检索结果-南通市图书馆

综合地表与深部位移监测数据的滑坡多目标加权位移反分析方法

在线全文

学校读者我要写书评

暂无评论

测绘学报 2022年第10期51卷 2149-2159页

作者：戴粤戴吾蛟余文坤中南大学测绘与遥感科学系湖南长沙410083 湖南省精密工程测量与形变灾害监测重点实验室湖南长沙410083

针对滑坡参数反演存在的多目标优化问题,同时为弥补滑坡深部位移监测点位稀疏的不足,提出了一种综合地表与深部位移监测数据的滑坡多目标加权位移反分析方法。该方法利用地表与深部位移监测数据构建多目标位移反分析模型,采用抗差Helmer... 详细信息

针对滑坡参数反演存在的多目标优化问题,同时为弥补滑坡深部位移监测点位稀疏的不足,提出了一种综合地表与深部位移监测数据的滑坡多目标加权位移反分析方法。该方法利用地表与深部位移监测数据构建多目标位移反分析模型,采用抗差Helmert方差分量估计法计算各类位移观测量的抗差验后随机模型,优化反演模型的权参数。试验结果表明:深部位移信息量不足会导致位移反分析结果出现严重偏差,综合地表与深部位移信息的反演结果更为准确;基于抗差Helmert方差分量估计的多目标加权位移反分析方法不仅可以合理确定不同类型观测数据的权重,还能够有效抵制异常粗差对反演结果的影响,提高了反演计算精度。

关键词：滑坡变形监测多目标优化问题加权位移反分析模型抗差Helmert方差分量估计

基于多区域采样策略的混合粒子群优化求解多目标柔性作业车间调度问题

在线全文

学校读者我要写书评

暂无评论

计算机应用 2021年第8期41卷 2249-2257页

作者：张闻强邢征杨卫东粮食信息处理与控制教育部重点实验室(河南工业大学) 郑州450001 河南工业大学信息科学与工程学院郑州450001

柔性作业车间调度问题(FJSP)是一类应用广泛的组合优化问题。针对多目标FJSP求解过程复杂、算法易陷入局部最优的问题,提出了一种基于多区域采样策略的混合粒子群优化算法(HPSO-MRS),以同时优化最大完工时间和总机器延迟时间这两个目标... 详细信息

柔性作业车间调度问题(FJSP)是一类应用广泛的组合优化问题。针对多目标FJSP求解过程复杂、算法易陷入局部最优的问题,提出了一种基于多区域采样策略的混合粒子群优化算法(HPSO-MRS),以同时优化最大完工时间和总机器延迟时间这两个目标。多区域采样策略能够区分粒子所在Pareto前沿面的位置,根据不同区域进行采样重组,并为采样后位于Pareto前沿面多个区域的粒子规划相应的运动方向,从而有针对性地调整粒子在多个方向上的收敛能力,并带来一定程度的均匀分布能力的提升。此外,编解码方面使用带插空机制的解码策略来消除可能存在的局部左移;粒子更新方面将传统粒子群优化(PSO)算法的粒子更新方式与遗传算法(GA)的交叉变异算子相结合,提升了算法搜索过程的多样性并避免算法陷入局部最优。把所提算法在Benchmark问题Mk01~Mk10上进行测试,与传统的HPSO、NSGA-Ⅱ、基于适应度分配策略的多目标进化算法(SPEA2)和基于分解的多目标进化算法(MOEA/D)进行算法效力和运行效率对比。显著性分析的实验结果表明,HPSO-MRS在收敛性评价指标HV和IGD上分别在85%和77.5%的对照组中显著优于对比算法,而该算法在35%的对照组中的分布性指标Spacing显著优于对比算法,且均不存在所提算法显著差于对比算法的情况。可见相较于对比算法,所提出的算法具备较好的收敛与分布性能。

