灰熵并行分析法多目标次序敏感性研究

针对多目标优化算法对目标次序表现敏感这一特点,提出对灰熵并行分析法的目标次序敏感性进行分析.以多目标流水车间调度问题为对象,建立不同目标次序的多目标流水车间调度模型,以基于灰熵并行分析的GA优化不同次序的多目标模型.定义敏感系数,绘制敏感系数曲线图.实验结果表明,灰熵并行分析法对目标次序敏感,按目标值大小排列的升序和降序并不是最好的次序,震荡次序敏感系数最小.表明多目标优化时要选择合理目标次序以获得更好的优化结果.算法适应度值同样对目标次序敏感,对算法搜索效果影响明显.     

基于灰熵并行分析法的多目标作业车间调度优化

提出利用信息熵理论与灰色关联分析法并行地处理多目标优化问题,将多目标优化的目标值构成数据序列,挖掘序列关系实现多目标优化。首先,并行的对目标值序列计算灰关联系数以及熵值权重,之后将信息熵与灰关联系数结合计算灰熵并行关联度,建立灰熵并行分析法。最终,利用灰熵并行关联度作为优化算法的适应值计算策略,以该策略引导智能优化算法进化。建立作业车间调度问题的三目标优化模型,以灰熵并行分析法为基础,分别应用差分算法、遗传算法解决三目标作业车间调度问题,验证新方法的可行性。实验表明：新方法均能使两算法收敛且得到分布均匀的 Pareto 前端,表明其有效和可靠。同时,差分算法得到的解较遗传算法的解具有明显的优势。     

微电网储能容量优化配置算法仿真

为了确保微电网系统的电能质量和稳定运行,提出基于Benders分解的微电网储能容量优化配置算法。以微电网系统作为研究对象,分析不同储能单元的充放电特性,将储能系统全寿命周期最小成本作为目标函数,组建微电网储能容量优化配置模型。根据模型特点,将模型分解为上下2层子模型,通过Benders分解算法对模型求解,进而获取最优微电网储能容量优化配置方案。经实验测试结果表明,所提算法可以更好完成容量优化配置,经过优化配置后,电网功率波动范围得到了明显降低。     

基于模型预测控制的含多微电网的能源互联网分布式协同优化

研究了预测不确定性条件下含多个微电网的能源互联网分布式协同调度策略.各微电网都拥有多种智能负荷,如功率可调负荷、可调度负荷和关键负荷;部分微电网含有分布式电源,如微型燃气轮机、风电机组、光伏发电系统等;且部分微电网还拥有储能设备,如电池储能系统.每个微电网都可当做一个独立的实体,拥有自己的运行目标,这些运行目标可表示成混合整数规划模型.提出了基于并行分布式优化的博弈模型以较小的信息通信量协调各微电网带有竞争性的运行目标.在此基础上,引入模型预测控制（MPC）机制以降低能源互联网中风、光等可再生能源输出、负荷需求及电价波动的不确定性产生的不利影响.算例证明了本文所提方法的可行性和有效性.     

基于灰熵关联分析的流水车间多目标调度优化及算法实现

求解流水车间多目标调度优化问题及算法适应度值分配问题,结合灰色关联度分析方法及信息熵理论提出灰熵关联度适应值分配策略,利用灰关联系数结合熵值权重计算适应度值,以灰熵关联度值引导启发式算法进化.将该方法应用到差分算法及遗传算法中解决三目标流水车间调度问题.实验表明:灰熵关联度适应值分配策略能够解决该问题,可以得到分布均匀的Pareto前端;同时,基于此策略的差分算法得到的解好于遗传算法的解.     

基于灰熵关联分析的流水车间多目标调度优化及算法实现

求解流水车间多目标调度优化问题及算法适应度值分配问题, 结合灰色关联度分析方法及信息熵理论提出灰熵关联度适应值分配策略, 利用灰关联系数结合熵值权重计算适应度值, 以灰熵关联度值引导启发式算法进化. 将该方法应用到差分算法及遗传算法中解决三目标流水车间调度问题. 实验表明: 灰熵关联度适应值分配策略能够解决该问题, 可以得到分布均匀的Pareto 前端; 同时, 基于此策略的差分算法得到的解好于遗传算法的解.     

微电网中混合储能系统的规划运行一体化配置方法

目前针对微电网中储能容量配置的经济优化算法中,大多都是直接以储能系统的全寿命周期成本作为目标函数.然而微电网作为一个整体,不同的能量调度方案会导致不同的储能配置需求,因此微电网的运行目标也会间接影响到储能系统的全寿命周期成本.本文提出的规划运行一体化配置方法,是从微电网的整体经济效益出发,将储能系统全寿命周期成本的直接和间接影响因素都考虑在内,建立了计及微电网经济运行的储能全寿命周期成本复合模型.通过算例验证以及与已有方法优化结果的对比分析,说明了所提方法在提升微电网整体经济效益上的有效性,可以为评估微电网中混合储能系统的配置效果提供更全面的参考依据.     

