检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

316 篇 期刊文献
302 篇 学位论文
291 篇 专利
22 篇 会议
2 篇 成果

馆藏范围

933 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

594 篇 工学
- 391 篇 计算机科学与技术...
- 285 篇 软件工程
- 257 篇 控制科学与工程
- 74 篇 机械工程
- 45 篇 电气工程
- 33 篇 仪器科学与技术
- 32 篇 电子科学与技术（可...
- 23 篇 航空宇航科学与技...
- 19 篇 信息与通信工程
- 17 篇 动力工程及工程热...
- 15 篇 水利工程
- 14 篇 交通运输工程
- 11 篇 材料科学与工程（可...
- 6 篇 农业工程
- 5 篇 建筑学
- 5 篇 土木工程
- 5 篇 矿业工程
- 4 篇 冶金工程
- 4 篇 兵器科学与技术
- 3 篇 光学工程
290 篇 管理学
- 282 篇 管理科学与工程(可...
- 16 篇 工商管理
- 4 篇 公共管理
57 篇 理学
- 46 篇 数学
- 7 篇 系统科学
- 3 篇 统计学（可授理学、...
18 篇 经济学
- 18 篇 应用经济学
9 篇 军事学
7 篇 医学
- 4 篇 公共卫生与预防医...
3 篇 艺术学
2 篇 农学
1 篇 教育学

主题

642 篇 多目标进化算法
77 篇 多目标优化
34 篇 多目标优化问题
21 篇 遗传算法
18 篇 分布性
14 篇 收敛性
14 篇 进化算法
13 篇 pareto最优解
11 篇 种群维护
11 篇 精英策略
11 篇 nsga-ⅱ
10 篇 差分进化
10 篇 小生境
9 篇 局部搜索
8 篇 分解
8 篇 复杂网络
8 篇 车辆路径问题
7 篇 特征选择
7 篇 无线传感器网络
7 篇 擂台赛法则

机构

81 篇 湘潭大学
54 篇 西安电子科技大学
31 篇 华中科技大学
27 篇 安徽大学
21 篇 华南理工大学
20 篇 安徽理工大学
18 篇 国防科技大学
15 篇 电子科技大学
15 篇 东北大学
14 篇 哈尔滨工业大学
14 篇 南京航空航天大学
12 篇 天津大学
12 篇 重庆大学
11 篇 大连理工大学
11 篇 华北电力大学
11 篇 中国地质大学
11 篇 武汉大学
11 篇 广东工业大学
10 篇 桂林电子科技大学
10 篇 南京信息工程大学

作者

39 篇 郑金华
23 篇 zheng jin-hua
15 篇 李密青
11 篇 邹娟
11 篇 张兴义
11 篇 许峰
10 篇 罗彪
10 篇 公茂果
10 篇 li mi-qing
10 篇 王磊
8 篇 程凡
8 篇 luo biao
8 篇 焦李成
7 篇 文诗华
6 篇 李军
6 篇 崔逊学
6 篇 张凯
6 篇 谢承旺
5 篇 高晓华
5 篇 刘海林

语言

933 篇 中文

检索条件"主题词=多目标进化算法"

共 933 条记录，以下是131-140 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于多目标进化算法的Doherty功放3端口网络优化设计方法及应用

基于多目标进化算法的Doherty功放3端口网络优化设计方法及应用

引用

作者：葛晓帅江苏大学

学位级别：硕士

随着计算机和智能计算技术的发展,优化算法及其在电子信息领域的应用成为了目前的研究热点之一。多目标进化算法因其鲁棒性、适应性强,方便解决复杂问题,在实际工程设计领域得到了广泛的应用。Doherty功率放大器是无线通信系统中广泛使... 详细信息

