一种基于进化知识融合的多目标人工蜂群算法

提出一种基于进化知识融合的多目标人工蜂群算法.首先,采用精英群体知识和种群自身进化知识混合引导引领蜂进化,保持种群的多样性和优异性;然后,将一种融合个体支配关系和种群分布关系的方法引入跟随蜂的概率选择中,合理选择个体进行深度开发以改善算法收敛性能和分布性能;最后,提出一种更为严格的外部档案维护策略以降低外部档案维护成本,提高解集的分布性能.通过求解标准测试函数,并与其他3种多目标优化算法进行比较,仿真结果表明所提出算法具有良好的收敛性能和分布性能,且解集的覆盖范围更广.     

基于NSGA-II和MOPSO融合的一种多目标优化算法

用多目标粒子群优化(MOPSO)算法的粒子位置更新模式替代NSGA Ⅱ的交叉操作,获得一个新的算法（NSGA Ⅱ MOPSO）。为使这两种差异较大的算法实现无缝融合,在NSGA Ⅱ算法范围内对MOPSO中特有的概念粒子及其速度、Pbest、引导者进行处理: 1)粒子对应于NSGA Ⅱ中子代群体的个体; 2)不再使用粒子速度概念; 3)不再使用粒子Pbest概念,代之以从父代群体中为每个粒子的每一维寻找一个最近的该粒子非支配个体; 4)每一个粒子的引导者可以是父代群体中稀疏程度最大的个体或者是按照二进制随机竞赛选择方法从父代群体中选择的一个个体,具体哪一种方式发挥作用依赖于预先设定的概率。另外,引入稀疏程度概念来评价粒子在目标函数空间的分布。6个算例的结果表明,与NSGA Ⅱ及最新的两种MOPSO算法（CLMOPSO 和 EM MOPSO）相比,新算法是一个有效、稳定的算法。     

基于NSGA-Ⅱ和MOPSO融合的一种多目标优化算法

用多目标粒子群优化（MOPSO）算法的粒子位置更新模式替代NSGA-Ⅱ的交叉操作,获得一个新的算法（NSGA-Ⅱ-MOPSO）。为使这两种差异较大的算法实现无缝融合,在NSGA-Ⅱ算法范围内对MOPSO中特有的概念粒子及其速度、Pbest、引导者进行处理：1）粒子对应于NSGA-Ⅱ中子代群体的个体;2）不再使用粒子速度概念;3）不再使用粒子Pbest概念,代之以从父代群体中为每个粒子的每一维寻找一个最近的该粒子非支配个体;4）每一个粒子的引导者可以是父代群体中稀疏程度最大的个体或者是按照二进制随机竞赛选择方法从父代群体中选择的一个个体,具体哪一种方式发挥作用依赖于预先设定的概率。另外,引入稀疏程度概念来评价粒子在目标函数空间的分布。6个算例的结果表明,与NSGA-Ⅱ及最新的两种MOPSO算法（CLMOPSO和EM-MOPSO）相比,新算法是一个有效、稳定的算法。     

环境友好过程的建模和多目标优化

以环境和经济为目标的过程设计是过程系统工程的重要研究内容。为有效地实施环境友好过程设计,有必要从系统的角度来考虑和研究过程建模和优化问题。本文从物质变化、能量利用、环境影响、经济效益等角度对过程结构进行重新分析,得出多目标问题宏结构,并对其7种模块建立了线性模型。提出了以环境影响最小和经济效益最大为目标的多目标优化模型,多目标模型的求解采用搜索寻优和多目标决策相结合的求解策略。最后以反应系统为例,对环境友好过程建模和优化进行实例研究,     

基于多目标优化的汽油调和优化模型及其应用研究

汽油的调和方案是提高炼油厂经济效益的关键因素.通过现有汽油调和优化模型的分析,本文结合汽油辛烷值的预测模型1DPE模型,提出了1种以调和成本和辛烷值过剩最少为目标、将经验知识也作为约束条件的多目标优化汽油调和优化模型,该模型可应用于不同标号的汽油产品的调和,根据模型的非线性特征,采用遗传算法进行求解,最后,通过某炼油厂的1个应用实例验证了上述成品油调和优化模型及其求解方法的有效性,为炼油厂减少企业成本、保证产品合格率提供了新途径.     

基于多模式均值时空模型的目标融合检测方法

针对复杂环境下的目标检测问题,提出了一种基于背景模型的融合检测方法。首先在多模式均值模型的基础上,构造多模式均值时空模型,结合像素在时空域上的分布信息,改善了模型对非平稳场景较为敏感的缺点,给出了模型更新方法和前景检测方法;然后利用该模型对可见光和红外图像序列分别进行建模和前景检测,给出了一种基于置信度的目标融合检测方法,利用双传感器信息提高检测精度和可靠性。实验结果验证了本文方法的有效性。     

一种解决蕴含不确定性信息的氧化铝配料问题的智能优化方法

针对原料质量不稳定和成分检测大滞后带来的信息不确定性,提出了一种两级智能优化方法实现氧化铝配料过程中生料浆质量的优化控制.该方法通过引入中间优化同标,将优化问题分解为原料配比优化和料浆调配优化,逐步弱化不确定信息对生料浆质量的影响.配比优化基于入槽生料浆质量预测模型,设计了专家分级推理机制,实现多质量指标约束条件下的配比优化设定:调配优化将不确定的生料浆质量信息引入调配优化模型约束中,采用改进遗传算法求解最优渊配方案,配制高质量的生料浆.将提出的方法应用于国内某厂氧化铝配料过程,实现了生料浆质量指标的优化控制,简化了工艺流程,为存在信息不确定的长流程工业过程的优化控制提供了范例.     

