子区域在x轴和y轴上的偏移量,分别平均得到整体偏移量,用插值放大的方法进行运动补偿。选取日本九州大学图片数据库中图像序列的相邻两帧进行仿真试验,结果表明,改进算法的峰值信噪比可提高21.5%。     

基于模拟退火进化算法的公交车调度模型

本文主要是建立了以公交车的收益为目标函数和乘客的满意度为约束条件的公交车调度优化模型,通过对这个模型分析、假设提出了由等待时间和车上拥挤度产生的满意度,设计了一个基于自适应算子的模拟退火进化算法,并对该算法进行了讨论.