基于自适应支配准则的高维多目标进化算法

基于松弛支配的高维多目标进化算法（Many-objective Evolutionary Algorithms,MaOEAs）由于能够有效地提高区分解的能力,受到广泛关注,但该类大多数算法处理不同目标的优化问题时普适性较差.针对这个问题,本文提出一种基于自适应支配准则的高维多目标进化算法（Adaptive Dominance Criterion Based Evolutionary Algorithm for Many-objective Optimization,ADCEA）.首先,自适应准则（Adaptive Dominance Criterion,ADC）根据目标空间中相邻解间的角度信息和目标数目,设计一种自适应小生境方法,并结合收敛性指标信息,实现对候选解的非支配排序.然后,为了进一步增强种群的多样性,在环境选择中引入参考向量分割种群技术;最后,构建合理的适应度函数,并根据适应度值大小选取收敛性和多样性较好的非支配解集.实验证明,本文所提的方法在处理不同目标的优化问题时普适性提高,并在平衡种群的收敛性和多样性上取得显著效果.     

高维多目标优化中基于稀疏特征选择的目标降维方法

目标降维算法通过去除冗余的目标达到简化问题规模的目的,为求解高维多目标优化问题提供了一种新的思路和方法.近似解集的几何结构特征和Pareto占优关系从不同侧面反映了多目标优化问题的内在结构特性,而现有算法仅利用其中一种特征分析目标之间的关系,具有较大局限性.本文提出基于稀疏特征选择的目标降维方法,该方法利用近似解集的几何结构特征构建稀疏回归模型,求解高维目标空间映射为低维目标子空间的稀疏投影矩阵,依据此矩阵度量目标的重要性,并利用Pareto占优关系改变程度选择满足误差阈值的目标子集,实现目标降维.通过与其他已有目标降维算法比较,实验结果表明本文提出的降维算法具有较高的准确性,并且受近似解集质量的影响较小.     

基于模糊支配的高维多目标进化算法MFEA

为提高高维复杂多目标优化算法的收敛性和解集分布性,提出一种基于模糊支配的高维多目标进化算法MFEA.在第二代Pareto支配类高维多目标进化算法模型基础上,利用模糊理论对模型中的环境选择进行改进,提出基于模糊隶属度的支配关系,并结合Harmonic、k邻域法和小生境技术对其中的拥挤密度估计方法进行改进,最后根据高维多目标的特点并结合模糊理论α-截集的思想提出了新的环境选择策略.将该算法与目前性能最好的5种多目标进化算法在标准测试函数集上进行对比试验,结果表明本文算法与其他算法相比具有明显的优势,不仅提高了算法的收敛性能,而且保证了Pareto最优解的均匀分布性.     

基于集合的高维多目标优化问题的进化算法

由于高维多目标优化问题包含的目标很多,已有的方法往往难以解决该问题.本文提出一种有效解决该问题的基于集合的进化算法,该方法以超体积、分布度,以及延展度为新的目标,将原优化问题转化为3目标优化问题;定义基于集合的Pareto占优关系,设计体现用户偏好的适应度函数;此外,还提出集合进化策略.将所提方法应用于4个基准高维多目标优化问题,并与其他2种方法比较,实验结果表明了所提方法的优越性.     

一种基于角度惩罚距离的高维多目标进化算法

为了使多目标进化算法在收敛性和分布性之间保持平衡,该文提出一种基于角度惩罚距离的高维多目标进化算法(Many-Objective Evolutionary Algorithm based on Angle Penalized Distance, MaOEA-APD)。首先,综合考虑收敛性和分布性在进化不同阶段的重要性,构造一种角度惩罚距离,使两者随进化进程动态平衡;其次,开发基于删除劣质个体的环境选择策略,在提高种群分布性的同时提高收敛性;最后,根据环境选择的原理,设计与之相协调且互补的匹配选择过程,提高算法的整体进化效率。将所提算法与目前国内外性能优异的3种高维多目标进化算法进行对比,实验结果表明在WFG标准测试函数集上,该文算法相对于其他算法,综合性能有了较大的提升。     

