基于在线感知Pareto前沿划分目标空间的多目标进化优化

多目标进化优化是求解多目标优化问题的可行方法.但是, 由于没有准确感知并充分利用问题的Pareto前沿, 已有方法难以高效求解复杂的多目标优化问题.本文提出一种基于在线感知Pareto前沿划分目标空间的多目标进化优化方法, 以利用感知的结果, 采用有针对性的进化优化方法求解多目标优化问题.首先, 根据个体之间的拥挤距离与给定阈值的关系感知优化问题的Pareto前沿上的间断点, 并基于此将目标空间划分为若干子空间; 然后, 在每一子空间中采用MOEA/D (Multi-objective evolutionary algorithm based on decomposition)得到一个外部保存集; 最后, 基于所有外部保存集生成问题的Pareto解集.将提出的方法应用于15个基准数值函数优化问题, 并与NSGA-Ⅱ、RPEA、MOEA/D、MOEA/DPBI、MOEA/D-STM和MOEA/D-ACD等比较.结果表明, 提出的方法能够产生收敛和分布性更优的Pareto解集, 是一种非常有竞争力的方法.     

基于数据驱动的监控系统数据服务器设计

分布式监控系统由多个监控子系统组成,负责监控多种设备。文章根据现场监测设备种类多、结构复杂等特点,针对工控信息、管理信息集成等需求,提出了一种基于数据驱动的数据服务器结构。该数据服务器实现了控制系统实时数据采集、处理、存储、发布的统一管理,采用数据服务的在线监督,将工控网络同管理网络分隔开,实现了数据的安全、动态发布。系统采用数据驱动的交换式结构,数据处理组件化,系统结构灵活、扩展方便。     

基于微粒群优化的有限通信多机器人气味寻源

考虑机器人间的通信受限约束,将机器人抽象为微粒,提出基于微粒群优化的多机器人气味寻源方法.首先,采用结合斥力函数的策略,引导机器人快速搜索烟羽;然后,基于无线信号对数距离损耗模型,估计机器人间的通讯范围,据此形成微粒群的动态拓扑结构,并确定微粒的全局极值;最后,将传感器的采样/恢复时间融入微粒更新公式,以跟踪烟羽.将所提出方法应用于3个不同场景的气味寻源,实验结果验证了该方法的有效性.     

智能优化在软件测试中的应用综述

软件测试是软件开发活动中一个关键且耗时的环节,其核心是生成满足特定准则的测试数据.随着软件复杂程度的不断增加,软件测试的难度也越来越高.使用遗传算法等智能优化方法解决复杂软件的测试问题,是近年来软件工程领域的一个研究热点.鉴于此,针对智能优化在软件测试的应用进行综述,首先介绍软件测试的基本原理和方法;然后介绍智能优化在...     

统计过程控制图的优化设计

提出了一种简单、有效的用以辅助设计单值控制图的方法,该方法综合考虑了样本容量、采样频率以及控制图控制限等３个参数,了平均生产产量ＡＰＱ（ａｖｅｒａｇｅ ｐｒｏｄｕｃｔｉｎｏ ｑｕａｎｔｅｔｙ）作为衡量控制图性能的标准。基于ＡＰＱ构建了一个数学模型,该数学模型以采样率和最大错判概率为已知输入来计算出最优的控制图设计参数,从而满足优化设计的目的,该方法包含了涉及控制图设计的所有关键元素,但是它比控制图     

质量职能展开在选煤产品设计中的应用

首先给出了质量职能展开的含义、实质及优点,然后详细阐述了用质量职能展开设计选煤产品的４个阶段,即产品规划阶段、中间产物配置阶段、工艺规划阶段和工序控制阶段,给出了每个阶段实现的具体步骤,并将该方法成功应用到某选煤厂的洗选产品设计,最后给出了成功应用质量职能展开的注意事项     

软件测试路径选择优化模型及其进化求解

路径测试是一种非常重要且应用广泛的结构测试方法, 已有路径生成方法的测试效率不高、测试开销较大, 且易生成冗余测试路径. 针对以上问题, 主要研究路径选择问题的优化模型及其进化求解方法, 目的在于: 在不降低测试覆盖率的前提下, 减少冗余路径的数量, 降低测试消耗. 首先, 以多条路径作为决策变量, 基于该决策变量包含的边数和路径数, 建立多目标优化模型; 然后, 采用多目标进化算法求解该模型, 得到目标路径集. 将所提方法应用于7个基准测试程序, 并与其他算法比较. 实验结果表明, 相比其他算法, 所提方法能够在保证测试充分性的条件下, 降低测试消耗, 从而提高测试效率.     

基于连接识别的协同进化种群分割算法研究

针对已有协同进化算法种群分割方法的不足,借鉴连接识别思想,提出用分段间隔相关迭代连接识别进行种群分割的算法,并给出算法的思想、步骤及具体实施方案．将其应用于典型的复杂函数优化问题,简要分析算法在搜索效率、计算复杂性等方面的性能以及相关参数对算法性能的影响,说明算法的可行性．     

交互式遗传算法的机器代替用户方法

如何让无疲劳的计算机代替易疲劳的用户是交互式遗传算法研究的一个重要内容.本文首先研究了机器代替用户的3个基本内容,即,机器代替用户扮演环境角色,对个体进行评价;机器采样和代替用户的时机是进入偏好稳定阶段;机器寻优结果由样本和代替用户策略决定.其次,给出基于基因意义单元"适应值"估计的个体适应值估计方法.最后,通过比较实验验证了本文方法的有效性.     

变种群规模合作型协同进化遗传算法及其在优化中的应用

分析合作型协同进化遗传算法的进化效率和计算复杂性等与子种群规模的关系；在此基础上提出子种群规模自适应调整算法的思想，给出子种群规模调整的依据和调整方法；进而提出基于实数编码的变焦遗传算法．典型函数优化实例验证了该算法具有计算复杂性小和进化效率高的优点．