基于混合变量动态分组的大规模多目标进化算法

变量分组是解决大规模多目标优化问题的有效途径。针对混合变量分组存在的问题,文章提出基于混合变量动态分组的大规模多目标进化算法来对混合变量进行更精确的分组,通过控制变量分析中个体非支配排序后第一层的个体数与采样数的比例来挖掘混合变量的动态特征。本文算法MOEA/DVA-F与其他三种经典的大规模多目标进化算法一同在LSMOP1~LSMOP5测试问题上进行IGD性能测试,实验结果表明,MOEA/DVA-F算法具有较好的收敛性和多样性。由此表明MOEA/DVA-F算法是一种有前途的大规模多目标进化算法。     

以就业为导向推进高职院校专业建设

专业建设是高职院校发展的基础。文中论述了高职院校专业设置的理念,分析了高职院校专业设置的定性和准定量的方法以及专业设置管理的方法,指出以就业为导向的专业建设是目前最典型、最切合我国高职教育发展实际的专业建设创新模式。     

知识管理的办公自动化与新的管理革命

办公自动化的发展过程和知识管理新产品的剖析 ,展现了知识管理的理念、作用和意义 ,说明知识管理的办公自动化是办公自动化发展的方向 ,并将带来管理领域的一次革命。根据我国办公自动化发展的现状 ,呼吁国人做好迎接知识管理时代到来的准备     

金宝乡乡村空间构成与公共建筑形态研究

现阶段国家建设发展重心由城市转向乡村,然而现代乡村的建设与城市建设有着很大差异,与城市建设有规划性、计划性不同,乡村建设多传承历史建筑以及村民出于自身利益在邻里、居委会相互协调相互帮助间自发建设。于是尝试了解现在乡村的空间构成方式和建筑形态特点,将有助于城市建设者对乡村建设的开展。     

一种采用混合策略的大规模多目标进化算法

现实中存在大量的大规模多目标优化问题,这些问题所固有的目标函数间冲突性、巨大的搜索空间以及决策变量可能存在的交互等特征对传统的多目标进化算法构成了巨大的挑战.研究者根据此类问题的特点基于不同的视角提出了多种大规模多目标进化算法,但它们在解题的质量和效率方面尚存较大的提升空间.基于此,提出一种采用混合策略的大规模多目标进化算法LSMOEA/HS.该算法提出的一种黄金分层分组方法将大规模决策变量分成收敛性组和多样性组,然后对收敛性变量组执行基于变量组的相关性检测操作,将收敛性变量组划分成若干更小规模的子组,最后算法采用不同的优化策略分别优化收敛性变量组和多样性变量组以获得最终的解题结果.为验证LSMOEA/HS的有效性,将其与五种新近提出的高效的大规模多目标进化算法一同在决策变量维度为200、500、1000、2000和5000的2-目标和3-目标的LSMOP系列测试实例上进行IGD和HV性能测试,实验结果表明LSMOEA/HS具有显著较优的收敛性和多样性.由此表明,LSMOEA/HS是一种颇具前景的大规模多目标进化算法.