高维多目标优化问题融入决策者偏好的集合进化优化方法

高维多目标优化问题普遍存在且非常重要,但是,已有的解决方法却很少.本文提出一种有效解决该问题的融入决策者偏好的集合进化优化方法,该方法首先基于决策者给出的每个目标的偏好区域,将原优化问题的目标函数转化为期望函数;然后,以原优化问题的多个解形成的集合为新的决策变量,以超体积和决策者期望满足度为新的目标函数,将优化问题转化为2目标优化问题;最后,采用多目标集合进化优化方法求解,得到满足决策者偏好且收敛性和分布性均衡的Pareto优化解集.将所提方法应用于4个基准高维多目标优化问题,并与其他2种方法比较,实验结果验证了所提方法的优越性.     

基于进化机制的动态多目标优化方法

动态多目标优化是进化计算领域一个新兴的研究方向.文中给出了定义在离散时间空间上、决策变量的维数随时间(环境)可发生变化的一类动态多目标优化问题(DMOP)的新方法.该方法首先把DMOP转化成了一系列同类静态约束优化问题,然后在一种环境变化判断规则下提出了解DMOP的一种新动态多目标进化算法(DMEA).数值实验表明新算法对DMOP最优解具有较好的跟踪能力,并且能有效的获得DMOP在不同环境下数量较多、质量较好且分布均匀的Pareto最优解.     

一种基于角度信息的约束高维多目标进化算法

目前约束高维多目标进化算法大多注重提高收敛精度,而收敛速度相对较慢.为提高算法的收敛速度,提出一种基于角度信息的约束高维多目标进化算法.该算法提出基于角度违反度函数的选择操作,依据动态的收敛性和分布性直接选择较优个体,提高收敛速度;此外,提出了基于差分进化算法的交叉操作,在不同的进化阶段选用不可行解参与交叉操作,补偿收敛精度.在标准测试函数集C-DTLZ上进行仿真实验,并与当前国内外性能优异的4种约束高维多目标进化算法进行对比,证明了本文算法收敛精度保持良好,而收敛速度得到了提升,且目标维数越高提升效果越明显.     

自适应结构化背景和形状特征子空间高光谱图像多类目标检测

针对高光谱图像中目标形状特征已知,背景和目标光谱特征未知时的多类小目标检测问题,给出一种检测算法.通过高光谱图像数据样本二次型的高阶矩控制点扩散函数,获取自适应结构化背景;然后,利用目标形状先验信息构造形状特征子空间,在高维光谱特征空间实现形状特征子空间匹配检测.理论分析和实验结果表明该检测器可同时有效检测具有不同形状特征的多类目标.     

跨域访问控制策略合成的可视化框架

The rapid increase in resource sharing across domains in the cloud computing environment makes the task of managing inter-domain access control policy integration difficult for the security administrators. Although a number of policy integration and security analysis mechanisms have been developed, few focus on enabling the average ad-ministrator by providing an intuitive cognitive sense about the integrated policies, which considerably undermines the usability factor. In this paper we propose a visualization framework for inter-domain access control policy integration, which integrates Role Based Access Control (RBAC) policies on the basis of role-mapping and then visualizes the integrated result. The role mapping algorithm in the framework considers the hybrid role hierarchy. It can not only satisfy the security constraints of non-cyclic inheritance and separation of duty but also make visualization easier. The framework uses role-permission trees and semantic substrates to visualize the integrated policies. Through the interactive policy query visualization, the average administrator can gain an intuitive understanding of the policy integration result.     

三维可视化技术在断层解释中的应用

在油田开发中,复杂构造区块的解释难度不断加大,三维可视化技术成为了研究地质构造的重要手段,本文以相干体为着眼点,利用多角度立体空间可视化解释技术,在三维空间对复杂断层进行精细解释,复杂断层在三维可视化技术的作用下,变的易于观察和认识,为日后的储层预测等工作奠定了基础。     

基于平行坐标的天线结构优化过程可视化研究

将可视化技术引入天线结构优化计算过程中,采用平行坐标技术实时显示优化过程中设计空间中敏度信息、约束函数信息等的相关状态,克服了笛卡儿坐标系无法描述多维数据空间的困难,使优化过程变得"透明"、"可视",实现了对计算过程的跟踪和驾驭,提高了优化的质量与效率。     

