目标0-1背包问题的元胞竞争决策算法*

为求解多目标0-1背包问题,基于竞争决策算法原理和多目标优化问题的特性,提出了一种求解多目标0-1背包问题的元胞竞争决策算法。将元胞自动机演化规则引入竞争决策算法,给出了算法的具体描述,并使用Delphi 7.0实现了算法的具体步骤。为了提高多目标非劣解(Pareto解)的分布性和多样性,利用全局经验作为指导,在最稀疏的Pareto解附近进行邻域搜索。经过大量数据测试和验证,该算法具有真实的Pareto前沿逼近效果,是一种多目标优化问题的有效方法。     

基于蚁群算法的多目标优化

针对多目标优化问题,提出一种用于求解多目标优化问题的蚁群算法。该算法定义连续空间内求解多目标优化问题的蚁群算法的信息素更新方式,根据信息素的概率转移和随机选择转移策略指导蚂蚁进行搜索,保证获得的Pareto前沿的均匀性以及Pareto解集的多样性。对算法的收敛性进行分析,利用2个测试函数验证算法的有效性。     

求解机械优化的Pareto多目标中心粒子群算法

针对基于权重法的多目标算法无法求解约束多目标问题的缺陷,将中心粒子群算法与Pareto解集搜索算法相结合,提出一种Pareto多目标中心粒子群算法。将此方法用来优化气门弹簧的模型,实验结果表明,该优化方法能够快速准确地收敛于Pareto解集,并且使其对应的目标域均匀地分布于Pareto最优目标域。     

多蚁群分级优化的多目标求解方法*

为提高多目标优化方法的求解性能,在给出了蚁群算法优化函数类问题求解方法的基础上,提出了基于多蚁群分级优化多目标问题的求解方法。构建了子蚁群以自身启发式信息及以其他子群的启发式信息获得准Pareto解以及采用各子群的每一只蚂蚁获得的准Pareto解作支配判断,从而提高Pareto解的多样性;构建了父蚁群以准Pareto解作为空间节点构成TSP类似的组合优化问题,其求解结果以获得多目标优化问题的Pareto解的前沿,从而提高Pareto解的均匀分布性。通过优化实例验证,结果表明,多蚁群分级优化的多目标求解方法     

遗传算法在多目标决策中的应用研究

1 引言多目标优化是实践中广泛存在的一种优化问题,其理论研究已经取得了一些进展,但是在算法上还不太成熟。一种求解方法是将各个目标加权,从而将多目标问题转化为单目标问题。另一种方法是求多目标规划问题的非劣解(Pareto意义下的最优解),供决策者从中选择。本文主要讨论如何求解多目标优化问题的Pareto有效解。现在,考虑如下带有等式约束和不等式约束的多目标优化问题。     

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.     

具有偏序属性的偏爱Pareto占优关系

K个目标的多目标优化问题的经典Pareto最优前沿通常是K-1维的,当K3时,父亲群体和儿子群体常常全都非劣,以致于多目标演化算法无法进行优胜劣汰操作而失效.文中提出一种具有偏序属性的新型Pareto占优关系,称之为偏爱Pareto占优.它能够缩小Pareto集合的规模,因而只要用偏爱Pareto占优关系替代原有的经典占优关系,现有的多目标算法就可以有效地求解"很多"目标的优化问题.     

求解多目标问题的Memetic免疫优化算法

将基于Pareto支配关系的局部下山算子和差分算子引入免疫多目标优化算法之中,提出了一种求解多目标问题的Memetic免疫优化算法(Memetic immune algorithm for multiobjective optimization,简称MIAMO).该算法利用种群中抗体在决策空间上的位置关系设计了两种有效的启发式局部搜索策略,提高了免疫多目标优化算法的求解效率.仿真实验结果表明,MIAMO与其他4种有效的多目标优化算法相比,不仅在求得Pareto最优解集的逼近性、均匀性和宽广性上有明显优势,而且算法的收敛速度与免疫多目标优化算法相比明显加快.     

基于粗糙集理论与差分进化的混合多目标优化算法

针对传统算法求解约束多目标优化所得近似解精度不高、分布性能不好的问题,提出一种基于粗糙集理论与差分进化的混合算法.首先利用多目标差分进化生成一个初始的近似 Pareto 前沿;然后利用粗糙集理论提高Pareto 前沿的分布质量.选取一组标准的多目标约束测试问题,采用混合算法与 NSGA-II 算法进行仿真求解,对比结果表明,所提出的算法在求解约束多目标优化问题时具有更好的近似解分布和更优越的近似解性能.     

