检索结果-内蒙古大学图书馆

计算机应用 2013年第9期33卷 2444-2449页

作者：应加炜陈羽中福州大学数学与计算机科学学院福州350108 福建省网络计算与智能信息处理重点实验室(福州大学) 福州350108

通过分析社会网络中社区发现问题的优化目标,构造了社区发现的多目标优化模型,提出一种网络社区发现的多目标分解粒子群优化算法。该算法采用切比雪夫法将多目标优化问题分解为多个单目标优化子问题,使用粒子群优化(PSO)算法对社区结构... 详细信息

通过分析社会网络中社区发现问题的优化目标,构造了社区发现的多目标优化模型,提出一种网络社区发现的多目标分解粒子群优化算法。该算法采用切比雪夫法将多目标优化问题分解为多个单目标优化子问题,使用粒子群优化(PSO)算法对社区结构进行挖掘,并引入了一种新颖的基于局部搜索的变异策略以提高算法的搜索效率和收敛速度,该算法克服了单目标优化算法存在的解单一以及难以发现社区层次结构的缺陷。人工网络及真实网络上的实验结果表明,该算法能够快速准确地挖掘网络社区并揭示社区的层次结构。

关键词：社会网络社区发现多目标分解粒子群优化变异策略

来源：评论

学校读者我要写书评

暂无评论

多子群协同进化的多目标微粒群优化算法

引用

计算机应用 2012年第2期32卷 456-460页

作者：彭虎黄伟邓长寿九江学院信息科学与技术学院江西九江332005

微粒群优化(PSO)算法是一种非常有竞争力的求解多目标优化问题的群智能算法,因其容易陷入局部极值,导致非劣解集的收敛性和正确性不理想。为此提出一种基于多目标分解进化策略的多子群协同进化的多目标微粒群优化算法(MOPSO_MC),算法中... 详细信息

微粒群优化(PSO)算法是一种非常有竞争力的求解多目标优化问题的群智能算法,因其容易陷入局部极值,导致非劣解集的收敛性和正确性不理想。为此提出一种基于多目标分解进化策略的多子群协同进化的多目标微粒群优化算法(MOPSO_MC),算法中每个子群对应于一个多目标分解之后的子问题,并构造了一种新的速率更新策略,每个粒子跟踪自身历史最优值、子群最优值和子群邻域最优值,从而在增强算法的局部寻优能力的同时,也能从邻域子群获得进化信息,实现协同进化。最后通过仿真实验,与现在主流的多目标微粒群算法在ZDT基准测试函数上比较,验证了算法的收敛性,解分布的均匀性和正确性。

关键词：微粒群优化多目标优化问题多目标分解协同进化

来源：评论

学校读者我要写书评

暂无评论

多目标骨干粒子群优化算法的研究与应用

多目标骨干粒子群优化算法的研究与应用

引用

作者：李颜云南大学

学位级别：硕士

单目标优化问题的最优解通常是唯一的,而在车辆路径规划、电力资源调度、车间管理调度等许多实际问题中,需要寻优的目标都不止一个,这样的问题就是多目标优化问题,多目标优化问题的解通常是一个Pareto最优集合。多目标进化算法是解决多... 详细信息

单目标优化问题的最优解通常是唯一的,而在车辆路径规划、电力资源调度、车间管理调度等许多实际问题中,需要寻优的目标都不止一个,这样的问题就是多目标优化问题,多目标优化问题的解通常是一个Pareto最优集合。多目标进化算法是解决多目标优化问题的常用方法。目前的多目标进化算法在收敛速度和解决高维多目标优化问题的能力上仍然存在不足。提高多目标进化算法的性能是当前的研究热点与难点。论文首先介绍了多目标优化问题的数学定义、研究历史与现状、目前使用的主流优化算法及优缺点,接着介绍了经典的几种多目标进化算法和多目标优化算法的性能评价指标及测试函数集。论文提出了一种基于方向向量分解的多目标骨干粒子群优化算法(DV-MOPSO),该算法采用一种改进的方向向量对多目标优化问题进行分解,加快了算法的收敛速度。通过在ZDT测试函数上与几种流行的多目标优化算法进行了对比实验,实验结果表明在双目标优化问题上,基于方向向量分解的多目标骨干粒子群优化算法的收敛速度和收敛性优于其他的几种流行的多目标优化算法。为了更好的解决目标个数大于4的高维多目标优化问题,论文提出了一种基于分解的多目标骨干粒子群优化算法(BB-MOPSO/D),并从收敛性和多样性两个角度出发,在BB-MOPSO/D算法中引入了一种更快收敛的骨干粒子群优化算法,提出了一种新的边界交叉惩罚函数,增大了储备集的多样性选择压力,同时尽可能的减小收敛性损失。通过在DTLZ测试函数上与几种流行的多目标优化算法进行了对比实验,结果表明,BB-MOPSO/D算法的结果优于其他几种流行的多目标优化算法,尤其是在目标数增大到10时,显著优于其他几种算法,说明BB-MOPSO/D算法能更好的解决高维多目标优化问题。将BB-MOPSO/D算法应用于无线传感器网络中的移动汇聚点路径优化问题中,通过仿真实验验证了BBMOPSO/D算法能很好的解决移动汇聚点路径优化问题。针对现在越来越复杂的多目标优化问题,论文提出的两种多目标骨干粒子群优化算法分别在处理双目标优化问题和高维多目标优化问题上表现出了较好的综合性能,同时具有一定的应用价值。

