检索结果-内蒙古大学图书馆

光学精密工程 2015年第7期23卷 2109-2116页

作者：赵东赵宏伟于繁华吉林大学计算机科学与技术学院吉林长春130022 长春师范大学计算机科学与技术学院吉林长春130032

对小区背景下运动物体图像进行分割时多使用单目标或多目标优化方法,这类方法不能有效适应目标的动态变化,因此本文提出一种动态多目标图像分割优化方法。该方法将时间及环境动态因素作为动态因子,利用K均值(KMeans)算法和和模糊C均值(F... 详细信息

对小区背景下运动物体图像进行分割时多使用单目标或多目标优化方法,这类方法不能有效适应目标的动态变化,因此本文提出一种动态多目标图像分割优化方法。该方法将时间及环境动态因素作为动态因子,利用K均值(KMeans)算法和和模糊C均值(FCM)聚类算法构造多目标函数;结合动态多目标粒子群算法(DMPSO),使用背景差分法定义环境变化规则,实现动态多目标的图像分割。根据DMPSO算法优化后的聚类结果,分别与K-Means和FCM聚类方法得到的结果进行了对比。结果表明,动态多目标优化的Pareto最优解集分布均匀,图像分割准确率可达到95%,对图像识别的准确率可达到90%,具有较高的识别能力,能满足确定背景下运动物体的准确识别。

关键词：图像分割图像聚类运动目标动态多目标优化粒子群算法

来源：评论

学校读者我要写书评

暂无评论

动态多目标优化:测试函数和算法比较

引用

控制与决策 2020年第10期35卷 2372-2380页

作者：武燕石露露周艳西安电子科技大学数学与统计学院西安710126 陆军边海防学院基础部西安710108

生活中存在大量的动态多目标优化问题,应用进化算法求解动态多目标优化问题受到越来越多的关注,而动态多目标测试函数对算法的评估起着重要的作用.在已有动态多目标测试函数的基础上,设计一组新的动态多目标测试函数. Pareto最优解集和P... 详细信息

生活中存在大量的动态多目标优化问题,应用进化算法求解动态多目标优化问题受到越来越多的关注,而动态多目标测试函数对算法的评估起着重要的作用.在已有动态多目标测试函数的基础上,设计一组新的动态多目标测试函数. Pareto最优解集和Pareto前沿面的不同变化形式影响着动态多目标测试函数的难易程度,通过引入Pareto最优解集形状的变化,结合已有的Pareto最优解集移动模式,设计一组测试函数集.基于提出的测试函数集,对3个算法进行测试,仿真实验结果表明,所设计的函数给3个算法带来了挑战,并展现出算法的优劣.

关键词：动态多目标优化进化算法测试函数性能比较

来源：评论

学校读者我要写书评

暂无评论

动态多目标优化的预测遗传算法

引用

控制与决策 2013年第5期28卷 677-682页

作者：武燕刘小雄池程芝西安电子科技大学理学院西安710071 西北工业大学自动化学院西安710072

为了在动态环境中很好地跟踪最优解,考虑动态优化问题的特点,提出一种新的多目标预测遗传算法.首先对Pareto前沿面进行聚类以求得解集的质心;其次应用该质心与参考点描述Pareto前沿面;再次通过预测方法给出预测点集,使得算法在环境变化... 详细信息

为了在动态环境中很好地跟踪最优解,考虑动态优化问题的特点,提出一种新的多目标预测遗传算法.首先对Pareto前沿面进行聚类以求得解集的质心;其次应用该质心与参考点描述Pareto前沿面;再次通过预测方法给出预测点集,使得算法在环境变化后能够有指导地增加种群多样性,以便快速跟踪最优解;最后应用标准动态测试问题进行算法测试,仿真分析结果表明所提出算法能适应动态环境,快速跟踪Pareto前沿面.

关键词：动态多目标优化遗传算法预测种群多样性

来源：评论

学校读者我要写书评

暂无评论

动态多目标优化研究综述

引用

计算机学报 2020年第7期43卷 1246-1278页

作者：刘若辰李建霞刘静焦李成西安电子科技大学智能感知与图像理解教育部重点实验室西安710071

现实生活中,存在许多动态多目标优化问题(Dynamic Multi-objective Optimization Problems,DMOPs),这类问题的目标函数之间相互矛盾,并且目标函数、约束或者参数都可能随着时间的变化而发生变化.这种随时间不断变化的特性,给解决DMOPs... 详细信息

现实生活中,存在许多动态多目标优化问题(Dynamic Multi-objective Optimization Problems,DMOPs),这类问题的目标函数之间相互矛盾,并且目标函数、约束或者参数都可能随着时间的变化而发生变化.这种随时间不断变化的特性,给解决DMOPs带来了挑战,算法不仅要能够追踪到最优解,同时还要求算法能够快速地对发生的变化做出响应.本文对动态多目标优化(Dynamic Multi-objective Optimization,DMO)的研究进行了比较全面的综述,具体内容如下:(1)描述了DMO的相关理论背景;(2)阐述了DMOPs的分类并对现有的基准问题做了分类归纳;(3)详细讨论了DMO研究的发展概况;(4)对DMO算法的性能评价指标进行了归类介绍;(5)通过实验对比了主流DMO算法的性能;(6)总结了DMO算法在一些领域的应用;(7)分析了解决DMOPs存在的挑战以及诸多难题.

