基于非线性选择方法的多目标优化遗传算法

针对排序选择法中广泛采用的线性选择方法的缺陷,提出了一种非线性选择方法。这种选择方法既充分体现了非劣解集对劣解集的优先选择权,又考虑到了非劣解集和劣解集中个体的平等性。理论分析和仿真计算表明,这种新的排序选择法不仅能得到分布广泛的Pareto最优解,而且进化速度极快,一般只需30-50代。     

基于非线性选择方法的多目标优化遗传算法

针对排序选择法中广泛采用的线性选择方法的缺陷,提出了一种非线性选择方法。这种选择方法既充分体现了非劣解集对劣解集的优先选择权,又考虑到了非劣解集和劣解集中个体的平等性。理论分析和仿真计算表明,这种新的排序选择法不仅能得到分布广泛的Pareto最优解,而且进化速度极快,一般只需30-50代。     

基于多目标优化问题的教学质量评价模型研究

本文把教学质量评价映射到数学上的多目标优化问题,提出了一种基于多目标的高校教学质量评价模型,能够较为客观的对教师进行评价,有助于提高教学质量,促进我国教学改革和创新。     

基于多目标优化的酿酒葡萄分级模型

提出了在同时考虑酿酒葡萄和葡萄酒的情况下,运用多目标优化模型研究酿酒葡萄的分级方法.首先,建立了以酿酒葡萄的各个理化指标的误差平方和最小和酿酒葡萄对应的葡萄酒质量误差平方和最小为目标的多目标0-1规划模型;其次,利用线性加权法,将多目标0-1规划模型转化成单目标0-1规划模型;然后,建立基于酿酒葡萄分类结果的酿酒葡萄分级模型;最后,将该模型运用于酿酒葡萄分级问题中,将酿酒葡萄分成5级,每级个数分别为6,5,4,6,6,避免了分级方法的主观性和分级不均匀性.     

基于多目标优化的创意平板折叠桌设计

本篇文章主要探究创意平板折叠桌的优化问题,根据桌体高度、桌面边缘线的形状大小和桌脚边缘线的大致形状等不同要求,借助多目标规划和多元线性回归方法,建立优化模型,得到最优解决方案.全面分析了影响平板折叠桌的各种因素,对优化模型进行改进和创新,使得平板折叠桌的稳固性好、加工方便、用材最少,并结合实际情况对模型作出改进.     

基于多目标优化的打孔机生产效能模型

在线路板加工中,过孔加工费占的比重较大,因此,研究打孔机生产效能对减少生产成本,提高收益有重要的作用.首先,进行数据预处理,采用剥离过孔的思想,得到钻头工作时间矩阵及成本矩阵;其次,建立了以打孔机打孔总时间尽量小和打孔总成本尽量小的多目标0-1规划模型;然后,利用功效系数法,将多目标0-1规划模型转化成单目标0-1规划模型;最后,运用加入优先级的改进蚁群算法和2-opt算法计算出打孔机最短行进时间和最少成本以及打孔机的最优作业线路.     

基于Pareto遗传算法的多目标优化

在工程实际当中存在着大量的多目标优化问题,传统的多目标优化方法存在着明显的缺陷.本文介绍一种基于Pareto最优概念的遗传算法来求解多目标优化问题.这种方法能够给出多目标优化问题的Pareto解集,而不是单纯的一个解,从而可以帮助决策者在Pareto解集中挑选适合设计要求的解作为最终解.     

基于多种群的多目标遗传算法研究

根据求解多目标优化问题时的一般要求,结合当前多目标优化算法的研究状况,从增强和保持种群的多样性角度出发,采用多种群的方式,提出了一种基于多种群的多目标遗传算法,同时算法中采用ε-占优的策略更新外部种群.通过针对经典测试函数的实验表明,该算法能够求得这些问题的Pareto前沿,说明该算法具有求解复杂多目标优化问题的能力.     

基于多种群的多目标遗传算法研究

根据求解多目标优化问题时的一般要求,结合当前多目标优化算法的研究状况,从增强和保持种群的多样性角度出发,采用多种群的方式,提出了一种基于多种群的多目标遗传算法,同时算法中采用ε-占优的策略更新外部种群。通过针对经典测试函数的实验表明,该算法能够求得这些问题的Pareto前沿,说明该算法具有求解复杂多目标优化问题的能力。     

基于多目标优化电机控制课程的教改研究

针对目前电机学及其控制课程教学存在的问题和特点,研究多目标优化教学模式来进一步提高教学质量,为完善电气专业教学体系提供支持.文章以培养特色创新人才为目标,优化理论教学;以启发新思维为目标,优化实践教学;以创建高效评价标准为目标,优化考核方式,进一步构建电机及其控制课程体系多目标优化教学模式.它依托专业特色理论科研教学资源改革教学内容,完善多层次实验课程体系,实现多样化的考核方式,从多方面提高学生的专业素质.     

