异构网络中一种基于灰度关联的动态接入选择策略

为了提高异构网络中多模终端选择网络的准确性，提出了一种基于灰度关联和时序多指标判决理论的动态接入选择策略. 通过将接入选择转化为多指标决策问题，从整体上考虑接入选择参数的影响，为用户提供合理的接入选择. 仿真结果表明，该策略能综合考虑多种接入判决指标，并保证移动终端选择最优的网络接入.     

异构网络中一种基于灰度关联的动态接入选择策略

为了提高异构网络中多模终端选择网络的准确性，提出了一种基于灰度关联和时序多指标判决理论的动态接入选择策略. 通过将接入选择转化为多指标决策问题，从整体上考虑接入选择参数的影响，为用户提供合理的接入选择. 仿真结果表明，该策略能综合考虑多种接入判决指标，并保证移动终端选择最优的网络接入.     

基于多目标决策的异构无线网络接入选择算法

针对异构无线网络基于负载均衡的接入选择算法判决因素不够全面的问题,提出了一种基于多目标决策(Multi-objective decision making,MODM)的接入选择算法。该算法在满足多因素判决、动态适用性的基础上,采用五级标度法和信息熵法确定接入判决指标的主、客观权重,并通过最小二乘法对主、客观权重进行折中选择,判决过程兼顾了网络状态和用户偏好,提高了判决准确性和实用性。仿真结果表明:该算法相对于负载均衡算法,降低了分组业务阻塞率和丢包率,提高了用户满意度。     

基于PSO模糊神经元的异构无线网络接入选择

采用模糊逻辑和神经网络技术进行异构无线网络接入选择的方法未合理考虑网络负载状况,为此提出一种对网络负载具有很好动态适应性的基于粒子群优化(PSO)模糊神经元的接入选择方法. 该方法将可接入网络的接入阻塞率相等作为模糊神经元参数学习的目标,并结合具有全局寻优能力的PSO算法设定参数初值,提高了参数学习精度. 仿真结果表明,该方法能有效实现网络间负载均衡,相对于最大负载均衡算法可降低网络的接入阻塞率.     

竞赛中优化问题建模与求解方法的比较研究

大学生数学建模竞赛中的优化问题都有优化目标不单一、据量巨大的特点.通过对DVD在线租赁问题的几种建模、求解方法的比较分析,介绍了常用的多目标优化建模求解方法,说明了它们的优缺点.     

一种多目标蚁群优化的虚拟机放置算法

已有对数据中心虚拟机放置的研究大多为优化数据中心能源消耗和物理机资源浪费等,很少考虑数据中心网络流量的优化,有可能影响数据中心网络的扩展性.为了兼顾考虑物理机资源浪费和网络总流量两个方面,将虚拟机放置建模为多目标优化问题,同时优化2个目标:最小化物理机资源浪费以提高数据中心物理机使用效率;最小化网络总流量以改善数据中心网络的扩展性.设计了一种基于多目标蚁群优化的虚拟机放置算法来求解该问题.仿真实验结果表明,该算法与首次适合递减算法相比降低了物理机资源浪费和网络总流量,算法具备有效性.     

基于深度强化学习的数控铣削加工参数优化方法

为了提高数控加工中的机床效能和加工效率,探究深度强化学习在加工参数优化问题中的适用性,提出一种基于深度强化学习的数控铣削加工参数优化方法. 选取切削力合力和材料除去率作为效能和效率的优化目标,利用遗传算法优化反向传播神经网络（GA-BPNN）构建切削力合力和铣削参数的优化函数,并采用经验公式建立材料除去率的优化函数. 应用竞争网络架构（Dueling DQN）算法获得切削力合力和材料除去率多目标优化的Pareto前沿,并结合优劣解距离法和熵值法从Pareto前沿中选择决策解. 基于45钢的铣削试验,验证了Dueling DQN算法用于加工参数优化的有效性,相比经验选取加工参数,通过Dueling DQN优化得到的加工方案使切削力合力降低了8.29%,加工效率提高了4.95%,为加工参数的多目标优化方法和加工参数的选择提供了指导.     

多目标组播路由的免疫优化算法研究

分析了当前带约束的单目标优化路由模型的局限性,构建了一个基于多目标优化的组播路由模型,在此基础之上提出了一个能够同时优化带宽、时延、代价等QoS参数的基于免疫原理的多目标组播路由算法,并对算法的收敛性和时间复杂度进行了分析.算法使用克隆选择作为主要的免疫算子,利用Pareto占优的思想进行抗体亲和度的定义,引入基因库的概念加快算法的收敛,通过局部竞争选择策略保证种群的多样性.仿真结果表明,该算法能够快速收敛于一组协调各QoS参数的Pareto最优解,是解决多目标组播路由问题、提高网络性能的有效途径.     

基于Matlab的RBF网络的深层搅拌桩承载力建模

探讨了Matlab语言环境下RBF神经网络在深层搅拌桩复合地基承载力建模中的应用,针对建模中的网络参数优化、样本集重构等技术问题进行了深入的研究.提出一种以泛化预测值为目标函数对参数进行优化的技术路线,并提出在样本少的情况下通过合理插值重构样本集可以提高预测精度.工程实例说明,RBF网络在技术改进下优势得到充分发挥,所建模型比BP网络及传统经验公式有着更好的性能.文中建模方法也为研究多变量复杂工程系统提出了一条新的思路.     

