连通支配集一种集中式近似算法

简单无向图的最小连通支配集问题是NP完全问题,目前还没有成熟解法。提出了一种用有序表构建独立集求解连通支配集的算法,算法从图中度最大的顶点开始将顶点加入到有序表中,并在加入过程中构建独立集,同时加入其他节点连接独立集使其成为连通集。当图中所有节点处理完成,有序表中标记为独立集的节点和连接节点就形成了一个连通支配集。实验表明算法生成的支配集较小,运行时间复杂度比较低。     

无线网络中一种简单的弱连通支配集构造策略

通过构造边支配集,提出了求解无线网络中弱连通支配集的集中式构造算法,该算法的时间复杂度为O（|N|+|E|）。同时在保证支配集的支配性和弱连通性不变的情况下,给出了两种修剪策略,以减小所求弱连通支配集的规模。从理论上证明了本算法的正确性,并通过仿真验证了算法的有效性。与已有结果相比,该算法可以产生规模更小的弱连通支配集。     

基于改进庄家法则的多目标进化算法

非支配集的构造方法是多目标进化算法中最重要的问题。在用庄家法则构造非支配集时,若非支配个体较多,由于需要进行多轮比较,所以算法的计算复杂度较高。在庄家法则中引入一个副庄家,用以减少下一轮比较个体的个数,从而最终减少比较的轮数。数值实验表明：改进后的算法具有较高的运行效率。     

k支配能力排序轮廓查询算法

随着轮廓查询应用的扩展,轮廓查询被扩展为其他更复杂的查询问题,包括k支配轮廓、reverse轮廓、k最多支配轮廓等等.然而,现存的轮廓查询不符合某些用户需求,还需要研究新的轮廓查询及其相关算法.为了满足用户需求,提出k支配能力轮廓的概念,同时提出一种快速的k支配能力排序轮廓查询算法(KRA).由于不确定性数据带有概率,KRA算法不能直接应用于不确定性数据.针对不确定性轮廓查询的特点,提出不确定性k支配能力轮廓的概念,并提出不确定性k支配能力排序轮廓查询算法(KRA_U).实验结果表明,算法KRA和KRA_U均可以高效地计算出k支配能力轮廓.     

基于聚类的NSGA-II算法

采用精英策略的非支配排序遗传算法（NSGA-II）种群收敛分布不均匀,全局搜索能力较弱。针对该问题,基于现有的算法,提出一种基于聚类学习机制的多目标进化算法KMCNSGA—II。利用K均值聚类对目标函数和个体分别进行聚类,对聚类后的个体进行局部学习,以提高适应度。将该算法应用于经典的多目标约束和非约束测试函数中,通过收敛性指标世代距离和多样性指标△进行性能评价。实验结果表明,与NSGA—II算法相比,该算法在算法收敛性和种群多样性保持方面均有明显提高。     

基于进化计算的轨道转移时间-能量优化方法

针对空间飞行器轨道转移的时间.能量优化问题,提出了一种基于进化计算的多目标优化方法.该方法在非支配解排序和密度估计的基础上,设计了一种新的选择算子从父代中选择进入繁殖池的个体,并使用外部集合保存进化过程所得的非支配解.实验结果表明,该方法可以有效求解优化目标存在约束的轨道转移时间一能量优化问题,并显著提高Pareto前沿的散布性能.     

城市轨道交通区间失效修复策略仿真研究

为降低区间失效对城市轨道交通(URT)运营的影响,分别以随机及蓄意攻击的方式模拟自然灾害及人为破坏对URT区间的破坏,以最大化全日出行客运量、最小化修复完成后乘客出行拥挤度为目标,考虑修复能力、出行需求等约束条件,构建了 URT区间失效修复模型,并以系统弹性损失为指标量化修复效果,结合快速非支配排序遗传算法对该模型进行了求解.结果表明:修复失效区间时,客运量最优目标倾向于修复最重要区间,而拥挤度最优目标侧重于修复不同线路的失效区间;相较于平均修复及偏好修复策略,所建立的区间失效修复模型能达到更优的修复效果.     

基于约束支配多目标进化算法的航路改航方法

针对具有多目标多约束特征的航路改航问题,提出了基于约束支配的非支配排序多目标进化算法(NSGA-Ⅱ)的路径规划方法.采用了约束支配规则处理空中交通管制规则中关于改航的多个约束条件,建立个体解之间的约束支配关系.在产生初始群体时进行分区产生随机的浮点坐标,并提前筛选出符合航向角改变量约束的可接受解,增加删除算子用以处理不可接受的不可行解,进化算法迭代完成后,建立优化算子用以优化迭代产生的路径.在块状和离散状飞行限制区条件下分别进行仿真实验,实验结果表明,该方法能产生符合目标函数优化且路径复杂度较小的最优解.     

一种基于快速排序的快速多目标遗传算法

多目标遗传算法的一个重要步骤就是构造非支配集,本文提出了一种基于快速排序的非支配集构造方法,提高了非支配集构造效率,并且在Deb提出的NSGAⅡ的基础上,改进了其种群构造策略,设计了一类新的多目标遗传算法。实验表明,这种方法比NSGAⅡ具有更快的收敛速度且保持了良好的分布性。     

求解多目标最小生成树的一种新的遗传算法

在改进的非支配排序遗传算法（NSGA-II）的基础上,提出了一种新的基于生成树边集合编码的繁殖算子求解多目标最小生成树问题的遗传算法。通过快速非支配排序法,降低了算法的计算复杂度,引入保存精英策略,扩大采样空间。实验结果表明：对于多目标最小生成树问题,边集合编码具有较好的遗传性和局部性,而且基于此繁殖算子的遗传算法在求解效率和解的质量方面都优于基于PrimRST的遗传算法。