基于灰色综合关联分析的多目标优化方法

针对现有多目标优化方法存在的搜索性能弱、效率低等问题,提出一种基于灰色综合关联分析的多目标优化方法.该多目标优化方法采用单目标优化算法构建高质量的参考序列,计算参考序列与优化解的目标函数值序列之间的灰色综合关联度,定义基于灰色综合关联度的解支配关系准则,将灰色综合关联度作为多目标优化算法的适应度值.以带顺序相关调整时间的多目标流水车间调度问题作为应用对象,建立总生产成本、最大完工时间、平均流程时间及机器平均闲置时间的多目标函数优化模型.提出基于灰色关联分析的多目标烟花算法,对所建立的多目标优化模型进行优化求解.仿真实验表明,所提出多目标烟花算法的性能优于3种基于不同多目标优化方法的烟花算法及两种经典多目标算法,验证了所提出的多目标优化方法及多目标算法的可行性和有效性.     

基于直觉模糊熵的粒子群多目标优化

针对现有多目标算法存在的收敛性不强、分散性不高等问题,提出了一种基于直觉模糊熵的粒子群多目标优化算法(IFEMOPSO)。首先,计算出种群的直觉模糊熵(IFE),作为衡量种群在多目标空间下多样性的测度;其次,设计基于IFE的惯性权重动态变化、外部档案调用以及变异操作等3种增强算法探索力度的策略,建立了直觉模糊多目标规划模型,有效地提高了群体进化过程中的多样性,防止了算法陷入局部收敛;最后,仿真结果表明,所提算法很好地提高了所得非劣解集的收敛性和分散性,有效地解决了多目标优化问题。     

基于改进多目标狼群算法的微电网调度优化

为获得微电网系统建设成本、环境成本和运行成本的多重目标优化,以构建系统独立运行模块和仿真模块为核心,设计了微电网系统的多目标调度模型。使用能量模块对微电网调度模型的建设成本、环境成本和运行成本指标进行评价,优化调度算法模块则使用基于个体密度多目标狼群算法(Multi-objective wolf colony algorithm,MOWCA)。在MOWCA算法中引入了非支配排序和个体密度多样性保持操作,有效提高了多目标优化的前沿分布多样性和收敛精度。将所提优化调度算法基于Docker容器技术,对风柴蓄光微电网系统进行调度优化模拟,验证了所提调度算法在多重目标优化上的有效性。     

关于混合熵的讨论

分析讨论了其他作者提出的几种混合熵并给出混合熵应遵循的公理。我们还提出了一种新的混合熵形式。指出了混合熵可能的一些应用。     

信息熵在粗糙集中衍生的几个概念

随着对粗糙集理论研究的的深入,基于信息论的信息熵陆续被引入到粗糙集研究中,陆续产生了一些如条件熵、联合熵、知识熵、决策熵、知识粗糙熵、粗集粗糙熵等新的概念,尽管丰富了粗糙集理论和应用,但使用中存在语义不统一的地方,甚至缺乏必要的说明和证明。对这些有价值的新概念作了系统的、严格的、规范的定义及阐述,给出了它们的公式表示,同时,通过相关熵的运算揭示彼此间的关系,最后指出这些熵的应用范畴,以便研究人员在清楚概念的基础上作进一步研究。     

Entropies for detection of epilepsy in EEG

The electroencephalogram (EEG) is a representative signal containing information about the condition of the brain. The shape of the wave may contain useful information about the state of the brain. However, the human observer cannot directly monitor these subtle details. Besides, since bio-signals are highly subjective, the symptoms may appear at random in the time scale. Therefore, the EEG signal parameters, extracted and analyzed using computers, are highly useful in diagnostics. The aim of this work is to compare the different entropy estimators when applied to EEG data from normal and epileptic subjects. The results obtained indicate that entropy estimators can distinguish normal and epileptic EEG data with more than 95% confidence (using t-test). The classification ability of the entropy measures is tested using ANFIS classifier. The results are promising and a classification accuracy of about 90% is achieved.     

睡眠脑电的样本熵分析

在用非线性动力学方法分析EEG信号(睡眠脑电)的过程中,由于近似熵的优点而得到了广泛的应用,但也存在着自身有偏估计、数值和信号长度有关等缺点;在此基础上提出了样品熵的概念,并尝试将样品熵用于睡眠脑电分析,结果表明,它对区分不同的睡眠阶段取得了理想的效果.     