遗传算法在多目标优化应用中的对比研究

多目标优化应用研究在过程工程领域越来越受重视。本文首先给出了多目标优化问题的一般形式,指出多目标问题求解任务：引导搜索向整个的Pareto优化范围;Pareto优化前沿上保持解集的多样性。在简要论述遗传算法求解多目标技术的基础上,对应用了遗传算法求解多目标的两种方法进行了对比研究,并给出了线性加权遗传算法和一种多目标遗传算法的计算框图。指出线性加权法求解Pareto最优解时不能不能很好地处理非凸区域、均匀分布的权重值不能生成均匀分布的Pareto前沿等局限性,以及多目标遗传算法生成种群多样性及Pareto最优解均匀分布的优点,并用实例进行了验证说明。     

基于短语的统计机器翻译中短语抽取算法改进

针对基于短语统计机器翻译中目前常用的Och提出的短语抽取算法,提出了一种改进算法。该算法能够在原有算法的基础上抽取出更多的准确对齐信息,这对语料库较小的汉民统计机器来说意义重大,增加正确的对齐信息可以减少未登录词的产生,提高翻译正确率。经过对不同规模语料库的实验,抽取的短语对数目有明显增多。     

基于多DSP系统的并行延时LMS算法的实现

随着对信号处理要求的不断提高,基于AD公司21xx系列16位定点DSP中的ADSP-2181提出了一种具有很强适应性与灵活性的多DSP结构,同时介绍了基于FIR滤波器的自适应滤波算法,包括常规LMS算法,延时LMS算法,以及基于二输入二输出FIR滤波器的并行延时LMS算法,详细介绍了易于实现并行和流水线结构并行延时LMS算法,并将自适应滤波中的两大热点——自适应算法的研究与高速信号处理的实际工程相结合,重点研究了并行延时LMS算法在多DSP结构中的实现,体现了并行算法的优越性。     

连续小波变换的Thiele型算法

大家知道,连续小波变换(CWT)的计算一般用数值积分的方法,数值积分的最基本方法是以代数插值多项式为工具,将连续形式的积分问题转化为离散形式的求和问题,以Newton-Cotes公式为基础,常用的连续小波变换的算法有矩形法、梯形法及抛物算法等等,鉴于多项式插值具有插值精度不高以及高次插值的振荡性的缺陷,这些方法的计算精度受到一定程     

协同过滤推荐算法及其在电子商城中的应用

电子商城网站如何根据消费者过往的消费记录和浏览记录等信息知识,自动判断对该消费者有实际需求的商品,显得很有必要。分别针对协同过滤推荐算法中的基于用户和基于物品的协同过滤的原理和推荐函数进行分析、设计,在垂直类的电子商城中通过应用这些协同过滤推荐算法分析用户的潜在消费市场。     

基于Skowron差别矩阵属性约简的矩阵表示

针对目前基于Skowron差别矩阵的属性约简中缺少矩阵表示的问题,定义一种新的矩阵,并给出基于新矩阵的属性约简定义,证明该定义与基于Skowron差别矩阵的属性约简等价。以矩阵为基础,定义属性的重要性,设计一个基于Skowron差别矩阵的属性约简算法,实例证明了算法的有效性。     

集群中基于资源可用度的作业调度

提出一种基于资源可用度的集群作业调度算法,综合考虑资源的历史记录和当前的资源信息。基于资源可用度评价方法,改进原有的Min-Min算法。采用GridSim对算法进行模拟实验,并与Min-Min算法进行了对比。模拟实验结果显示,基于可用度的作业调度算法提高了集群的效率和作业的完成效率,缩短了作业的平均完成时间。     

基于四叉堆优先级队列及逆邻接表的改进型Dijkstra算法

在深入分析传统Ｄｉｊｋｓｔｒａ算法的基础上,提出了利用基于ｋ叉堆的优先级队列对算法进行改进的思想,并对３种可合并替进行了比较,从理论上证明了四叉堆在ｋ叉堆中的最优性,设计了基于四叉堆优先级队列及逆领接表,顾及路段方向阻抗的改进型Ｄｉｊｋｓｔｒａ最短径算法,将Ｄｉｊｓｔｒａ算法复杂度降为Ｏ（ｎｌｏｇｎ）。     

基于Web-Log Mining的Web文档聚类

速度和效果是聚类算法面临的两大问题.DBSCAN(density based spatial clustering of applications with noise)是典型的基于密度的一种聚类方法,对于大型数据库的聚类实验显示了它在速度上的优越性.提出了一种基于密度的递归聚类算法(recursive density based clustering algorithm,简称RDBC),此算法可以智能地、动态地修改其密度参数.RDBC是基于DBSCAN的一种改进算法,其运算复杂度和DBSCAN相同.通过在Web文档上的聚类实验,结果表明,RDBC不但保留了DBSCAN高速度的优点,而且聚类效果大大优于DBSCAN.     

一种改进的自适应遗传算法的收敛性分析

针对目前遗传算法缺乏有效的分析工具,理论分析困难较大的问题,提出了一种基于压缩映射原理的收敛性分析方法。首先,讨论了遗传算法收敛性的2种定义。然后介绍了一种基于精英保留策略的改进的自适应遗传算法,作为收敛性分析的对象。介绍了压缩映射原理,作为收敛性分析工具。最后,应用该定理对改进的自适应遗传算法进行了收敛性分析,验证了该算法是收敛的,证明压缩映射原理是遗传算法收敛性分析的一种有效工具。     

轮胎造型的花纹沟中心线算法

提出了在CATIA二次开发轮胎花纹沟造型时关于花纹沟中心线的算法,它是在花纹沟造型时针对如何插入花纹沟截面以及生成深度沟造型所必须具备的相关技术,抽象出数学模型具有相当的通用性。提供了基本算法和改进的高精度算法,改进算法在基本算法之上通过对曲线的拟合和插值来生成更为准确的中心线数据。