随着计算机和智能计算技术的发展,优化算法及其在电子信息领域的应用成为了目前的研究热点之一。多目标进化算法因其鲁棒性、适应性强,方便解决复杂问题,在实际工程设计领域得到了广泛的应用。Doherty功率放大器是无线通信系统中广泛使用的高效率功率放大器,其性能对系统的数据传输速率和能量效率等指标有着重要影响。其中,Doherty功率放大器的输出合路网络是决定其工作效率和输出功率的关键部分,其本质为3端口网络。为了简化Doherty功率放大器输出合路网络设计流程并提高整体性能,本文以多目标进化算法为基础,采用3端口网络分析方法对Doherty功率放大器输出网络的优化设计进行了研究。主要研究内容总结如下:1.针对基于分解的多目标进化算法中使用基本遗传算子和单一分解方法容易导致算法多样性、收敛性不足的问题,研究了一种基于改进进化算子及分解方法的多目标进化算法,改进父代选择方式后随机选择进化算子,并采用混合的分解方法对种群进行迭代更新,提高了算法的综合性能,并将其应用于Doherty功率放大器输出合路网络的优化设计。为了验证改进算法的性能及其应用于优化设计的可行性,利用多目标测试函数进行测试,对比改进算法与现有算法的性能,并使用实际输出合路网络进行设计验证。从测试结果可知,改进的多目标进化算法综合性能更强,更适用于复杂的工程设计。2.考虑到传统Doherty功率放大器设计结构复杂、流程繁琐和性能相对较差等问题,研究了一种适用于Doherty功率放大器的3端口输出网络整体设计方法。首先,根据饱和输出和功率回退时主辅路的功率比和阻抗计算3端口输出网络所需的S参数。其次,选定输出网络拓扑结构,根据3端口S参数设置目标函数,利用改进算法调用ADS仿真软件对输出网络进行优化设计。上述设计方法有效简化了设计流程,为了验证该方法,设计并实现了一款工作于1.68 GHz频率的Doherty功率放大器。测试结果表明,该放大器功率回退范围达到10d B,回退效率为60%,能够较好地满足实际应用需求。3.为了满足宽带高效率Doherty功率放大器的设计需求,研究了一种使用连续折线型非规则电路结构的Doherty输出网络优化设计方法。首先,利用改进算法调用HFSS仿真软件对非规则电路进行建模仿真。其次,将仿真数据传输至ADS仿真软件进行3端口网络联合仿真和优化。为了验证该设计方法,采用非规则电路结构作为输出网络,设计并实现了一款1.2-2.8 GHz频段高效率Doherty功率放大器。测试结果表明,工作频段内,所设计放大器饱和输出功率大于43d Bm,饱和效率约为50.1-73.4%,6d B功率回退时的效率约为50.1-55.0%,适用于高峰均比的工作场景,验证了采用连续折线型非规则结构结合多目标进化算法对Doherty功率放大器输出网络进行设计的可行性和有效性。

关键词：多目标进化算法 Doherty功率放大器 3端口输出网络非规则结构

来源：评论

学校读者我要写书评

暂无评论

基于多目标进化算法的雷达稀疏成像方法研究

基于多目标进化算法的雷达稀疏成像方法研究

引用

作者：刘璞玉国防科技大学

学位级别：硕士

高分辨成像是信号处理领域的一个研究热点。雷达目标高分辨一维距离像广泛应用于目标识别、空中交通管制等领域。近年来,研究人员提出的压缩感知方法可以通过少量的观测数据来获得高分辨距离像。然而,目前的压缩感知算法主要存在两个问... 详细信息

