基于进化算法的多目标闭环物流网络设计

为了帮助生产企业建立科学合理的闭环物流网络系统,提高废旧产品材料的再循环利用率,提出了一个多周期、多产品、多阶段的闭环物流网络选址与运输模型。该模型中,不仅考虑建造混合分销回收中心,还提出了2个优化目标:经济成本最小和时间成本最小。针对该多目标优化问题,本文采用了一种基于优先值编码方法的进化算法对模型求解,最终得到该问题的帕累托(Pareto)前沿。通过与约束法的计算结果相比较,求得误差均值小于5%,说明该进化算法对Pareto前沿的拟合程度较好,计算结果是正确有效的。     

基于多子种群和密度估计的高维多目标进化算法的冷轧负荷分配

提出一种基于多子种群和密度估计的高维多目标进化算法,通过生成参考向量来划分子种群,借助收敛性保持机制提高逼近帕累托前沿的程度.该算法通过计算个体与参考向量的欧式距离来评估个体密度,从而保持解集的多样性.数值仿真实验结果表明,该算法所得解集的收敛性和多样性明显优于对比算法.最后,使用该算法对冷轧负荷分配进行高维多目标优化...     

一种基于“探测"与“开采"的多目标进化算法

针对实践中多目标优化问题(MOPs)的Pareto解集(PS)未知且比较复杂的特性,提出了一种基于"探测"(Exploration)与"开采"(Exploitation)的多目标进化算法(MOEA)——MOEA/2E。该算法在进化过程中采用"探测"与"开采"相结合的方法,用进化操作不断地探测新的搜索区域,用局部搜索充分开采优秀的解区域,并用隐最优个体保留机制保存每一代的最优个体。与目前最流行且有效的多目标进化算法NSGA-Ⅱ及SPEA-Ⅱ进行的比较实验结果表明,MOEA/2E获得的Pareto最优解集具有更好的收敛性与分布性。     

基于多目标进化算法的异步电动机现场效率测算

介绍了一种基于多目标进化算法（MOEAs）的异步电动机现场实时效率测定方法。通过对多目标算法进行优化、比较,提出使用非支配排序遗传算法Ⅱ（NSGA-II）和强度帕累托进化算法2（SPEA2）的低侵入式方法用于异步电动机效率估算,仅需电动机运行时通过传感器检测其实时转子速度和定子电阻,而无需拆下电动机或单独做一些实验项目来获取所需参数。通过5.5kW电动机的实践表明,该方法在估算异步电动机效率方面是有效的,尤其在常规的负载范围内,用该方法的估算值与实际试验值的误差小于3%;相互比较后发现,NSGA-Ⅱ方法的估计结果略优于SPEA2方法的结果。     

基于区域划分的动态目标跟踪算法

为解决机器人足球比赛视觉子系统搜索目标时存在的误报和漏报问题,提出了基于区域划分的动态目标跟踪算法。首先建立比较合适的目标特征颜色信息库,然后划分成多级搜索目标可疑区域,来搜索目标可疑点,在可疑点周围建立跟踪区域,寻找最终目标点。最后用计算机仿真验证了算法的优越性。     

基于动态加权系数和多目标进化的模型修正方法

建立准确的结构动力学模型是结构响应分析的基础,由于模型简化的不确切等因素,必然会带来一定的误差,为了获得高精度的动力学分析模型,需要结合试验数据对模型进行修正。模态试验结果中包含了试件不同状态不同阶次的频率和振型信息,模型修正时需要建立多个目标函数,提出了一种基于动态加权系数的多目标模型修正方法。通过对解的群体实施进化,在每一代非劣解中,挑选各个子目标函数的局部最优解,计算各个局部最优解与子目标期望值的差距,并根据差距对加权系数动态调整,从而在进化过程中对加权系数进行优化,避免维数灾难问题,实现各个子目标函数的快速收敛。采用该方法对导弹全弹动力学模型进行了修正,子目标函数个数达到16个,与基于Pareto最优的模型修正方法相比,用较少的代数实现了各个子目标函数的收敛,提高了群体搜索的效率,取得了较好的修正效果。     

浅谈多目标优化算法

优化问题一直都是工程实践和科学研究中的重要问题,本文详细介绍了常用几种优化算法,比较了各种算法的优缺点,也列举了组合算法在多个领域的应用实例,展望了组合算法的发展方向和可能面临的问题。     

多目标进化算法的一种基于生成树的分布性维护方法

针对多目标进化算法的种群维护和运行效率相矛盾的问题,提出了一种基于生成树的分布性维护方法,即对整个种群构造一棵生成树,定义一种密度估计指标--树聚集距离,并结合树中的最短树枝和个体度数对种群进行维护.由于树聚集距离和度数具有动态性,每移出一个个体,种群中与之相连个体的信息都会发生相应的变化,因而可即时反映出种群的分布情况.与三个著名的算法NSGA-Ⅱ、SPEA2和C-NSGA-Ⅱ的比较实验表明,该方法能在得到良好分布性解集的同时,能以较快的速度对种群进行维护,具有较好的时间效率.     

基于多目标进化算法的压电换能器优化设计

为了解决单目标优化无法满足实际工程应用需求的问题,通过对一个约束性多目标优化问题的分析,以最大振幅和最小输入电压做为优化目标,设计参数包括连续变量(换能器的尺寸)和离散变量(材料类型),利用基于分析模型的传递矩阵法对压电换能器进行建模,进而导出优化问题的数学描述式,最后应用多目标进化算法NSGA-Ⅱ,估算一系列的pareto优化设计值,分析优化结构,并确定最优设计参数.     