基于聚集密度的协同进化多目标优化算法

为了改善协同进化多目标优化算法性能,引入了聚集密度对超级个体集合进行更新。其基本思想是：首先计算种群中各个体的聚集密度,再定义一个偏序集,然后根据一定的比例依次从偏序集中选择个体更新。根据数值试验和量化指标测试了新算法的收敛性与分布性。结果表明,新算法在收敛性方面与常规协同进化多目标算法相当,但其分布性获得了一定程度的改善。     

认知无线电多目标优化算法研究

认知无线电是指能够感知周围频谱环境并动态使用频谱资源的智能无线通信系统。认知无线电的多目标优化问题是一个典型的动态参数优化问题。以传输能量、数据率以及误比特率等多个参数为目标,采用一种基于DNA计算的非支配排序多目标遗传算法(DNA-GA)来对其进行优化。将CR可调参数进行编码作为染色体,产生大小为N的初始化种群,并根据CR目标函数计算个体适应度,再结合克隆操作使算法收敛于全局最优,最终得到CR系统的最优操作参数。仿真结果表明,DNA-GA可以在不同用户需求情况下获得较好的性能优化。     

基于带决策者偏好多目标优化的证券组合投资研究

对证券投资者而言,投资的收益和风险是其关注的两个主要方面.多目标优化方法可以得到大量的不同投资组合,而投资者往往仅对其中的部分重要投资组合感兴趣,这就需要投资者花费大量的精力选择其感兴趣的投资组合.利用带决策者偏好的多目标优化算法KR-NSGA-Ⅱ对投资收益和风险进行多目标优化,并通过实证分析进行了验证.从实验结果可以看出,KR-NSGA-Ⅱ仅搜索投资者感兴趣的投资组合,从而节省了投资者进行选择的大量时间.     

多目标进场航班调度优化策略研究

对终端区进场航班调度问题,以延误损失和航班序列鲁棒性为目标,建立多目标进场航班调度优化模型。针对建立的模型运用RHC蚁群算法进行优化求解,同时对优化后的序列组进行鲁棒性排序,选出既能够降低航空公司延误损失,又能提高航班序列鲁棒性的优化序列。在仿真验证中,RHC蚁群算法策略与FCFS策略相比,延误损失降低21%。表明RHC蚁群优化策略能够大大降低航空公司的延误损失,提高航班序列的鲁棒性,从而降低管制员工作负荷。     

基于Blending Learning的微课设计研究

通过分析比较Blending Learning概念和微课的概念、特征,提出了基于Blending Learning的微课新概念.依据Blending Learning教学过程设计模式,阐述了微课教学设计组成和原则,微课网络平台设计的基本形式、构成要素及活动特征.根据Blending Learning中师生角色、教学过程和视频录制等进行了微课分类,着重分析了讲授类和演示类微课的设计,以及微课视频录制技术应用,并且运用多媒体学习理论阐明了微课件的设计原则.     

非线性最优化问题及其算法研究

文章概述了非线性规划中的两类超线性收敛算法的基本原理和发展，特别讨论了SSLE算法的优越性，指出了严格互补松弛条件的苛刻性以及去掉这一条件需要做的工作，也进一步阐明了此算法的发展方向。     

利用伺服液位计实现车用汽油精准调合

利用现有储罐伺服液位计能够测量液体密度这一特殊功能,以及已成功应用于储罐罐量自动计算的微机软件系统,开发出车用汽油精准罐式调合系统,提高了一次调合合格率,缩短了生产周期,节约了调合成本.     

基于模糊语言判断矩阵的多目标博弈研究

研究了大系统下的目标权重信息不确定情形的多目标博弈问题,利用区间数互补判断矩阵本身信息及赋权方法获得多目标博弈各目标权重,从而转化为单目标情形进行求解.对于目标权重不确定情形下的多目标博弈问题给出了具体的求解方法,实现了依据局中人对于方案的选择态度的不同给定不同的判断矩阵进而获得不同的结论,实例证明该方法具有实际可行性.     

基于多目标算法的玩具产品风险监测研究

提出了一种基于多目标的玩具产品风险分析算法,利用该算法对风险信息进行整合量化处理及S值计算,得到产品风险值排序。实验表明,对于设定的检测项目和技术要求,经过多目标算法计算,能够得到样品的风险值,进而得到样品的风险排序,为玩具产品风险监测提供依据。