水文模型参数多目标优化率定及目标函数组合对优化结果的影响

针对水文模型多目标优化中目标函数组合难以合理构造与选取的难题,基于多目标智能优化算法的优化结果,提出了一种简便的不同目标组合优化结果性能比较方法,并以一种日径流预报模型为实例,构造了3组目标函数组合,采用经典多目标优化算法NSGA-II优化率定模型参数,在模型参数优化率定结果的基础上,应用作者提出的目标组合优化结果比较...     

基于 ANN 的 FMS 故障诊断模型及其学习算法

讨论了基于前馈型神经网络的ＦＭＳ故障诊断模型，并提出一种用于前馈型神经网络训练的改进ＢＰ算法和基于遗传算法的网络初始点获取策略，给出一种通用前馈型神经网络结构和学习参数自整定学习算法，最后应用上述方法建立了基于前馈型神经网络的ＦＭＳ机器人故障诊断模型，并用所提出的新的学习算法对网络进行了学习，与传统ＢＰ算法比较，学习速度较快，且不易陷入局部极小点     

粒子群算法求解Web服务组合中基于QoS的服务选择

针对现有web服务组合中服务选择技术的不足,提出了一种基于粒子群优化算法的多
目标优化策略,用于解决web服务组合中基于服务质量（QoS）的服务选择全局最优化问题.
将web服务选择全局最优化问题转化为一个带QoS约束的多目标服务组合优化问题,利用多目
标粒子群算法的智能优化原理,通过同时优化多个QoS参数,最终产生一组满足约束条件的P
areto最优解. 实验结果证明了该算法的可行性和有效性.     

基于多目标拆分优化思维的拥塞网络数值调度方法

针对网络拥塞数值调度中存在的盲目性问题,提出了一种基于多目标拆分优化的网络拥塞数值调度方法.将拥塞网络的数值调度问题进行模型化表示,并将拥塞过程调度的最优问题分解为多个目标同时优化问题:即信道最优任务分配问题和路由拥塞调度问题.根据粒子群算法,对信道分配问题的最优解进行计算,同时设计约束模型并利用遗传算法求解拥塞调度问题,实现了在拥塞状态下的网络数值调度.结果表明,所提出算法获得的拥塞调度方案具有较好的可执行性.     

基于低碳理念的多级物流网络优化设计

针对碳排放成本对物流网络优化设计的影响,提出了基于低碳理念的多级物流网络优化设计方法.通过对物流节点开关状态进行调整,构建了考虑碳排放成本的多级物流网络优化设计模型,解决了多级物流配送网络中间节点选择和需求分配等多种决策问题.根据多级物流配送网络设计问题的特点,使用遗传算法分别对考虑碳排放和不考虑碳排放两种情况进行仿真分析.结果表明,在考虑碳排放约束的情况下,多级物流配送网络的成本明显降低,比不考虑碳排放的传统方法更具现实意义.     

基于多Agent的多式联运各区段分运承运人选择

多式联运各区段分运承运人的选择是涉及实现多式联运综合效率与效益最大化的关键问题.提出了一种在网络环境下,基于多Agent的多式联运各区段分运承运人选择的招、投标方法,其目的是实现各区段分运承运人的科学选择.采用基于Java的Agent框架,设计了各区段分运承运人选择的系统体系结构;讨论了基于本体的各区段分运承运人选择领域的建模问题;论述了各区段分运承运人选择的决策支持方法,包括效用理论和基于多Agent谈判的群组决策技术;仿真结果表明:方法是有效的.     

无线传感器网络节能动态任务分配

为了延长网络生存期,减少网络能量消耗,在分析现有无线传感器网络任务分配机制的基础上,提出一种面向分层结构、多跳传感器网络的节能任务分配方法.该算法根据节点工作状态、剩余能量以及能耗,基于熵理论,建立代价函数,结合粒子群优化算法,实现优化任务分配策略.同时,针对无线传感网络动态变化使当前的任务分配策略可能不再是最优的情况,对任务进行动态调整.仿真实验结果表明该分配机制能有效减少无线传感网络计算时间和网络能耗,提高网络寿命.     

基于组合型交叉熵算法的多电源配电网故障定位

提出一种利用组合型交叉熵算法实现多电源配电网故障定位的方法。考虑多电源配电网故障电流与设备状态的关系,建立表征配电网故障定位问题的优化模型,利用组合型交叉熵算法求取模型最优解,并给出算法的具体实现步骤。仿真结果表明该文算法能够对多电源配电网中的单点及多点故障进行准确定位,在伴有部分信息畸变的情况下,仍能给出正确结果,具有准确性和容错性高等优点。     

基于快速群搜索算法的双层球面网壳多目标优化

提出一种新的群智能算法,即多目标快速群搜索优化（MQGSO）算法,以双层球面网壳为研究对象,进行结构节点最大位移最小化和结构质量最轻化的多目标优化设计,网壳优化后的Pareto前沿分布均匀且范围较广,分别对多目标优化和单目标优化后的结构进行多维地震作用时程响应分析。结果表明：多目标优化得到的结构优于单目标的优化结果,所提出的多目标快速群搜索算法能很好地实现复杂空间结构的多目标优化设计。     

基于量子粒子群的软件模糊可靠性分配模型

针对软件可靠性分配中存在多个优化目标的问题,提出了一种新的模糊多目标分配模型,并采用量子粒子群优化算法求解该模型。将软件可靠性和成本作为模糊目标函数,通过三角形隶属函数对模糊目标进行处理,将优化后的量子粒子群算法用来求解软件模糊可靠性分配模型。实验结果验证了文章提出的软件模糊可靠性分配模型是有效的,多目标的Pareto最优解为可靠性和成本之间的决策提供了依据。