基于ReInspect算法的多目标追踪

为了提高复杂场景下多目标检测的准确性,提出了一种基于ReInspect算法的对于多个运行目标的检测方法.该算法基于OverFeat算法和Faster R-CNN算法的思想,加入LSTM(long short-term memory)循环网络结构用于记录多个目标的特征序列;通过调整LSTM网络特征标签信息,预处理损失函数...     

基于参考点和差分变异策略的高维多目标冷轧负荷分配

为提高高维多目标进化算法收敛精度,分析了参考点及2个差分变异策略的特性,提出了RN2-DE算法改进变异策略,用以替代高维进化算法R-NSGA-II的变异策略。4维函数DTLZ2的实验结果表明,所提算法收敛精度得到明显改善。通过等功率裕量、最小轧制功率、预防打滑、末机架板形良好4个目标函数建立冷轧负荷分配的高维多目标优化问题,并使用所提算进行优化。     

基于多视角区域生长的复杂点云模型分割

为提高三维点云模型在特征模糊区域的分割精度,提出了一种借助多视角区域生长的分割方法。基于网格法向量方向相异性原则,初次将模型划分为不同类别的子区域,在相应区域建立点云与多视角距离图像的一一映射关系。利用Canny算子对灰度的敏锐性获取独立连通域并计算其重心坐标,根据对应关系在三维点云中提取对应点作为种子点,然后引入网格法向量的偏移角度分离邻接面,同时对剩余彼此独立的分割面按照迭代搜索最近点的原则进行提取,并利用KNN算法去除离群点实现分割优化。在选取的模型数据集上进行实验,结果表明该方法能够实现复杂点云模型的合理划分,分割精度不低于80%。     

基于YOLOv3检测和特征点匹配的多目标跟踪算法

针对传统多目标跟踪算法中行人检测速度慢、易受光照变化、行人快速移动及部分遮挡因素的影响造成行人目标跟踪性能差等问题,提出一种根据经典的Tracking-by-Detection模式,采用深度学习YOLOv3算法检测行人目标,然后利用FAST角点检测算法与BRISK特征点描述算法对相邻帧间的行人目标进行特征点匹配,实现多...     

Localization Algorithm of Indoor Wi-Fi Access Points Based on Signal Strength Relative Relationship and Region Division

Precise localization techniques for indoor Wi-Fi access points (APs) have important application in the security inspection. However, due to the interference of environment factors such as multipath propagation and NLOS (Non-Line-of-Sight), the existing methods for localization indoor Wi-Fi access points based on RSS ranging tend to have lower accuracy as the RSS (Received Signal Strength) is difficult to accurately measure. Therefore, the localization algorithm of indoor Wi-Fi access points based on the signal strength relative relationship and region division is proposed in this paper. The algorithm hierarchically divide the room where the target Wi-Fi AP is located, on the region division line, a modified signal collection device is used to measure RSS in two directions of each reference point. All RSS values are compared and the region where the RSS value has the relative largest signal strength is located as next candidate region. The location coordinate of the target Wi-Fi AP is obtained when the localization region of the target Wi-Fi AP is successively approximated until the candidate region is smaller than the accuracy threshold. There are 360 experiments carried out in this paper with 8 types of Wi-Fi APs including fixed APs and portable APs. The experimental results show that the average localization error of the proposed localization algorithm is 0.30 meters, and the minimum localization error is 0.16 meters, which is significantly higher than the localization accuracy of the existing typical indoor Wi-Fi access point localization methods.     

一种基于蜜蜂进化选择算子的布局遗传算法

三维矩形布局问题属于NP难问题,对于三维矩形布局问题的求解大多依赖于各种启发式算法.该文以布局物体体积递减为定序规则,结合布局物体在布局空间中的几何可行域,以吸引子法为定位规则,利用蜜蜂进化型遗传算法优化吸引子函数中的参数来求解三维矩形布局问题（BEGA）,得到新型布局遗传算法.最后对不同的算例进行了计算,并与以标准比例选择作为选择算子的传统布局遗传算法（SPGA）等对比证明了该算法的有效性.     

基于空间收缩的并行演化算法

提出了一种基于空间收缩的求解MINLP问题的新算法。算法应用了快速有效的不完全演化搜索较优解的分布信息，通过分布信息定位最优解的可能分布，再由精英个体信息决定下次搜索空间。仿真结果表明该算法在搜索效率、应用范围、解的精确性和鲁棒性上都优于其他现存演化算法。     

基于ObjectARX的AutoCAD图形区域划分算法研究

机械零件图具有明显的区域特征,图形矢量聚集在若干视图区域内。针对AutoCAD生成的机械零件图,提出了3种图形区域划分方法,即基于实体包容矩形融合运算图形区域划分法、基于扫描线图形区域划分法和基于实体相交特性图形区域划分法,采用ObjectARX编程解决了图形区域划分问题。举例说明了方法的有效性。     

基于混合滤波和DBSCAN的点云去噪算法

为了避免点云在人工去噪时的复杂工作流程,进一步提高点云去噪效率,在相关研究基础上,设计了一种基于混合滤波和空间密度聚类的点云去噪算法。首先,通过直通滤波去除点云的无效点;其次,采用统计滤波删除点云的大尺度噪声点;再次,利用空间密度聚类算法移除点云的小尺度噪声点。最后,通过相关点云测量数据对设计的算法进行仿真实验验证,并与传统点云去噪算法的计算结果进行对比分析。结果表明,所设计的算法去噪效果优于传统点云去噪算法。