Approaches to knowledge reduction of covering decision systems based on information theory

In this paper, we propose some new approaches for attribute reduction in covering decision systems from the viewpoint of information theory. Firstly, we introduce information entropy and conditional entropy of the covering and define attribute reduction by means of conditional entropy in consistent covering decision systems. Secondly, in inconsistent covering decision systems, the limitary conditional entropy of the covering is proposed and attribute reductions are defined. And finally, by the significance of the covering, some algorithms are designed to compute all the reducts of consistent and inconsistent covering decision systems. We prove that their computational complexity are polynomial. Numerical tests show that the proposed attribute reductions accomplish better classification performance than those of traditional rough sets. In addition, in traditional rough set theory, MIBARK-algorithm [G.Y. Wang, H. Hu, D. Yang, Decision table reduction based on conditional information entropy, Chinese J. Comput., 25 (2002) 1-8] cannot ensure the reduct is the minimal attribute subset which keeps the decision rule invariant in inconsistent decision systems. Here, we solve this problem in inconsistent covering decision systems.     

车载环境下基于样本熵的语音端点检测方法

在语音处理中一个关键性问题是如何准确找到语音的起止位置,目前提出许多的语音端点检测算法不能得到理想的检测结果.由于样本熵是近似熵的改进算法,提出车载环境下基于样本熵的语音端点检测方法.并采用模糊C均值聚类算法和贝叶斯信息判决算法进行样本熵特征门限估计,以及使用双门限法进行语音端点检测.在TIMIT连续语音库上的实验表明,车载噪声环境下,样本熵法和近似熵法的检测正确率均远高于谱熵法和能量谱熵法,而样本熵法相对于近似熵法具有更好的检测效果,特别是当信噪比小于等于OdB时,样本熵法的检测性能优于近似熵法近10%.因此,样本熵法在车栽智能语音领域具有很好的应用前景,能够为车载导航提供准确的语音端点检测技术.     

熵及其在空间数据不确定性研究中的应用

总结了熵的产生、发展、特性及其应用,讨论了熵与不确定性的关系;针对空间数据不确定性问题,总结了基于熵的空问数据不确定性研究成果,提出了应用混合熵作为统一测度来度量空间数据不确定性的设想。     

基于信息熵的风格绘画分类研究

针对艺术风格绘画分类算法中存在的精度和效率不高等问题,提出一种基于信息 熵的艺术风格绘画分类算法。首先选取西方漫画、素描、油画、水彩画,以及国内烙画、水墨 画、壁画具有代表性的 7 种艺术绘画风格作为研究对象,对图像进行去噪、归一化等预处理。 其次,提取绘画艺术作品风格特征,分别求取图像的颜色熵、分块熵、轮廓熵,并合并构成不 同绘画风格的信息熵。信息熵求取时,将色彩空间转换为 Lab 颜色空间,通过 a、b 通道颜色值 及加权函数获得图像的颜色熵;通过对艺术图像分块求取信息熵,求取分块的信息熵均值获得 分块熵;通过 Contourlet 变换,求取艺术图像的轮廓信息,获得轮廓熵。接着,合并提取的颜 色熵、分块熵、轮廓熵,利用支持向量机(SVM)对艺术风格图像学习训练,获得艺术绘画风格 的分类模型;最后,提取待识别绘画风格样本的熵特征,通过 SVM 分类识别获得最终的分类 结果。该方法具有特征维数少、运算速度快、尺度不变性等优势,实验结果表明,其能提高不 同绘画风格的分类精度和效率。     

新的信息熵属性约简

在粗糙集不确定性度量公式中,模糊熵和模糊度是重要的度量方式。根据粗糙集不确定性度量中模糊熵和新的模糊度公式,提出了在决策信息系统中修正条件信息熵和相对模糊熵的概念,并分别用两种方式证明了熵在属性约简过程中的单调性。然后利用向前添加属性算法进行属性约简,约简结果在RIDAS(roughset based intelligent data analysis system)平台上进行识别率测试,通过实验对比分析了两种新的信息熵与条件信息熵的约简结果,为基于信息熵的属性约简提供了参考。     

基于熵的模糊信息测度研究

模糊信息测度(Fuzzy Information Measures,FIM)是度量两个模糊集之间相似性大小的一种量度,在模式识别、机器学习、聚类分析等研究中,起着重要的作用.文中对模糊测度进行了分析,研究了基于熵的模糊信息测度理论:首先,概述了模糊测度理论,指出了其优缺点;其次,基于信息熵理论,研究了模糊熵理论,建立了模糊熵公理化体系,讨论了各种模糊熵,在此基础上,提出了模糊绝对熵测度、模糊相对熵测度等模糊熵测度;最后,基于交互熵理论,建立了模糊交互熵理论,进而提出了模糊交互熵测度.这些测度理论,不仅丰富与发展了 FIM理论,而且为模式识别、机器学习、聚类分析等理论与应用研究提供了新的研究方法.