求解约束优化问题的引导多目标差分进化算法

将约束优化问题转化为带偏好的双目标优化问题,用差分进化算法求解转化问题。为了克服基于Pareto支配关系的多目标算法求解转化问题时没有考虑问题偏好、收敛慢等缺点,借助多目标α-支配关系的特点,提出了基于动态α-支配的新适应度函数。新适应度函数根据种群中可行解的比例动态平衡进化过程中对两个目标的偏好,引导算法不断向问题的偏好区域靠近,从而快速收敛到约束优化问题的最优解。对6个标准测试函数的数值实验结果表明:基于α-支配的动态引导多目标差分进化算法能快速收敛到问题的最优解。与3种经典高效算法的比较说明,所提出算法的鲁棒性强且效率高。     

非劣解分布范围的度量——S-度量

提出了一种新的非劣解前端宽广性的度量,S-度量。(1)粗略估计问题I的边界解的集合;(2)由二水平正交设计的思想,从这个集合中选取指定分布比较均匀的参考解;(3)从非劣解集中找与每个参考解最近的解,并计算其距离;(4)给出S-度量的定义.将S-度量与其他一些非劣解质量的度量相结合,从而可以对多目标遗传算法从多个角度进行评价和比较.     

求解一类非线性双层规划问题的混合遗传算法

本文研究下层目标函数为拟凹函数的非线性双层规划问题。利用下层目标的最优值能在可行域极点上达到的性质,将求极点的方法引入遗传算法,提出了一种混合遗传算法。为了提高该算法的效率,结合种群最优个体,给出了有利于产生高质量后代的杂交和变异算子。对于下层问题存在多个最优解的情况,证明了其最优解可表示为极点最优解的凸组合,并利用这一结论修正了算法,使得该算法也能求解下层多解的情形。数值结果表明本文提出的算法是有效的。     

基于均匀设计的多目标自适应遗传算法及应用

提出一种多目标遗传算法,将均匀设计技术应用于适应度函数合成和交叉算子构造,以提高遗传算法的空间搜索均匀性、子代质量和运算效率.分析和实验结果表明,该方法可缩短算法运行时间和得到分布较均匀的Pareto有效解集;配合基于元件标称值的网表级高效编码方案和考虑基因位差异的遗传概率调整策略,可实现模拟电路自动设计,通过单次运行即获得对应不同偏好的多种实用化设计结果.     

基于一种新模型的多目标遗传算法及性能分析

在多目标优化中,各目标通常相互冲突,其最优解往往有无穷多个,如何在最优解集中求出一组分布均匀且数量多的Pareto最优解供决策者选择十分重要.本文给出了多目标优化的一种新解法.首先定义了种群序值的理想方差和种群密度的方差,然后把目标个数任意的多目标函数优化问题Ⅰ转化成了用种群序值的理想方差和种群密度的方差构成的两个目标函数的优化问题Ⅱ,并对转化后的优化问题Ⅱ提出了一种新的多目标遗传算法(RDMOEA).计算机仿真表明RDMOEA算法对不同的实验函数均可求出在最优解集合中分布均匀且数量充足的Pareto最优解.     

新疆紫花苜蓿水不溶性膳食纤维的制备及脱色研究

以提取苜蓿蛋白后的新疆紫花苜蓿渣为原料,提取水不溶性膳食纤维的实验研究,研究的关键在于对膳食纤维进行脱色与去除草腥味.由正交实验结果表明:提取水不溶性膳食纤维的最优提取条件为:碱浸温度为30℃,碱浸时间40 min,酸浸温度为90℃,酸浸时间为3 h,得率为73.91%.采用混合溶剂处理使水不溶性膳食纤维呈白色且无草腥味,其膨胀力高达8.15 mL/g,持水力为830%.     

解非线性二层规划的一种混合遗传算法

对上层目标函数是非线性的二层规划，将遗传算法与单纯形法相结合提出了一种混合遗传算法，为了解决经典遗传算法在实际应用中存在的早熟收敛、全局优化速度缓慢和解的精度差等缺点，在设计变异算子时引入了梯度投影法，使变异更加有效并能产生更好的后代。数值模拟结果表明该算法是有效的。     

基于样本密度和分类误差率的增量学习矢量量化算法研究

作为一种简单而成熟的分类方法, K最近邻(K nearest neighbor, KNN)算法在数据挖掘、模式识别等领域获得了广泛的应用, 但仍存在计算量大、高空间消耗、运行时间长等问题. 针对这些问题, 本文在增量学习型矢量量化(Incremental learning vector quantization, ILVQ)的单层竞争学习基础上, 融合样本密度和分类误差率的邻域思想, 提出了一种新的增量学习型矢量量化方法, 通过竞争学习策略对代表点邻域实现自适应增删、合并、分裂等操作, 快速获取原始数据集的原型集, 进而在保障分类精度基础上, 达到对大规模数据的高压缩效应. 此外, 对传统近邻分类算法进行了改进, 将原型近邻集的样本密度和分类误差率纳入到近邻判决准则中. 所提出算法通过单遍扫描学习训练集可快速生成有效的代表原型集, 具有较好的通用性. 实验结果表明, 该方法同其他算法相比较, 不仅可以保持甚至提高分类的准确性和压缩比, 且具有快速分类的优势.     

Centrality measure of complex networks based on resource flow

A new centrality measure for complex networks,called resource flow centrality,is proposed in this paper. This centrality measure is based on the concept of the resource flow in networks.It not only can be applied to the connected networks,but also the disconnected networks. Moreover,it overcomes some disadvantages of several common centrality measures. The performance of the proposed measure is compared with some standard centrality measures using a classic dataset and the results indicate the proposed measure performs more reasonably. The statistical distribution of the proposed centrality is investigated by experiments on large scale computer generated graphs and two networks from the real world.     

电光天平操作系统的设计和实现

根据电光天平的操作特点，用Ｃ语言编码，配合Ｆｏｘ和ＡＵＴＯ ＣＡＤ接口，开发设计了一种电光天平操作的计算机系统软件。该软件用“宁重勿轻”法寻找电光天平的停点，将电光天平的构造、操作方法和训练考核融为一体，经实践证明，是一种实用的操作软件。