基于自适应ε支配的快速多目标遗传算法

多目标遗传算法(MOGA)大体上可以分为两个步骤:构造非支配集和保持解分布度。而ε支配能将两者有机地结合起来,具有良好的时间效率及分布度。但是采用ε支配时,其ε参数难以设定,为此文章提出了一种基于自适应ε支配的快速多目标遗传算法(AEMOGA)。通过与其它的2个多目标遗传算法NSGA2和SPEA2比较,实验结果表明该文提出的算法具有良好的时间效率分布性、收敛性及时间效率。     

一种具有可控性能的多目标遗传算法

文章基于极坐标的支配概念来描述多目标遗传算法中解之间的优劣关系,并由此提出了一种新的多目标遗传算法(PMOEA)。该算法可以通过参数的调节,让决策者在解的收敛性和分布性之间作折衷选择。在实验部分将PMOEA和NSGA2进行了性能比较,结果证实了PMOEA的性能可控性。     

基于最小生成树NSGA-2算法的改进

多目标进化算法（MOEA）的一个关键就是保持解的分布度,提出了一种用最小生成树的边的权值来表示个体聚集距离的方法,并且对NSGA-2的交叉算子和变异率进行了改进。实验结果表明,与NSGA-2相比该方法（MST-NSGA-2）在解的分布度上有较大的提高,并且有着良好的收敛性。     

基于密度熵的多目标粒子群算法

提出了一种基于密度熵的多目标粒子群算法（EMOPSO）。采用一个外部集保存所发现的Pareto最优解（精英）,并将外部集作为粒子的全局极值。为保证种群的多样性,当精英大于外部集的大小时采用一种基于密度熵的策略进行分布度保持,从而使所得到的解集保持良好的分布性。最后与经典的多目标进化算法（MOEAs）进行了对比实验,实验结果表明了该算法的有效性。     

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。     

基于精英选择和个体迁移的多目标遗传算法

提出基于遗传算法求解多目标优化问题的方法,将多目标问题分解成多个单目标优化问题,用遗传算法分别在每个单目标种群中并行搜索.在进化过程中的每一代,采用精英选择和个体迁移策略加快多个目标的并行搜索,提出了控制Pareto最优解数量并保持个体多样性的有限精度法,同时还提出了多目标遗传算法的终止条件.数值实验说明所提出的算法能较快地找到一组分布广泛且均匀的Pareto最优解.     

遗传算法结合蚁群算法电力系统故障浅析

根据蚁群算法与遗传算法的特性,提出了与遗传算法混合的蚁群算法（G3A）：由遗传算法生成初始信息素分布,在蚁群算法寻优中,利用蚁群算法信息素轨迹更新求精确解,保持了遗传算法的全面搜索能力,从而获得在时间效率与精解效率都更优的一种新的启发式方法。     

基于混合蚁群算法的WTA问题求解

武器-目标分配问题(Weapon-TargetAssignmentProblem)是一种典型的NP问题。该文提出了一种基于遗传算法和蚁群算法的混合算法(GAACO)以解决武器-目标分配问题。首先,使用遗传算法对火力分配问题形成初始解;然后,将遗传算法的结果传递给改进的蚁群算法,对问题求精确解。实验结果表明该算法求精度优于遗传算法,时间性能优于传统蚁群算法。     

一种改进的多目标演化算法

保持解集的多样性和分布性是多目标进化算法的关键之一。在NSGA-II的基础上,提出了一种用混合距离来估计个体的拥挤度,并使用优先队列根据个体的混合距离来逐个删除种群中超出的非劣解以保持解的多样性,实验结果表明,HD-NSGA-II比NSGA-II的解分布的更加合理且分布度有很大的提高。     

基于用户密度和平均访问时间的边缘服务器放置方法

为解决边缘服务器放置过程中资源浪费和延迟增加的问题,对边缘服务器放置方案的用户密度和平均访问时间进行分析建模,将其描述为多目标优化问题。设计了一种基于用户密度和平均访问时间的边缘服务器放置方案,并提出了一种多目标海马遗传算法（MOSGA）解决该问题。MOSGA首先使用多目标优化算法的思想对海马优化（sea horse optimizer,SHO）算法进行改进,使SHO算法能够适用于多目标优化问题,并在此基础上使用遗传算法改进SHO算法的繁殖操作,使MOSGA能更好地跳出局部最优解,加速问题的求解。该算法在上海电信数据集上进行了实验验证,仿真实验结果表明,MOSGA明显优于RA、K-means、NSGA、LMM,不仅有效解决了服务器资源浪费的问题,同时大大降低终端设备访问服务器的时间。     

Improved sampling of the pareto-front in multiobjective genetic optimizations by steady-state evolution: a pareto converging genetic algorithm

Previous work on multiobjective genetic algorithms has been focused on preventing genetic drift and the issue of convergence has been given little attention. In this paper, we present a simple steady-state strategy, Pareto Converging Genetic Algorithm (PCGA), which naturally samples the solution space and ensures population advancement towards the Pareto-front. PCGA eliminates the need for sharing/niching and thus minimizes heuristically chosen parameters and procedures. A systematic approach based on histograms of rank is introduced for assessing convergence to the Pareto-front, which, by definition, is unknown in most real search problems. We argue that there is always a certain inheritance of genetic material belonging to a population, and there is unlikely to be any significant gain beyond some point; a stopping criterion where terminating the computation is suggested. For further encouraging diversity and competition, a nonmigrating island model may optionally be used; this approach is particularly suited to many difficult (real-world) problems, which have a tendency to get stuck at (unknown) local minima. Results on three benchmark problems are presented and compared with those of earlier approaches. PCGA is found to produce diverse sampling of the Pareto-front without niching and with significantly less computational effort.     

