基于偏好信息的动态引导式多目标寻优策略研究

传统的多目标进化算法研究的重点是获得分布在整个Pareto边界上的最优解集,而在现实问题中,决策者只对边界上某些区域分布的解感兴趣.纳入决策者偏好信息的多目标进化算法的研究很有实际意义.因此节约计算资源、快速有效地找到偏好区域的Pareto解集成为其研究的重点.针对该问题,本文提出基于偏好信息的动态引导式多目标寻优策略.该策略通过设置参数ε反映搜索过程中引导区域的动态性,参数控制DM偏好范围.将解与引导区域的距离作为响应选择策略的一个因素,从而有效地获得期望区域内的折衷解.实验结果表明,该算法具有较好的收敛性.     

基于空间距离的多目标差分进化算法*

在经典差分进化的基础上,提出了一种基于空间距离的多目标差分进化算法(SD-MODE),与目前经典算法NSGA-Ⅱ和ε-MOEA 进行比较,结果表明该算法拥有良好的分布性,同时也较好地改善了收敛性。     

未标定摄像机姿态估计的矢量求解算法*

提出一种基于矢量运算未标定摄像机姿态估计的求解算法。重点研究了P5P问题,将五个控制点组成四个矢量,根据成像过程,由控制点矢量运算逐步构建摄像机姿态和相机矩阵的线性约束方程。依据线性理论及旋转阵R的正交性化简约束方程,通过矢量运算给出未标定P5P问题摄像机姿态和相机矩阵的解析解。给出有足够约束条件的PnP问题的求解过程。模拟和真实实验都验证了该方法的有效性。     

自动区域划分的分区域搜索狭义遗传算法

用数学方法难以解决函数优化中的区域划分问题．为此,提出了用狭义遗传算法实现区域划分的方法．实现了基于自动区域划分的分区域搜索的狭义遗传算法,阐述了分区域搜索的控制策略。从理论上分析了基于自动区域划分的区域搜索的狭义遗传算法是全局收敛的,并具有收敛速度快、搜索过程稳定性高、可控制性强、便于并行实现等特点．最衙提出了有待研究的问题。     

数据聚类的共同进化方法

共同进化算法是一种新的进化算法,由于它采用了解空间分离编码,能有效地克服一般进化算法中固有的早熟收敛问题。该文针对数据聚类问题——当前数据挖掘与探查性数据分析中的一个重要课题——将数据聚类问题抽象成为一个赋值图的分割问题,应用共同进化算法来加以解决,使得聚类的结果不必依赖于初始聚类中心,并对该算法的性能加以分析。将该算法与一般的遗传算法相比较,通过实验证明了该算法的优越性能。     

遗传选择算子的比较与研究

在改进的基本遗传算法的实验基础上,通过分析传统的基本选择算子的理论及其优缺点,提出了能够产生较好收敛速度的三种选择方法：基于上限的确定式采样、基于切断的轮盘赌选择以及无回放最大值选择法,通过实验证明其在收敛性和收敛速度上都有很大的改善,为一些需要更快速求到最优解的应用问题提供了更好的选择策略。     

基于密度熵的多目标粒子群算法

提出了一种基于密度熵的多目标粒子群算法（EMOPSO）。采用一个外部集保存所发现的Pareto最优解（精英）,并将外部集作为粒子的全局极值。为保证种群的多样性,当精英大于外部集的大小时采用一种基于密度熵的策略进行分布度保持,从而使所得到的解集保持良好的分布性。最后与经典的多目标进化算法（MOEAs）进行了对比实验,实验结果表明了该算法的有效性。     

一种改进的非支配排序多目标遗传算法

多目标进化算法的研究目标主要是使算法快速收敛,并且广泛而均匀分布于问题的非劣最优域。在NSGA-II算法的基础上,提出了一种新的构造种群的策略——按照聚集距离选取部分非支配个体,并选取部分较好的支配个体形成下一代种群。该策略与原算法相结合后的算法（NSGA-II+IMP）与原NSGA-II进行比较,结果表明新算法较好地改善了分布性和收敛性。     

宁扶地区陡坎地段水土流失成因及治理

本文针对当地自然情况,详细例举陡坎侵蚀对当地耕地及道路、建筑等造成的破坏因素,分析了造成这种局面的深刻原因,提出了当地历史上没有过的大胆理论设想,符合国家农村增产增收政策、符合环境保护方针,也是该地区农村当前保护耕地的重要措施之一。     

高黏度骨水泥治疗骨质疏松性锥体压缩骨折患者围手术期护理

【摘要】 目的 探讨高黏度骨水泥椎体成形术（PVP）治疗骨质疏松性椎体压缩骨折患者围手术期护理。方法 30例患者采用高黏度骨水泥PVP治疗骨质疏松性椎体压缩骨折,通过术前常规护理及心理、饮食干预,术后指导四肢康复锻炼和严密观察骨水泥渗漏,及时给予相应的护理措施。结果 30例患者在护理干预下积极配合PVP治疗,术后疼痛明显减轻。结论 术前充分地准备,术后正确的指导和精心的观察、护理,能够帮助患者尽快地恢复日常生活活动能力,减轻疼痛,提高生活质量。