A heuristic biomarker selection approach based on professional tennis player ranking strategy

Extracting significant features from high-dimension and small sample size biological data is a challenging problem. Recently, Micha? Draminski proposed the Monte Carlo feature selection (MC) algorithm, which was able to search over large feature spaces and achieved better classification accuracies. However in MC the information of feature rank variations is not utilized and the ranks of features are not dynamically updated. Here, we propose a novel feature selection algorithm which integrates the ideas of the professional tennis players ranking, such as seed players and dynamic ranking, into Monte Carlo simulation. Seed players make the feature selection game more competitive and selective. The strategy of dynamic ranking ensures that it is always the current best players to take part in each competition. The proposed algorithm is tested on 8 biological datasets. Results demonstrate that the proposed method is computationally efficient, stable and has favorable performance in classification.     

基于环境选择和配对选择的多目标粒子群算法

为了使多目标粒子群算法中种群粒子能够快速地收敛于怕累托最优边界,针对标准多目标粒子群算法中缺乏粒子评价标准以及种群个体历史最优值位置和全局最优值位置选择问题,提出了一种基于环境选择和配对选择策略的多目标粒子群算法.该算法在每次迭代时,采用SPEA2中的环境选择和配对选择策略及适应度值计算方法,以此来提高种群粒子之间的信息交换力度,减少标准多目标粒子群算法中大量的随机性,使种群粒子能够更快速地收敛于怕累托最优边界.经典测试函数的仿真实验结果表明,在标准多目标粒子群算法中运用SPEA2的环境选择、配对选择策略和适应度值计算方法,能够使种群粒子更快速地收敛于帕累托最优边界,验证了算法改进的可行性和有效性.     

基于集对分析与NSGA-Ⅱ的生产作业多目标优化

针对生产过程中生产作业的优化调度问题,以生产质量、效率和成本阈值为约束条件,基于集对分析建立了的生产质量—效率—成本控制的生产作业多目标优化模型;利用快速非支配排序遗传算法（NSGA-Ⅱ）求解优化模型,得到相对确定条件下质量—效率—成本控制的Pareto最优解集。决策者依据实际生产过程需要,为各项生产作业从Pareto最优解集中筛选最合理的调度方案。最后,通过算例仿真验证了结合集对分析与NSGA-Ⅱ的方法解决生产作业多目标优化问题的准确性、有效性和实用性。     

基于概念设计阶段的解耦模式车门截面形状优化方法

为了提高车门静态刚度, 采用基于HDMR理论的多参数解耦优化方法与Morph技术结合, 对一款处于概念设计阶段车门的主截面形状进行优化。这种建模方法的特点在于通过少量的样本点识别形状变量之间的耦合关系, 进而将高维问题进行分解, 在保证精度的前提下提高计算效率。采用Kriging插值方法对Cut-HDMR的各项进行构造, 得到车门各刚度下的考察点位移和质量的近似模型, 进而利用非支配排序多目标遗传算法（NSGA-Ⅱ）对近似模型进行优化, 在车门静态刚度均达到设计要求的前提下合理进行减重, 使垂直刚度和扭转刚度得到了很大的提高。     

自适应混合多目标分布估计进化算法

针对多目标分布估计算法全局收敛性较弱的缺陷,提出了一种自适应混合多目标分布估计进化算法。其基本思想是:在多目标分布估计算法中引入全局收敛性较强的差分进化算法,当函数变化率较大时,用分布估计算法产生新种群;当函数变化率较小即算法可能陷入局部收敛时,用差分进化算法产生新种群。理论分析和数值实验结果表明,这种混合算法不仅具有良好的全局收敛性,而且解的分布性和均匀性较没有考虑目标函数变化率的混合多目标分布估计算法也有了一定程度的提高。     

基于空间网格划分的多目标进化算法

为了有效求解多目标优化问题,找到分布宽广、均匀的Pareto解集,提出了一个基于空间网格划分的进化算法。将目标空间网格化,利用网格的位置,删除大量被支配个体。在杂交算子中利用了单个目标最优的个体信息,以增加非劣解的宽广性。利用一种新设计的基于最大距离排序的方法删除非劣解集中多余个体。数值实验表明提出的算法是可行有效的。     

云制造环境下面向多目标优化的虚拟资源调度研究

为解决云制造环境下虚拟资源调度存在的算法求解效率不高、模型建立缺乏考虑任务间关系约束和任务间及子任务间的物流时间及成本因素等不足,构建了兼顾交货期时间最小化、服务成本最低化、服务质量最优化为目标的多目标虚拟资源调度模型;采用一种基于项目阶段的双链编码方式进行编码,并提出自适应交叉与变异概率公式,以避免交叉、变异概率始终不变导致算法效率下降与过早收敛的问题;在此基础上利用基于项目阶段的多种交叉变异策略相结合的改进遗传算法进行求解,保证了算法的全局与局部搜索性能。实例结果表明,相比于传统的模型与算法,该模型适用性更强,改进的遗传算法在求解效率、准确度与稳定性方面均有较大提高。     

Coordinating efficiency and equity in disaster relief logistics via information updates

This paper addresses a multi-supplier, multi-affected area, multi-relief, and multi-vehicle relief allocation problem in disaster relief logistics. A multi-objective optimisation model based on disaster scenario information updates is proposed in an attempt to coordinate efficiency and equity through timely and appropriate decisions regarding issues such as vehicle routing and relief allocation. An optimal stopping rule is also proposed to determine the optimum period of delay before responding to disaster, because decision making requires accurate disaster information. The main contribution of this paper is solving relief allocation problem in a novel way by correlating operational research with statistical decision making and Bayesian sequential analysis. Finally, a case is presented based on the post-disaster rescue in Eastern China after supertyphoon Saomai to test the applicability and show the potential advantages of the proposed model.     

基于多目标优化的黔中区水资源配置研究

以黔中水利枢纽一期工程为研究对象,开展水资源优化配置研究。在分析黔中水利枢纽工程概况及水资源优化配置原则的基础上,建立了黔中水利枢纽工程水资源优化配置模型,采用多目标规划对模型进行求解,得出了2007,2015年和2020年水平年黔中灌区、贵阳市区以及安顺市区的水资源优化配置结果;同时,对供需平衡、经济效益和污水排放量3个指标进行了对比分析。该模型分析结果为黔中区水资源的配置提供了科学合理的依据。     

面向金泽水库取水安全的太浦河多目标联合调度研究

为强化上海市黄浦江供水系统的重要组成部分金泽水源地取水安全,又兼顾太湖流域及太浦河沿线区域防洪、供水需求,开展了太浦河太浦闸与沿线88个闸控口门的多目标联合调度研究。在分析太浦闸及两岸河道现有调度方式的基础上,拟定了两类共10个联合调度方案。采用细化后的太湖流域水量水质模型,对各调度方案进行了模拟。然后,构建了反映防洪、供水、水环境需求的多目标函数,采用蚁群优选算法对所有调度方案进行了优选。结果表明:与现状调度方案相比,太浦闸同时根据太湖水位和金泽断面水质情况加大下泄流量,同时太浦河沿线河道闸门有序控制,可显著提高金泽水源地关键水质指标达标率、抬升金泽水源地最低水位,又基本不影响流域及区域其他调度需求。