一种求解多目标优化问题的粒子群算法

提出一种多目标粒子群算法,其采用外部集合保存当前找到的最优解集,采用强ε支配关系更新外部集合,使解集保持良好的分布性.对粒子全局极值的选取设计新的选择思路,提出极值变异的思想,采用新的粒子更新策略加快解集的收敛,加入自适应变异算子避免陷入局部非劣最优解.通过使用一系列标准的测试函数进行实验,实验结果表明该算法在保持解集分布性和收敛性方面较有效,且实现简单、表现稳定.     

一种MOEA分布度的逐步评价方法

 提出了一种多目标进化算法中解集分布度逐步评价方法.定义了一种基于角度的坐标,避免了算法因收敛性不同对分布性评价的影响;利用了解集均匀分布具有的对称性,把整个目标空间从大到小划分成不同的对称区域,逐步进行分布度评价.实验结果表明,该方法能精确的评价解集的分布情况.     

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.     

基于父个体相似度的自适应遗传算法

标准遗传算法在产生后代个体时采用先交叉后变异的策略,一方面当父个体非常相似时,交叉操作很难产生新的个体,影响算法对新的解空间进行搜索,从而导致种群多样性的丧失;另一方面交叉产生的优秀个体再历经变异,极有可能遭破坏而影响算法的收敛性。该文根据染色体的相似性,给出了个体相似度的概念,并在此基础上提出了依据父个体相似度的大小自适应地选择遗传算子(交叉或变异)的遗传算法。仿真实验表明,与采用常规遗传策略的遗传算法相比,新算法能显著提高解的质量和收敛速度。     

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。     

一种周期时态关联规则挖掘算法

应用时态关联规则模型和时态事件空间,提出了一种单事件周期时态关联规则挖掘算法,并对其进行了可行性分析和复杂性分析。该算法通过挖掘不同时间间隔下的时态关联规则,能较好地处理非拐点的邻接点的趋势分布特征的挖掘,完整地挖掘时态数据趋势分布特征。最后,将该算法应用到股票数据的趋势挖掘中,得到了满意的实验结果。     

一个新的干摩擦结合部法向接触阻尼方程

依照矫正分形几何学理论与Hertz法向接触力学方程,建立新柔性结合部法向接触阻尼方程.考虑变化凸起顶端曲率半径与连续载荷,推出一种求导函数但非偏导函数获取办法,构建2个凸起之间互相作用的法向接触刚度方程.研究结果表明:法向接触阻尼随着表面粗糙轮廓分形维数的增大而先下降后增加;当表面粗糙轮廓分形维数小于第一拐点时,法向接触阻尼随着分形粗糙度的增大而增大;当表面粗糙轮廓分形维数大于第一拐点时,法向接触阻尼随着分形粗糙度的增大而减小;法向接触阻尼随着法向接触载荷的增大而先减小后增大.仿真曲线图中的2个拐点和1个极小值点为干摩擦结合部接触参数的优化设计提供了依据.     

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。     

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。     

DFDL—辅助结构分析的软件工具

本文讨论了结构分析的软件民具数据流图语言（ＤＰＤＬ）的设计和实现。ＤＦＤＬ具有结构简单、实现方便、易学易懂等特点。同时，它解决了用图形方式编辑、修改ＤＦＤ所遇到的困难。ＤＦＤＬ是软件开发的有利工具。