关键词：粒子群优化多区域采样多目标优化问题柔性作业车间调度问题遗传算法

在线全文

学校读者我要写书评

暂无评论

基于改进果蝇优化算法的多目标问题探讨

统计与决策 2014年第9期30卷 51-54页

作者：臧文龙辽宁科技大学应用技术学院辽宁鞍山114021

多目标优化问题由于目标函数有两个或两个以上,其解通常是一组Pareto最优解。传统算法处理多目标优化问题时,不能满足现实的需求,文章对常规的果蝇优化算法进行改进,将避免局部最优因子引入FOA算法进行改进。通过仿真结果表明:改进的FO... 详细信息

多目标优化问题由于目标函数有两个或两个以上,其解通常是一组Pareto最优解。传统算法处理多目标优化问题时,不能满足现实的需求,文章对常规的果蝇优化算法进行改进,将避免局部最优因子引入FOA算法进行改进。通过仿真结果表明:改进的FOA算法可以克服FOA算法的早熟问题和局部最优解的问题,同时收敛速度也优于其他算法。

关键词：多目标优化问题果蝇优化算法 Pareto最优解

在线全文

学校读者我要写书评

暂无评论

一种求解多目标车辆路径问题的遗传算法研究

一种求解多目标车辆路径问题的遗传算法研究

作者：于丰源东北大学

学位级别：硕士

车辆路径问题(Vehicle routing problem, VRP)是一个经典的运筹学问题,它是指若干个客户各自有着不同的货物需求,若干个配送中心向客户提供货物,由车队负责分送货物,组织适当的行车路线,目标是使得客户的需求得到满足,并能在一定的约束... 详细信息

车辆路径问题(Vehicle routing problem, VRP)是一个经典的运筹学问题,它是指若干个客户各自有着不同的货物需求,若干个配送中心向客户提供货物,由车队负责分送货物,组织适当的行车路线,目标是使得客户的需求得到满足,并能在一定的约束下,达到诸如路程最短、成本最小、耗费时间最少等目的。VRP问题在科学和工程应用领域具有非常广泛的应用,很多实际的物流运输问题都可以转化成各种VRP问题来进行解决。由于VRP已经被证明是NP难的,所以对于大规模VRP问题往往考虑利用各种智能优化算法来进行求解。随着经济的发展、科学技术的进步以及人们需求的日益多元化,越来越多实际应用问题往往需要考虑多个优化目标,多目标优化正在成为近年来运筹学领域一个研究热点。需要注意的是目前关于多目标VRP问题的研究文献并不多,在很多方面尤其是求解算法设计方面亟需开展进一步深入的研究。本文采纳系统工程的思想,利用运筹学、进化计算等领域的相关研究成果,设计和开发一种能够有效求解多目标VRP问题的遗传算法(Genetic algorithm,GA)。本文的主要内容可以归纳如下几个方面：(1)相关工作综述部分。主要介绍了VRP问题及求解算法、多目标优化理论与方法等方面的研究工作。(2)问题建模部分。在给出一般VRP以及带有时间窗约束VRP问题数学模型的基础上,建立一个以最小化配送成本和最大化客户满意度为目标函数的多目标VRP问题的数学模型。(3)算法设计部分。研究一般VRP问题的求解算法,考虑到编码和解码是求解VRP问题的GA设计中所面临的主要挑战,对三种不同编码方法的有效性进行对比仿真实验。在上述研究结论的基础上,通过结合一种经典多目标进化算法(MOEA/D)的相关思想,提出一种能够求解多目标VRP问题的新型多目标GA算法。(4)仿真实验部分。利用一组根据VRPLIB中标准测试问题构造的多目标VRP问题,对所提出的多目标GA算法进行仿真实验以检验其性能。此外,还在仿真实验中分析所提出的算法中关键参数及算子对算法性能的影响。(5)结论部分。对本文研究的主要工作进行总结,指出存在的不足之处,并对下一步的研究工作进行展望。

关键词：车辆路径问题多目标优化问题遗传算法多目标进化算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

业务驱动的低轨卫星物联网终端模态切换方法

系统工程与电子技术 2023年

作者：洪涛王凡李治钟志伟丁晓进刘子威张更新南京邮电大学通信与信息工程学院

针对低轨卫星物联网场景下基于窄带物联网(narrow band Internet of Things， NB-IoT)体制的物联终端大尺度地理范围内多场景应用业务时延和终端功耗需求动态变化问题，该文提出了一种利用马尔科夫链模型评估NB-IoT终端在扩展不连续接收... 详细信息