概率构造算法与遗传算法融合的可重构计算系统硬件任务划分

提出一种概率构造算法与遗传算法融合的算法,通过引入表示划分结果多样性的度量方法,利用概率构造算法产生具有多样性的较优的初始群体,并在此基础上利用遗传算法寻求最优解.实验结果表明,该算法能够获得比已有的基于列表的划分算法更优的划分结果,比采用完全随机初始群体的遗传算法缩短了运行时间.     

A Comparison of three evolutionary strategies for multiobjective genetic programming

We report what we believe to be the first comparative study of multi-objective genetic programming (GP) algorithms on benchmark symbolic regression and machine learning problems. We compare the Strength Pareto Evolutionary Algorithm (SPEA2), the Non-dominated Sorting Genetic Algorithm (NSGA-II) and the Pareto Converging Genetic Algorithm (PCGA) evolutionary paradigms. As well as comparing the quality of the final solutions, we also examine the speed of convergence of the three evolutionary algorithms. Based on our observations, the SPEA2-based algorithm appears to have problems controlling tree bloat—that is, the uncontrolled growth in the size of the chromosomal tree structures. The NSGA-II-based algorithm on the other hand seems to experience difficulties in locating low error solutions. Overall, the PCGA-based algorithm gives solutions with the lowest errors and the lowest mean complexity.     

An on-line batch span minimization and quality control strategy for batch and semi-batch processes

A novel strategy is proposed to minimize the operation time of batch and semi-batch processes. The proposed on-line strategy is based on linear regression models and employs a cascade control structure in which the primary controller calculates an optimal operation profile for the secondary controller to follow. A special feature of the proposed on-line strategy is that it conducts run-wise information feedback and achieves the attainable minimum operation time as the batch run is repeated despite model uncertainty. The performance of the proposed strategy is illustrated through simulation studies involving an exothermic batch reactor and a semi-batch reactor producing 2-acetoacetyl pyrrole.     

数据网格中一种基于滑动窗口的副本创建和替换策略

数据网格中,数据副本技术提高了数据的访问速度,减少了带宽的消耗.副本创建策略是数据副本研究中的重要问题之一.提出了在P2P网络环境下,一种基于滑动窗口技术的副本创建和替换策略.使用传输时间比作为副本创建和替换的依据.分析和模拟显示,该方法能在控制访问空间的同时,获得良好的性能.     

一种基于P2P的文件复制策略

文件共享系统作为P2P系统一个广泛的应用,下载速度是衡量系统性能是否优良的一个重要方面,一般都采用多线程下载的方式提高速度。当前P2P文件共享系统面临的一个普遍问题是,某个文件的资源很少甚至只有一个,此时就大大限制了下载速度。而且由于系统中节点可以自由加入和离开,当下载者如果还没有把某个资源文件下载完毕,资源的拥有者就退出了系统,而此时下载者便不可能下载到这个完整的资源文件,由此提出一种资源复制策略。当网络中某个资源很少或者只有一个的时候通过在其他节点预先复制该资源,避免了资源拥有者的离开对整个系统造成的影响,同时也可提高下载速度。     

A Stackelberg strategy for continuous-time mixed ${\rm H}_2/{\rm H}_\infty$ control problem with time delay

This paper is concerned with the mixed H2/H∞ control with linear continuous time system and time delay. To deal with this, we presents a Stackelberg strategy by treating the control input and the disturbance as leader and follower, respectively. The leader’s control strategy minimizes the cost function which is in H2 norm and the follower’s control strategy maximizes the cost function which is in H∞ norm. The main technique of this paper is deal with the noncausal relationship of the variables caused by time delay in the control input by introducing two costates to capture the future information and one state to capture the past information. Through theory analyzing, the Stackelberg strategy exists uniquely. Moreover, with the assistance of the extended state space expression, the explicit expression of the strategy is obtained.     

网络控制系统的模型依赖平均驻留时间调度与控制

针对具有随机短时延的资源受限网络控制系统,提出了一种新的模型依赖平均驻留时间的调度策略与反馈控制联合设计方法.该调度策略由模型依赖平均驻留时间和动态试一次就丢弃(try-once-discard,TOD)调度策略共同决定,将系统建模成带有参数不确定性的离散切换系统,基于多Lyapunov函数方法及线性矩阵不等式(linear matrix inequality,LMI)技术,给出了使闭环系统指数稳定的控制器设计和TOD调度策略下的各模态平均驻留时间条件.该联合设计方法降低了保守性,在一定程度上减少了系统模态之间的切换频率.最后通过仿真验证所提方法的有效性.     

基于驻留时间切换下离散切换系统的异步控制器设计

针对一类切换线性系统,本文提出了一种基于系统状态的驻留时间策略.这种切换策略不仅使异步状态反馈切换系统稳定,而且缩短了系统的运行时间.对于异步切换系统的稳定性和增益问题,本文主要的结论是在子系统运行期间Lyapunov函数允许增加,同时又没有的限制.通过利用基于系统状态的驻留时间策略,推导出了切换线性系统的控制器设计的充分条件.得出的结论也可以推广到非线性切换系统.本文中最后给出的算例用于说明该方法的有效性.     

大规模流媒体直播系统扰动性研究*

在基于P2P技术的大规模流媒体直播系统中,节点频繁地加入和退出,形成扰动问题,严重影响了系统设计和整体性能。通过分析对等网络节点会话时间概率分布理论,在充分利用会话时间长的节点基础上,提出了抗扰动节点选择机制来增强系统稳定性。通过对比实验证明,该方案降低了扰动问题对流媒体直播系统的影响。