关键词：动态多目标优化多目标优化 Pareto最优测试函数性能指标实际应用

来源：评论

学校读者我要写书评

暂无评论

动态多目标优化的进化算法及其收敛性分析

引用

电子学报 2007年第6期35卷 1118-1121页

作者：刘淳安王宇平西安电子科技大学理学院西安电子科技大学计算机学院陕西西安710071

给出了动态多目标优化问题的一种新解法.首先对时间变量进行了等区间离散化,在得到的子区间(称为环境)上定义了种群的静态序值方差和静态密度方差.然后把动态多目标优化问题近似地转化成了若干个两个目标的静态优化问题.在给出的一种能... 详细信息

给出了动态多目标优化问题的一种新解法.首先对时间变量进行了等区间离散化,在得到的子区间(称为环境)上定义了种群的静态序值方差和静态密度方差.然后把动态多目标优化问题近似地转化成了若干个两个目标的静态优化问题.在给出的一种能自动检测环境变化的应答算子下,提出了一种动态多目标进化算法,同时证明了算法的收敛性.计算机仿真表明新算法对动念多目标优化问题是有效的.

关键词：动态多目标优化进化算法均匀性分布

来源：评论

学校读者我要写书评

暂无评论

基于生态策略的动态多目标优化算法

引用

计算机研究与发展 2014年第6期51卷 1313-1330页

作者：张世文李智勇陈少淼李仁发湖南大学信息科学与工程学院长沙410082

动态多目标优化问题(dynamic multi-objective optimization problems,DMOP)的目标函数、约束条件或者问题的相关参数随时间变化,是多目标优化领域非常重要的研究难题,传统方法难以很好地追踪其变化的Pareto前沿.针对动态多目标优化问... 详细信息

动态多目标优化问题(dynamic multi-objective optimization problems,DMOP)的目标函数、约束条件或者问题的相关参数随时间变化,是多目标优化领域非常重要的研究难题,传统方法难以很好地追踪其变化的Pareto前沿.针对动态多目标优化问题特点,提出了一种基于生态策略的动态多目标优化算法(dynamic multi-objective optimization algorithm based on ecological strategy,ESDMO).各种群可以采取不同的进化策略应对外部环境变化,捕食种群与被捕食群体间的竞争也促进种群不断提高生存力.受此启发,采用了一种多种群协同进化机制与强化学习策略相结合的协同进化计算模型.该算法定义了一种环境自检算子用于检测环境的变化,不同的种群采取不同的生态策略来应对动态环境变化.经过各种类型的动态多目标优化问题测试,实验结果表明所提出的算法具有更好的解集多样性、均匀性和分布性,验证了该算法对于解决动态多目标优化问题是有效的.

关键词：动态多目标优化 Pareto前沿协同进化生态策略进化算法

来源：评论

学校读者我要写书评

暂无评论

基于决策变量关系的动态多目标优化算法

引用

控制与决策 2024年第1期39卷 78-86页

作者：呼子宇李紫晗孙浩魏立新王聪燕山大学电气工程学院河北秦皇岛066004 燕山大学智能控制系统与智能装备教育部工程研究中心河北秦皇岛066004

动态多目标优化问题(DMOPs)需要进化算法跟踪不断变化的Pareto最优前沿,从而在检测到环境变化时能够及时有效地做出响应.为了解决上述问题,提出一种基于决策变量关系的动态多目标优化算法.首先,通过决策变量对收敛性和多样性贡献大小的... 详细信息

动态多目标优化问题(DMOPs)需要进化算法跟踪不断变化的Pareto最优前沿,从而在检测到环境变化时能够及时有效地做出响应.为了解决上述问题,提出一种基于决策变量关系的动态多目标优化算法.首先,通过决策变量对收敛性和多样性贡献大小的检测机制将决策变量分为收敛性相关决策变量(CV)和多样性相关决策变量(DV),对不同类型决策变量采用不同的优化策略;其次,提出一种局部搜索多样性维护机制,使个体在Pareto前沿分布更加均匀;最后,对两部分产生的组合个体进行非支配排序构成新环境下的种群.为了验证DVR的性能,将DVR与3种动态多目标优化算法在15个基准测试问题上进行比较,实验结果表明, DVR算法相较于其他3种算法表现出更优的收敛性和多样性.