针对低轨卫星物联网场景下基于窄带物联网(narrow band Internet of Things， NB-IoT)体制的物联终端大尺度地理范围内多场景应用业务时延和终端功耗需求动态变化问题，该文提出了一种利用马尔科夫链模型评估NB-IoT终端在扩展不连续接收(extended discontinuous reception， eDRX)和节能模式(power saving mode， PSM)时延功耗的方法，建立了下行业务延迟和终端功耗为优化目标的多目标优化问题，在信关站利用终端历史业务数据信息离线训练基于支持向量机 (support vector machine， SVM)的时延功耗的回归预测模型，以回归预测模型作为非支配排序遗传算法(non-dominated sorting genetic algorithms-II， NSGA-II)的目标函数得到多目标优化问题的帕累托前沿解集，进一步从帕累托前沿解集中选择满足当前应用时延功耗需求的工作状态定时器参数值在线配置终端。仿真结果表明，相比于传统的地面物联网终端固定式定时器参数配置方法，该文提出的业务驱动的定时器参数配置方法在终端动态多场景应用下能够更好的满足业务时延和终端功耗需求。

关键词：低轨卫星物联网 NB-IoT 马尔科夫链时延功耗多目标优化问题

改进的MOEA/D算法在双目标投资组合问题中的应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

改进的MOEA/D算法在双目标投资组合问题中的应用

作者：邵苗苗华中师范大学

学位级别：硕士

从工程领域到经济学领域,大量问题都存在多个需要优化的目标,而且各个目标之间相互制约、彼此冲突,此类问题被称为多目标优化问题(Multiobjective Optimization Problem,MOP)。与传统数学方法相比,进化多目标优化算法(Evolutionary Mult... 详细信息

从工程领域到经济学领域,大量问题都存在多个需要优化的目标,而且各个目标之间相互制约、彼此冲突,此类问题被称为多目标优化问题(Multiobjective Optimization Problem,MOP)。与传统数学方法相比,进化多目标优化算法(Evolutionary Multiobjective Optimization Algorithm,EMOA)不需要了解问题的数学特性,而且在一次运行中能将种群中的多个解同时进行演化,是工业界求解多目标问题的主流算法。基于分解的多目标优化算法(Multi-objective Optimization Algorithm Based on Decomposition,MOEAD)是EMOA三大主流算法之一,它通过聚合方法将多目标问题分解为多个单目标优化子问题。基于惩罚的边界交叉方法(Penalty-based Boundary Intersection,PBI)是聚合方法的主要方法之一。该方法中的惩罚因子θ影响解的分布性和收敛性。本文在分析现有的惩罚因子调节方案的基础上,提出了基于混合惩罚方案(HPS)的改进分解多目标优化算法(MOEADHPS)。HPS将θ设置为双阶段函数,在第一阶段,θ的值随着演化代数线性递增;在第二个阶段,θ的值保持固定不变。它使算法从重视收敛性出发,后期逐步转向重视解的分布性。在HPS中,为不同的权重向量指定特定的θ变化范围。实验结果表明,HPS方法能有效解决F测试集中的测试问题。在分析基于分解的多目标优化算法和基于帕累托的多目标优化算法的基础上,提出了基于分布性的改进多目标进化算法(NSGA/D)。NSGA/D的改进工作主要集中在两个方面:(1)采用锦标赛机制选择父代个体时,为保持配对池的分布多样性,首先选择非支配层级低的个体。在个体非支配层级相同的情况下,通过权重向量将目标空间划分为多个子区域,按照个体所在子区域的密度大小,选择密度小的个体;(2)选择新种群时,为使群体有较好的分布性,在非支配层次选择和分解方法的基础上,辅以动态分解方法(Dynamical-Decomposition-Based Ranking Method,DDR)在父代与新生成子代中挑选个体。结果表明,NSGA/D算法在解决WFG测试问题上具有明显优势。通过分析经济学领域投资组合问题特性,建立数学模型,并根据该问题的特点,设计等式约束处理方法。将所提出的带约束处理的NSGA/D(C-NSGA/D)用于求解双目标股票投资组合问题,并基于30支股票的半年股价数据求解最优配比。结果表明,C-NSGA/D算法在HV指标上优于对比算法。