关键词：多目标优化骨干粒子群优化算法多目标分解方向向量

来源：评论

学校读者我要写书评

暂无评论

基于双重选择机制和角度邻域惩罚机制的多目标进化算法的研究

基于双重选择机制和角度邻域惩罚机制的多目标进化算法的研究

引用

作者：韩平湘潭大学

学位级别：硕士

相比单目标优化问题(SOPs),现实生活中,存在大量的非线性、高度复杂的工程问题,这些问题大多都是多目标优化问题(MOPs)。多目标优化问题具有多个需要同时优化且相互冲突的目标。而针对求解多目标优化问题所对应的进化算法,称之为多目标... 详细信息

相比单目标优化问题(SOPs),现实生活中,存在大量的非线性、高度复杂的工程问题,这些问题大多都是多目标优化问题(MOPs)。多目标优化问题具有多个需要同时优化且相互冲突的目标。而针对求解多目标优化问题所对应的进化算法,称之为多目标进化算法(MOEA)。本文从基于分解的和基于Pareto支配的多目标进化算法入手,提出了下面两个算法。针对基于分解的多目标进化算法(MOEA/D)的改进算法MOEA/D-DRA中个体和子问题的匹配选择问题,本文从分解方法的固有性质出发,理论上分析和论证其子问题性质,从而给出求解最优子问题的具体方法；然后引入竞争性选择理论,利用竞争性选择机制加强子问题内部和子问题之间个体的信息交流,从而促进算法的收敛性和多样性,最后提出了基于竞争性选择和子问题选择的双重选择机制的多目标分解进化算法(MOEA/D-SS)。该算法从DTLZ1测试问题上,采用算法SPEAII获取一组均匀权重向量,根据子问题固有信息以及竞争性选择过程,寻找适合个体的最优子问题。将该算法与MOEA/D-DRA进行对比试验表明,实验结果显示,MOEA/D-SS在收敛性和分布性上都好于MOEA/D-DRA,证明了竞争性选择和子问题选择机制提高了算法的性能。针对基于Pareto支配关系的多目标进化算法在处理高维问题时存在着选择压力小,早熟收敛等不足,提出了一种基于角度邻域惩罚机制的多目标进化算法(ANPMEA)。首先,选择一个离理想点最近的个体(精英个体)；其次,设计了一种基于向量夹角的邻域形状作为惩罚区域；最后,对精英个体邻域内的其它个体进行惩罚,这样将降低与该精英个体邻近的个体进入归档集的机会,提高解集的多样性。通过与NSGA-Ⅱ和其它两个高维多目标优化算法(AR+DMO和AR+CD')进行对比实验。实验结果显示,本文提出的基于角度邻域惩罚机制的多目标进化算法在收敛性和分布性上都好于其它三个算法,且随着维数越高效果越明显。

关键词：多目标优化问题多目标优化多目标分解子问题选择竞争性选择邻域惩罚机制

来源：评论

学校读者我要写书评

暂无评论

基于MOPSO算法的卫星共形阵列天线多波束形成

引用

数据采集与处理 2014年第3期29卷 415-420页

作者：李海林周建江谭静汪飞南京航空航天大学电子信息工程学院南京210016 南京航空航天大学金城学院南京211156

针对共形阵列天线多波束方向图综合问题,提出一种基于最大方向性系数方法得到初始非劣解的多目标粒子群算法,求解满足多个期望波束和低副瓣要求的Pareto最优解。算法首先采用多目标分解策略,由多个单波束最优解的加权线性组合得到近最... 详细信息