高分辨成像是信号处理领域的一个研究热点。雷达目标高分辨一维距离像广泛应用于目标识别、空中交通管制等领域。近年来,研究人员提出的压缩感知方法可以通过少量的观测数据来获得高分辨距离像。然而,目前的压缩感知算法主要存在两个问题:一是正则化参数的设置比较困难,二是容易陷入局部最优解。将压缩感知的稀疏恢复问题转化为多目标优化问题是一个有效的解决方案。首先,多目标优化问题的求解不依赖于正则化参数的设置,其次,多目标优化问题的求解进行全局搜索,其解是一组最优解集。多目标进化算法在求解多目标优化问题上表现较好。在雷达成像中,全极化处理能够提取散射目标的相干极化信息,同时,利用全极化信息获取的最佳极化通道可以提高成像自聚焦的精度。传统的压缩感知方法缺乏对全极化信息的利用。因此,本论文围绕雷达目标高分辨距离像,建立了参数化稀疏恢复的全极化处理模型,研究了基于多目标进化算法的全极化雷达成像算法。本论文主要内容如下:1、对雷达目标稀疏成像和多目标进化问题的基本理论和常用算法进行了总结。综述了贪婪追踪类、凸优化类和统计方法类的稀疏成像方法的原理,并选取其代表性算法进行仿真实验,分析比较了这几种算法的性能。研究了多目标进化算法的基本框架,给出了NSGA-Ⅱ和MOEA/D两种多目标进化算法的基本思想和算法流程。2、研究了基于多目标进化算法的雷达成像方法。首先,本论文建立了发射信号为随机步进频率信号的联合稀疏恢复参数化模型。然后,将参数化稀疏恢复问题转化为一个两目标优化问题,利用多目标进化算法实现运动参数和高分辨距离像的联合估计。本论文采用的多目标进化算法是MOEA/D算法,主要采用了一种多阶段搜索的方式。3、将全极化处理与参数化稀疏恢复相结合,建立了一个两类目标的多目标优化模型:参数化联合稀疏恢复优化目标和全极化处理优化目标,最终不仅可以对距离向和运动参数进行估计,还获得最佳极化通道等极化信息。

关键词：高分辨距离像压缩感知多目标进化算法全极化处理 MOEA/D

来源：评论

学校读者我要写书评

暂无评论

求解动态资源投资项目调度问题的多目标进化算法

求解动态资源投资项目调度问题的多目标进化算法

引用

作者：宋艳妮西安电子科技大学

学位级别：硕士

在我们的日常生活中,调度问题无处不在,比如十字路口的车辆调度,工厂中的生产调度,操作系统中的线程调度等等。项目调度主要是从时间和资源上进行考虑进而合理地安排项目活动的执行。传统项目调度问题主要研究确定环境下的调度问题,而... 详细信息

在我们的日常生活中,调度问题无处不在,比如十字路口的车辆调度,工厂中的生产调度,操作系统中的线程调度等等。项目调度主要是从时间和资源上进行考虑进而合理地安排项目活动的执行。传统项目调度问题主要研究确定环境下的调度问题,而在实际的项目调度过程中往往存在各种各样的不确定性,例如由于环境的变化某种资源不能按时到达,导致某个活动的执行时间变长;或者由于某些突发事件,项目中某些活动的优先关系需要进行调整以及另外一些还没有显示出来的不确定性,所以研究不确定环境下的调度问题受到越来越多的关注。本文先对已有的项目调度问题进行了总结和归纳,接着在已有问题的层次和范围方面进行扩展。研究模型从单一目标变为多目标模型,研究环境从确定环境转变为不确定环境。接下来我们介绍本文研究的关于资源投资项目调度问题(resource investment project scheduling problems,RIPSP)的模型以及相应解决算法。首先,我们研究了静态环境下的资源投资项目调度问题,利用差分算法和局部搜索算子进行优化处理;接着研究了动态环境下的多目标资源投资项目调度优化问题,其中动态环境是基于情景模式采样产生的;最后,鉴于情景模式采样需要大量的时间和资源,我们采用鲁棒代理模型研究动态环境下的资源投资项目调度问题的解鲁棒性。本论文主要工作可总结如下:(1)将差分算法(differential evolution algorithm)和局部搜索算子(local search operator)相结合解决静态资源投资项目调度问题,我们称此算法为DELS-RIPSP,这里是一个基于延迟惩罚的最小化项目花费问题。差分算法和局部搜索算子相结合能够有效提升现有个体的性能从而提高整个种群的质量。在实验中,我们测试了450个基准问题,目的在于评估差分算法和局部搜索算子相结合能否有效地解决资源投资项目调度问题。最后,实验结果证明差分算法和局部搜索算子相结合能够快速地找到资源投资项目调度问题的最优解,并且在解决大型项目的资源投资项目调度问题方面比较有潜力。(2)研究基于工期不确定性多目标的动态资源投资项目调度问题(resource investment project scheduling problems with perturbation on activity durations,DP-RIPSPs),提出了一个更吻合现实调度过程的多目标研究模型,基于此多目标模型研究不确定环境下的资源投资项目调度方案鲁棒性的问题。其中,不确定性指项目执行过程中的活动工期是不确定的,并且不确定性是通过情景模式采样来模拟的。我们采用非支配排序遗传算法(NSGA-II)和改进的非支配排序遗传算法(NSGAM-II)分别解决基于不确定性的多目标资源投资项目调度优化问题。改进的非支配排序遗传算法受益于局部搜索算子能够快速找到最优解。我们对1152个基准问题分别进行了测试,结果表明NSGAM-II比NSGA-II能够更快速地找到方案鲁棒性解。(3)鉴于第二部分采用情景模式采样的方法产生不确定环境时需要耗费大量的内存和时间,我们采用基于鲁棒代理模型的方法间接地度量资源投资项目调度问题的方案鲁棒性。鲁棒代理模型能够简便快捷地计算出调度方案的鲁棒性。这里,我们提出了一种基于自由时差和资源冗余线性组合的鲁棒代理模型(a new surrogate model of robustness,SMnew)。在实验中,我们测试了288个基准问题,其中90%以上的测试结果证明了SMnew比已有的鲁棒代理模型具有更好的性能。