关键词：多目标优化问题基于分解的多目标优化算法聚合方法非支配层级动态分解策略投资组合问题

求解多目标旅行商问题的改进蚁群优化算法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

求解多目标旅行商问题的改进蚁群优化算法研究

作者：谢曾慧东北大学

学位级别：硕士

在科学研究和工程应用中的优化问题往往具有多个目标函数,多目标优化已经成为运筹学领域的一个重要研究课题。早期的多目标优化理论主要集中于所谓的“先验”方法,也即是,必须预先获知决策者对不同目标函数的先验偏好信息才能进行求解... 详细信息

在科学研究和工程应用中的优化问题往往具有多个目标函数,多目标优化已经成为运筹学领域的一个重要研究课题。早期的多目标优化理论主要集中于所谓的“先验”方法,也即是,必须预先获知决策者对不同目标函数的先验偏好信息才能进行求解。然而,在很多实际问题中很难预先确定决策者对各个目标函数的偏好信息,使得越来越多的研究者开始采用基于“后验”机制的方法来解决多目标优化问题,这类方法的目的是获得尽可能多的Pareto最优解以便于决策者能够从中选择自己偏好的解。由于基于种群迭代的寻优机制有机会通过一次运行就获得多个Pareto最优解,使得进化算法逐渐成为近些年来解决多目标优化问题的一类主流算法,相应的研究领域被称为进化多目标优化。基于此,本论文采纳系统工程的思想,运用运筹学、计算科学以及工程数学等领域的理论和方法,围绕求解多目标旅行商问题的蚁群算法展开具体的研究工作,以期提出一种更为高效的新型多目标优化方法。本论文的主要研究工作包括如下三个方面:1)对进化多目标优化特别是多目标蚁群算法的研究现状进行综述,分析现有算法的优劣点;2)在综述研究的基础上,通过有效集成两种多目标进化算法的设计思想,提出一种改进的混合多目标蚁群算法;3)利用一系列基于标准TSPLIB算例构造的多目标TSP测试问题验证所提出算法的性能,并对算法设计中的关键参数进行灵敏性分析。通过与现有多目标蚁群算法进行比较,能够发现本论文所提出的这种新的多目标蚁群算法能够获得分布性和收敛性更优的Pareto解集。

关键词：多目标优化问题进化多目标优化蚁群算法旅行商问题

改进多目标萤火虫优化的软子空间聚类算法及在短期负荷预测中的应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机应用与软件 2022年第7期39卷 261-268,321页

作者：张曦康平付雪峰叶军赵嘉南昌工程学院信息工程学院江西南昌330000 南昌工程学院江西省水信息协同感知与智能处理重点实验室江西南昌330000 南昌工程学院鄱阳湖流域水工程安全与资源高效利用国家地方联合工程实验室江西南昌330000

针对传统软子空间聚类算法因单目标优化无法准确聚类的问题,提出一种改进多目标萤火虫优化的软子空间聚类算法(IMOFASSC)。对多目标萤火虫算法的步长因子和初始吸引力进行动态定义以弥补算法易提前收敛的缺陷,并设计一种萤火虫单行随机... 详细信息

针对传统软子空间聚类算法因单目标优化无法准确聚类的问题,提出一种改进多目标萤火虫优化的软子空间聚类算法(IMOFASSC)。对多目标萤火虫算法的步长因子和初始吸引力进行动态定义以弥补算法易提前收敛的缺陷,并设计一种萤火虫单行随机学习机制来提高最优解集分布的均匀性;将改进的多目标萤火虫算法运用到软子空间聚类问题中,同时优化簇内紧凑度、簇间分离度及负权值熵三个目标函数,将IMOFASSC应用到短期负荷预测中。实验结果表明,IMOFASSC不仅在低维和高维数据聚类中有较好的聚类效果,而且在短期负荷预测中具有推广应用价值。

关键词：高维数据聚类软子空间聚类算法多目标优化问题多目标萤火虫算法短期负荷预测