基于统计占优分析的变异测试

为数众多的变异体产生的高昂测试代价严重影响了变异测试技术在实际程序中的应用.为了大幅度减少弱变异测试中变异体的数量,提出基于统计占优分析的变异体约简方法.该方法首先利用变异前后的语句构造变异分支,并将所有变异分支集成到原程序中,形成新的被测程序;然后,通过统计测试用例对各个变异分支的覆盖信息,确定变异分支之间的占优关系;最后得到非被占优分支集,其对应的变异体就是约简后的变异体.将该方法用于8个程序的测试,结果表明:该方法能够约简平均90%的变异体,从而显著提高了变异测试的效率.     

基于合作式协同进化算法的神经网络优化

针对一般遗传算法优化神经网络存在的不足，提出合作式协同进化遗传算法实现神经网络结构和权值同步优化方法．首先，结合合作式协同进化遗传算法本身特性和神经网络特点，给出种群分割方法；其次，为了实现结构和权值的同步优化，提出一种新的混合编码方法，并根据该混合编码方法设计新的交叉和变异算子；然后，根据编码结构、代表个体和合作团体之间的关系，提出一种新的结构优化方法；再次，给出进化过程所需代表个体选择、适应度构造方法等．最后，通过双螺旋线问题验证本文算法的有效性．     

基于图论的企业非正式组织辨识研究

非正式组织在企业管理中起着极其重要的作用。文章基于图论理论给出了非正式组织辨识的一种新方法 ,为深入研究企业非正式组织找到了一条新的思路。     

基于递阶遗传算法的模糊控制系统的模糊集优化研究

由于模糊系统的输入、输出变量模糊集中模糊集的多少直接影响到模糊规则集的完备程度，并决定着控制系统的性能，所以本文提出了一种基于递阶遗传算法的模糊控制系统的模糊集优化方法，同时对模糊集的个数和形状进行优化，使其能尽量完美地反映系统输入、输出变量，减少了规则的冗余．对二阶动态系统的仿真研究证明了该方法的有效性．     

综合考虑经济-环境-社会因素的多能耦合系统高维多目标规划

提高能源系统运行经济性、减少污染排放、改善能源利用效率是我国未来能源系统发展的重要目标.但是,在实际能源系统规划中,由于上述不同目标之间具有复杂的关联性,因此当问题的目标函数数量多于3个且存在不确定性参数时,现有方法往往难以实现对该类问题的有效求解.为应对上述挑战,该文提出一种面向多能耦合系统规划的高维多目标优化分析框...     

基于路径相似度的并行程序多路径覆盖调度序列排序

测试是提高软件可靠性的重要方法.消息传递并行程序中存在的不确定通信语句,使得进程执行顺序具有不确定性,这增加了测试该类程序的难度.鉴于进程执行顺序对目标路径覆盖难易程度的影响,本文研究消息传递并行程序多路径覆盖调度序列排序方法,以提高多路径覆盖测试数据生成的效率.首先,在每个调度序列下,以每个采样的程序输入执行程序,生...     

控制图失控模式识别的研究

控制图是实施统计过程控制的最有效工具。文章在控制图简单失控模式基础上研究了两种简单失控模式相结合的情况，并给出其数学模型。该模型对分析工序夫控原因起到重要作用。     

自适应分区多代理模型交互式遗传算法

为提高交互式遗传算法的性能.提出一种自适应分区多代理模型交互式遗传算法.该算法基于关键维分割进化初期的搜索空间,同时基于进化进程、逼近精度以及用户评价敏感度,自适应地分割进化中后期的搜索空间.在子空间上,采用多类代理模型学习用户对进化个体评价,并用于评价后续进化的部分或全部个体.将该算法应用于服装进化设计系统,实验结果表明,算法在种群多样性、减轻用户疲劳及用户对优化结果满意度等方面均具有优越性.     

基于多目标微粒群优化的异质数据特征选择

环境和测量仪器精度的影响,使得采样数据的不同特征具有不同的质量.对这类异质数据进行特征选择,需要同时考虑特征子集确定分类器的准确度和可靠性,从而增加了特征选择的难度.本文研究异质数据的特征选择问题,提出一种基于多目标微粒群优化的特征选择方法.该方法首先以特征选择的概率为决策变量,将具有离散变量的特征选择问题,转化为连续变量多目标优化问题;然后,采用微粒群优化求解时,基于高斯采样,产生微粒的全局引导者,以提高Pareto解集的分布性;最后,依据储备集中元素更新的速度,确定需要扰动的微粒,以帮助微粒群跳出局部最优.将所提方法应用于多个典型数据集分类问题,实验结果表明了所提方法的有效性.     

基于特征迁移学习的综合能源系统小样本日前电力负荷预测

基于历史数据和深度学习的负荷预测已广泛应用于以电能为中心的综合能源系统中以提高预测精度,然而,当区域中出现新用户时,其历史负荷数据往往极少,此时,深度学习难以适用.针对此,本文提出基于负荷特征提取和迁移学习的预测机制.首先,依据源域用户历史负荷数据,融合聚类算法和门控循环单元网络构建源域数据的特征提取和分类模型;然后,...