基于信念的多Agent模型解决多目标优化问题

提出了基于信念的多Agent模型解决多目标优化问题.在这个模型中,Agent通过在解空间中移动来进行搜索,使用信念指导移动.每个Agent都有独立的信念,信念由3部分组成:Agent对每个目标的偏好、移动向量和对此向量的评价.Agent在优化的过程中会根据目标函数的值调整移动向量和对应的评价.Agent也会和相邻的Agent交互信念,从而获得更好的性能.最后用模型解决了几个简单的多目标函数优化问题,实验结果证明了算法的有效性.     

一种基于多目标评价的优化设定方法研究

复杂工业过程关键被控变量的设定值是否合理直接影响到生产指标能否优化实现.针对设定值的合理性问题,融入评价的思想,提出一种基于多目标评价的优化设定方法,采用案例推理技术建立了设定模型的总体结构,通过对设定值的事前评价,实现了在线调整设定值的闭环寻优功能.利用开发出的竖炉焙烧过程仿真平台验证了方法的正确性和有效性,可以避免...     

基于模糊分层SDG模型的故障推理方法

针对传统 SDG 模型诊断方法存在的诊断分辨率低、速度慢、效率低等不足,提出了一种基于模糊分层SDG模型的故障推理方法. 首先建立系统的SDG模型,并进行分层;再利用模糊变量表示节点变量,用条件概率表表达节点间的定性因果关系;最后利用贝叶斯推理和回溯搜索找出故障源候选集,并对候选解进行排序. 应用提出的方法,进行了某型号航空发动机燃油调节系统故障诊断,结果表明该方法能够提高诊断的分辨率和效率,诊断结果准确而且完备.     

基于分层多目标优化算法的无线网络规划

为满足时分-同步码分多址(TD-SCDMA)网络规划性价比最优化的需求,设计网络规划分层优化模型,该模型能很好地解决覆盖和容量的关系。为求解该模型,提出分层多目标优化算法,该算法能根据实际规划区域决定目标函数的优先层次,满足TD-SCDMA网络规划的目标和要求,并可在给定条件下实现基站布局最优。     

基于层次空间推理的公交最优乘车方案

在比较传统的最短路径算法的基础上,提出了一种基于层次空间推理的、新的、实用的公交最优乘车方案算法。该方法采用快速的搜索策略,可实时搜索查询。并在此基础之上开发公交查询系统,取得了较好的效果。     

基于小生境的极性PSO多目标优化研究及应用

提出一种改进粒子群算法,即将子群优化的小生境技术应用于极性粒子群算法,每个子群单独进化,内部粒子群进化增加了极性加速度,仅在边界处进行社会信息的传递.这样既保证了子群内部的有效收敛,又增加了全局多样性.将改进的粒子群算法与多目标优化相结合应用于蒸汽发生器的液位控制器参数整定,仿真结果表明,应用该算法的系统特性与使用传统...     

基于范例和规则相结合的推理技术

机器学习人员多年来提出诸多机器学习的混合体系结构，以改进机器学习的性能。本文着重提出一个基于范例推理与规则推理相结合的推理技术，以及一个范例库划分算法，其目的是充分发挥两种推理的优势，提高问题求解的效率。最后给出了一些测试结果和相关的结论。     

城市规划中基于IS的多通道分层整合方法

提出一种基于交互语义的多通道分层整合方法,该方法结合概率以及时间约束等内容,从多通道的输入信息中捕获用户交互意图,形成交互任务。将其应用于虚拟环境中,根据实际需求设计并实现多种多通道交互技术,同时举例分析其整合过程。仿真实验结果表明,该方法是有效可行的。     

基于强化协同算法的多目标生产调度模型研究

针对流程工业生产调度具有复杂性、多约束性和多目标性难以优化的特点,提出了一种新型强化协同优化算法 (N C O ),并将该算法应用于求解多目标优化问题,提出了基于N C O 算法的多目标协同优化方法(M O N C O )。研究表明, M O N C O 算法应用于车间调度问题,不仅可以优化生产工序,还能减少迭代次数,提高计算效率。     

基于多目标最优化方法的垂直切换判决

当多个移动节点在蜂窝网与无线局域网共存的异构无线网络环境中移动时,综合考虑移动节点的电池寿命、基站与接入点的负载以及移动节点花费3个因素,运用多目标最优化方法进行切换判决,为所有移动节点选择合适的目标网络,使整个网络资源得到合理利用。仿真结果表明,相比传统最强信号优先方法,该方法在剩余电池寿命总和与负载平衡方面具有较好的性能,在花费总和方面性能较差。     

综合推理与智能书法创作

In this paper, we address the demanding task of developing intelligent systems equipped with machine creativity that can perform design tasks automatically. The main challenge is how to model human beings' creativity mathematically and mimic such creativity computationally. We propose a ``synthesis reasoning model" as the underlying mechanism to simulate human beings' creative thinking when they are handling design tasks. We present the theory of the synthesis reasoning model, and the detailed procedure of designing an intelligent system based on the model. We offer a case study of an intelligent Chinese calligraphy generation system which we have developed. Based on implementation experiences of the calligraphy generation system as well as a few other systems for solving real-world problems, we suggest a generic methodology for constructing intelligent systems using the synthesis reasoning model.