针对共形阵列天线多波束方向图综合问题,提出一种基于最大方向性系数方法得到初始非劣解的多目标粒子群算法,求解满足多个期望波束和低副瓣要求的Pareto最优解。算法首先采用多目标分解策略,由多个单波束最优解的加权线性组合得到近最优解的非劣解。然后结合该非劣解,基于粒子空间和目标空间同时约束的局部搜寻策略,使用多目标粒子群算法优化多个波束,并降低副瓣。仿真结果表明,该算法有效地实现了卫星共形阵列天线的多波束形成和低副瓣,且能快速得到Pareto最优解分布。

关键词：共形阵列天线多波束多目标粒子群算法多目标分解

来源：评论

学校读者我要写书评

暂无评论

CMOPSO/D算法的发酵过程补料优化控制

引用

计算机与应用化学 2014年第10期31卷 1262-1266页

作者：柏杨王建林于涛赵利强北京化工大学息科学与技术学院北京100029

为了改善发酵过程补料优化控制的性能指标,提出一种基于改进的分解多目标粒子群优化算法的发酵过程补料优化控制方法。将发酵过程的多目标优化问题分解为若干单目标优化问题,对每个单目标优化问题应用2个粒子群协同搜索最优解,其中一个... 详细信息

为了改善发酵过程补料优化控制的性能指标,提出一种基于改进的分解多目标粒子群优化算法的发酵过程补料优化控制方法。将发酵过程的多目标优化问题分解为若干单目标优化问题,对每个单目标优化问题应用2个粒子群协同搜索最优解,其中一个种群对连接向量进行搜索,改进了连接向量的更新方式,另一个种群将决策空间分解,使用不同种群对不同维度的解向量进行优化,并在进化过程中使用前一个种群的最优解构成完整的解向量评价每个子群的最优解,提高了最优解评价的准确性,保证算法收敛到全局最优解。将该算法用到在工业酵母发酵过程模型中,对补料速率进行优化控制,并同时优化2个性能指标,即菌体浓度最大化和乙醇浓度最小化,并与基本的分解粒子群优化算法的优化结果作对比,该算法获得的Pareto前沿在基本分解粒子群优化算法获得的Pareto前沿下方,并且分布更加完整。实验证明该算法能够获得最优补料速率,使工业酵母发酵过程的菌体浓度提高了约9%,乙醇浓度降低了约为15%,为发酵过程补料优化控制提供了一种有效方法。

关键词：粒子群优化算法多目标分解协同进化发酵过程优化控制

来源：评论

学校读者我要写书评

暂无评论

基于协同粒子群优化算法的发酵过程优化控制方法研究

基于协同粒子群优化算法的发酵过程优化控制方法研究

引用

作者：柏杨北京化工大学

学位级别：硕士

发酵过程的优化控制是提高发酵生产质量、实现经济效益的有效途径。传统的优化控制方法在解决复杂过程的优化问题时难以求出理想解,随着人工智能技术的发展,多目标智能优化算法的搜索过程具有全局性和多向性,有利于实现发酵过程中各指... 详细信息

发酵过程的优化控制是提高发酵生产质量、实现经济效益的有效途径。传统的优化控制方法在解决复杂过程的优化问题时难以求出理想解,随着人工智能技术的发展,多目标智能优化算法的搜索过程具有全局性和多向性,有利于实现发酵过程中各指标的最优权衡。粒子群优化算法具有原理简单、收敛速度快、设置参数少的优点,成为国内外的研究热点。群体间进行信息交流的协同搜索方式有助于提高收敛速度,增强粒子群算法的全局搜索能力。因此,研究基于协同粒子群算法的发酵过程优化控制方法具有重要的理论意义和应用价值。本文在分析粒子群优化算法协同机制的基础上,给出一种基于连接向量更新的粒子群优化算法,并对其有效性进行测试；对多目标分解策略及粒子的搜索方式进行分析,设计了基于分解的协同多目标粒子群优化算法,引入一种动态权值向量法提高了非劣解集的多样性及分布性；在此基础上,利用连接向量更新的粒子群优化算法对青霉素发酵过程模型参数进行优化,采用基于分解的协同多目标粒子群优化算法对工业酵母发酵过程补料速率进行优化控制。实验研究表明,基于连接向量更新的粒子群优化算法可以得到更加收敛的测试函数适应度值,且算法稳定性较好；基于分解的协同多目标粒子群优化算法较基本的分解多目标粒子群优化算法的收敛性及分布性有明显提高；基于连接向量更新的粒子群优化算法对青霉素发酵过程模型进行参数优化可以得到与实际比较接近的状态曲线,基于多目标粒子群优化算法的工业酵母发酵过程的优化控制方法可以获得最优补料速率曲线,为发酵过程的优化控制提供一种有效方法。

关键词：粒子群优化算法粒子群协同多目标分解发酵过程优化控制

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：