一种计算机辅助教学中的操作可视化系统

在计算机辅助教学中，教师的键盘或鼠标操作对学生来说基本上都是不可见的，从而降低了一些操作性很强的课程的教学效果。针对这一弊端，本文设计了一种操作可视化系统，将教师的操作以直观的形式展示给学生。教学实践表明，该系统有效地加强了教学效果明显。     

改进帕累托算法求解超大规模多选择背包问题

实际生产生活中大量多选一的问题都可以转为多选择背包问题（MCKP）,但MCKP是一个经典的NP难问题,因此对于超大规模MCKP而言,往往只能利用粒子群算法、狼群算法、鱼群算法等群智能算法对问题进行求解.对于群智能算法而言,高效快捷的贪心算法对于初始解的生成起着至关重要的作用.基于凸帕累托算法（CPA）,提出一种能够快速求解线性支配子集的改进帕累托算法（IPA）.IPA首先选择各类项集的质量最小项,然后计算所有物品的价值密度,最后按照价值密度从高到低选择对物品进行贪心选择,若贪心选择项的价值大于其所在项集原有选择项,则进行迭代.仿真实验结果表明：IPA相比于CPA,求解速度平均提升98.86%.且PSO-IPA求解精度平均提升28.92%.     

混合Neural-Gas网络和Sammon映射的数据可视化算法

与SOFM,最大熵聚类,K均值聚类相比,"Neural-Gas"网络算法具有收敛速度快、代价误差小等优点.但"Neural-Gas"网络用于非均匀分布的线性或非线性数据集进行降维或可视化时,输出空间上固定有序的神经元表现出极不理想的距离信息.为此,该文根据归一化概率自组织特征映射的基本思想,提出混合"Neural-Gas"网络和Sammon映射的新方法来解决此问题,通过"Neural-Gas"网络算法进行特征聚类以降低计算复杂度,通过Sammon映射保持输入空间和输出空间上神经元间的距离相似性.仿真结果表明,该混合算法对合成数据集或现实数据集的可视化能够取得较理想的效果,从而验证了该混合算法的可行性和有效性.     

多目标问题的游戏模型并行共同进化算法

游戏理论的主要成就是进化稳定战略,由MaynardSmith在1982年提出。使用基于游戏模型的共同进化算法寻找ESS作为多目标问题(MOPs)的解,该算法是一种基于粗粒度并行模型的进化算法。首先,研究游戏模型的共同进化方法解决MOPs的有效性。且说明进化游戏如何由共同进化算法来具体实现,证实它是否能达到MOP的最佳均衡点。其次,通过在几个多目标问题上的严格的实验,与其它一些方法比较,评估该方法的性能。     

“电控回路”可视化教学软件开发及应用

本文针对目前"电控回路"课程教学中存在的问题,提出采用Flash程序开发出的电控回路教学软件。文中介绍了电控回路教学软件设计的思路,并以CJ12型操作机构为例详细描述了其电控回路开发的流程。通过可视化的电控回路软件将抽象的理论教学以生动的动画形式表现出来。教学实践表明,采用Flash软件教学方法可提高教学质量。     

2．048Mbit／s异步映射入SDHVC－12的映射设计

对ＳＤＨ体系中的２．０４８Ｍｂｉｔ／ｓ支路信号异步映射进ＶＣ－１２的具体过程进行了分析。主要进行了正／零／负码速调整的参数设计，包括通过读写时差的变化来确定缓冲存储容量和上、下门限；并给出了码速调整，以及Ｃ－１２映射入ＶＣ－１２形成５００μｓＶＣ－１２复帧的电路原理框图     

炮兵战场电磁环境可视化研究

针对当前炮兵战场电磁环境不可见特征,部队指挥员对其认知的模糊性,探索炮兵战场电磁环境可视化问题。从作战指挥需要出发,提出了炮兵战场电磁环境可视化系统的设计原则及应满足的具体要求,列举了实现炮兵战场电磁环境可视化的几个基本要素,最后,对炮兵战场电磁环境可视化的技术实现作了详细介绍。