关键词：动态多目标优化进化算法预测决策变量关系引导个体多样性保持

来源：评论

学校读者我要写书评

暂无评论

使用新预测模型的动态多目标优化算法

引用

西安交通大学学报 2018年第10期52卷 8-15页

作者：李智翔李赟贺亮沈超盲信号处理重点实验室成都610041 西安交通大学智能网络与网络安全教育部重点实验室西安710049

针对实际应用中动态多目标优化算法对快速变化的最优解集跟踪能力不强的问题,提出了一种使用结合中心点预测值和垂直扰动分量的新预测模型的动态多目标优化算法。首先,计算变化前最优解集的中心点作为预测对象,改变了通常使用全部解进... 详细信息

针对实际应用中动态多目标优化算法对快速变化的最优解集跟踪能力不强的问题,提出了一种使用结合中心点预测值和垂直扰动分量的新预测模型的动态多目标优化算法。首先,计算变化前最优解集的中心点作为预测对象,改变了通常使用全部解进行预测的方式,提升了算法效率;其次,结合算法迭代的历史信息,选取位置、速度、加速度作为预测的状态向量,保证了算法对大多数情形下解集整体变化的跟踪预测能力;最后,为预测的新解添加了垂直于预测变化方向的超平面随机扰动,增强了解集的多样性,进而提升了算法收敛速度。实验结果表明,该算法在75%的测试函数集上的性能优于其他3种经典的动态多目标优化算法,其耗时较经典的基于卡尔曼滤波预测的动态多目标优化算法平均减少了39%。

关键词：动态多目标优化进化算法卡尔曼滤波预测模型

来源：评论

学校读者我要写书评

暂无评论

基于多区域中心点预测的动态多目标优化算法

引用

控制与决策 2022年第10期37卷 2477-2486页

作者：马学敏杨景明孙浩呼子宇韦钦楠燕山大学电气工程学院河北秦皇岛066004 燕山大学智能控制系统与智能装备教育部工程研究中心河北秦皇岛066004

现实生活中存在很多动态多目标优化问题(DMOPs),这类问题要求算法在环境变化后快速收敛到新的Pareto前沿,并保持解集的多样性,随着Pareto前沿复杂程度的增加,这一问题更加突出.鉴于此,提出一种基于多区域中心点预测的动态多目标优化算法... 详细信息

现实生活中存在很多动态多目标优化问题(DMOPs),这类问题要求算法在环境变化后快速收敛到新的Pareto前沿,并保持解集的多样性,随着Pareto前沿复杂程度的增加,这一问题更加突出.鉴于此,提出一种基于多区域中心点预测的动态多目标优化算法(MCPDMO).首先,根据环境变化的严重程度将种群划分为多个子区域,使得个体的分配更加适应动态变化的环境;然后,分别计算每个子区域的中心点,对不同子区域在不同时刻的中心点建立时间序列,并利用差分模型预测新环境的最优解集,以提高算法对不同环境变化的响应能力;最后,为验证算法的有效性,与3种动态多目标优化算法在10个标准测试函数上进行仿真实验.实验结果表明,所提出算法在具有复杂Pareto前沿的动态问题上表现出更优的收敛性和分布性.

关键词：动态多目标优化多目标优化进化算法预测环境变化程度子区域

来源：评论

学校读者我要写书评

暂无评论

基于个体预测的动态多目标优化算法

引用

浙江大学学报（工学版） 2023年第11期57卷 2133-2146页

作者：王万良陈忠馗吴菲王铮俞梦娇浙江工业大学计算机科学与技术学院浙江杭州310023

为了快速追踪随环境变化的动态多目标优化问题的Pareto前沿,提出基于个体预测的动态多目标优化算法(IPS).利用参考点联系算法筛选出特殊点,该特殊点具有良好的收敛性和多样性,通过对特殊点集的预测快速响应环境变化.提出针对种群中心点... 详细信息

为了快速追踪随环境变化的动态多目标优化问题的Pareto前沿,提出基于个体预测的动态多目标优化算法(IPS).利用参考点联系算法筛选出特殊点,该特殊点具有良好的收敛性和多样性,通过对特殊点集的预测快速响应环境变化.提出针对种群中心点预测的反馈校正机制,在预测非支配解集的过程中,对预测步长进行反馈校正,从而使预测更加准确;为了避免算法陷入局部最优,提出混合多样性维持机制,引入由拉丁超立方抽样和精度可控的突变策略分别产生的随机个体,以提高种群的多样性.将所提算法与其他4种动态多目标优化算法进行对比分析,实验结果表明,IPS能够平衡种群的多样性和收敛性,在FDA、DMOP、F5~F10系列问题上,实验结果优于其他4种算法.

关键词：动态多目标优化参考点联系算法特殊点反馈校正多样性

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：