基于定向扩散的最小连通支配集构造算法

针对区域覆盖算法未考虑节点的通信梯度问题,利用定向扩散路由在构造以sink节点为根的有向路由树时形成的递增梯度序列,提出了一种基于定向扩散的最小连通支配集构造算法.在路由信息扩散的同时逐级挑选出互不相邻的传感器节点构造出一个最大支撑集,然后在相邻层次的支撑集节点间寻找中间节点将独立集节点连通起来,最终得到一个近似的最小连通支配集.理论及仿真实验结果表明,该算法构造的连通支配集最小且计算耗时少,能多重有效覆盖热点区域,从而延长无线传感器网络的寿命.     

大豆组织蛋白产品特性指标的因子分析

以市售12种大豆组织蛋白产品为样品,通过因子分析,探寻大豆组织蛋白产品品质间的相互关系.结果表明,可将10个指标用4个公共因子表示.因子1对乳化性、吸油性、韧性、硬度起支配作用, 因子2对a*、b*起支配作用,因子3对吸水率、L*、密度起支配作用,因子4只对持水性载荷值较大,表明持水性与其他指标联系较少.大豆组织蛋白产品的评价指标及权重为产品韧性(15%)、硬度(15%)、持水性(25%)、色泽(45%).吸油率、韧性和硬度为综合指标,在快速检测时,可以选用.     

眼位异常的检查和分析（二）

双眼视轴分离,眼外肌、神经支配和肌止点无器质性病变,眼球运动无障碍,改变注视方向斜视角度不变,第一斜视角与第二斜视角相差小于5A,无复视及代偿头位,称为共同性斜视。部分共同性斜视患者有着家族遗传倾向。     

绿色制造模式下多目标柔性工艺规划问题研究

为保证生产效率的同时减少制造过程中的碳排放量,对绿色制造模式下的柔性工艺规划问题进行了研究。建立了绿色多目标柔性工艺规划问题数学模型,设计了包含机床碳排放量、冷却器碳排放量、运输工具碳排放量的最小化总碳排放量目标函数。针对建立的模型,提出了基于NSGAⅡ的求解方法,使用多维编码方法分别处理工艺规划问题的多种柔性因素,设计了基于非支配等级和拥挤距离的适应度评价方法处理多个优化目标。设计了绿色制造模式下多目标柔性工艺规划问题测试实例,并对实例进行求解,计算结果验证了该模型和求解方法的有效性。     

工业无线传感器网络攻击源定位任务分配优化算法

针对工业无线传感器网络中参与攻击源节点定位的任务分配问题,构建和求解多目标优化定位任务分配模型,任务分配模型中设定参考节点组合总能量消耗、距离平均标准偏差目标函数,以及空间约束和剩余能量约束条件;采用循环拥挤排序将非支配排序遗传算法(NSGA-Ⅱ)进行改进后加入基于稀疏度局部搜索的混合优化算法联合求解任务分配模型,将稀疏度最小的解作为稀疏解,再采用极限优化策略在稀疏解周围进行局部搜索使得解拥有更好的分布特性.Matlab仿真结果表明该改进的混合优化算法可以提高算法收敛速度以及降低算法复杂度,在较快的时间内选择出合适的参考节点组合,减少了定位误差,提高了定位精度.     

基于个体邻域的改进NSGA-Ⅱ算法

带有精英策略的非支配排序遗传算法（NSGA-II）是在NSGA的基础之上，提出拥挤度和拥挤度比较算子，代替了需要指定共享半径的适应度共享策略，是解决多目标优化问题的经典算法之一。但是NSGA-II算法在保持种群多样性时采取的拥挤距离排挤机制有着pareto前沿分布不均匀的缺陷，因此，提出一种基于个体邻域的改进NSGA-II算法SN-NSGA2。SN-NSGA2将密度聚类算法DBSCAN中邻域的思想应用到排挤机制中去，提出一种个体邻域的构建方法，采用相应的淘汰策略去除个体邻域中的其他邻居个体。实验结果表明相对于NSGA-II算法来说，新算法求出的pareto解集有着更好的分布性以及良好的收敛性。     

结合性能评价的多目标价值链设计

企业间集成如供应链管理、虚拟企业、网络化制造等，都是旨在面向顾客的价值增值，减少产品或者服务的周期时间，降低成本．提高质量，以提高权益相关者的市场竞争力和运作性能，这些都需要有效的价值链设计。价值链的运作质量与价值链上节点的组织配置情况有密切关系。价值链配置质量是对价值链运作质量的预测，提出了价值链配置质量的解析描述方法，它由平均的理想配置贴近度和基于信息熵的配置均衡性两部分组成。建立了综合考虑时间、成本和质量的可量化和不可量化指标的多目标价值链优化模型，采用混合型NSGA算法，求解这类决策变量较多的多目标优化问题。计算结果表明，价值链配置质量的解析描述方法和混合型NSGA算法，对于按照经营性能需求动态设计价值链有较好的效果。     

多工作日历下的大型工程项目多目标任务指派优化方法

为解决多工作日历下大型工程项目任务指派问题,提出一种多目标优化方法。建立了以项目工期最短、成本最低为优化目标,考虑多工作日历约束的大型工程项目多目标任务指派优化模型;提出基于多工作日历的时间推算方法,解决了多工作日历下工程项目任务指派的关键问题。设计了带精英策略的快速非支配排序遗传算法求解优化模型,其中编码采用基于承包商号的整数编码方式,交叉操作采用两点交叉方式,变异操作采用单点变异方式。种群初始化采用拒绝策略以保证个体可行性,变异过程采用修复策略以保证子代个体的可行性。解码操作根据各任务被指派的承包商号数组,在任务成本数组中查出任务成本,对各任务成本求和得到项目成本;在任务时间数组中查出任务时间,基于关键路径法采用正向推算函数FC得到各任务最早开工时刻、最早完工时刻,进而求出项目工期。进化结束后将所得到的Pareto解集存入工作表"Pareto解集",当决策人员双击某个Pareto解时,算法基于关键路径法采用正向顺推函数FC和反向逆推函数IC得到其对应的调度矩阵。通过案例分析验证了所提方法的有效性。     

一种基于新型差分进化模型的MOEA/D改进算法

针对MOEA/D算法中差分进化操作收敛精度不高且速度较慢的不足,提出了一种综合基于可控支配域的向量差生成策略和基于主成分的动态缩放因子的新型差分进化模型,均衡显性与隐性搜索引导;并实现了一种基于新型差分进化模型的MOEA/D改进算法（MOEA/D-iDE）。新型差分进化是借助基于可控支配域的非支配排序对邻域进行分层,根据分层信息生成与不同进化阶段相匹配的向量差,实现对种群收敛速度的显性引导;同时对决策空间进行主成分分析,动态调整差分进化缩放因子,实现对种群收敛精度的隐性引导。实验选取ZDT、DTLZ和WFG等为测试问题,以IGD+,ER作为评价指标,将MOEA/D-iDE算法与6个同类算法进行对比实验,结果表明新算法在保证多样性的同时具有更好的收敛速度与精度,从而验证了新型差分进化模型的有效性。