关键词：资源投资项目调度不确定环境动态资源投资项目调度方案鲁棒性多目标资源投资项目调度多目标进化算法

来源：评论

学校读者我要写书评

暂无评论

代理模型辅助的多目标进化算法研究及应用

代理模型辅助的多目标进化算法研究及应用

引用

作者：李双兰州理工大学

学位级别：硕士

多目标进化算法由于其使用简单灵活的特点,在工程设计优化问题中获得了广泛应用。但在实际工程中存在一类昂贵多目标优化问题,其目标函数的评估往往需要大量耗时的数值模拟实验或者高昂的经济成本,如车辆耐撞性优化设计问题需要耗时的... 详细信息

多目标进化算法由于其使用简单灵活的特点,在工程设计优化问题中获得了广泛应用。但在实际工程中存在一类昂贵多目标优化问题,其目标函数的评估往往需要大量耗时的数值模拟实验或者高昂的经济成本,如车辆耐撞性优化设计问题需要耗时的计算机实验才能获得较优的设计参数。由于多目标进化算法通常需要大量的适应度函数评估才能获得最优解决方案,使得多目标优化算法在求解昂贵优化问题时面临诸多挑战。目前,引入机器学习模型预测目标值替代昂贵的适应度函数评估是解决这一问题的有效策略。然而,随着优化问题目标空间维度的增加,代理模型的建模效率以及适用性有待进一步提升。此外,如何选择真实评估个体以提高模型精度以及指导算法搜索最优解集也十分重要。因此,本文在现有代理模型辅助多目标进化算法的研究基础上,对代理模型构建方法以及相关模型管理策略展开深入研究,进一步研究代理模型辅助多目标进化算法,最后在一些标准测试问题以及昂贵的工程优化实例上验证本文所提算法的有效性。首先,针对昂贵多目标优化问题,本文提出了一种增量Kriging模型辅助的多目标进化算法。该算法采用矩阵递归的方式构建每个目标的Kriging模型,提高建模效率;使用增量Kriging模型辅助优化算法搜索最优解,根据当前种群目标估值不确定度进行采样。在采样时,为平衡各目标估值间不确定度的影响,设计了多目标MSE并行加点策略,使用该策略从较优解中选择真实评估个体更新模型以提高模型精度;同时为了保证优化算法搜索方向的正确,从数据库中选择若干较优个体作为每次迭代的父代种群。与4种主流的代理模型辅助进化算法在DTLZ标准测试集上进行实验对比分析以验证算法的有效性,实验结果表明所提算法在求解昂贵多目标优化问题时具有一定的效果。其次,针对不同类型的多目标优化问题,集成模型的适用性要优于单一模型。因此,本文在上述内容的基础上提出了一种基于双指标采样策略的自适应集成模型辅助的多目标进化算法。该算法采用在线加权的策略集成增量Kriging模型和RBFN模型构建每个目标函数的代理模型,提高模型预测精度;使用集成模型辅助优化算法搜索最优解集,综合考虑当前种群个体的收敛性和多样性进行模型管理。在模型管理时,为避免误差累积带来的影响以及平衡种群的收敛性和多样性,引入了计算个体收敛性指标和多样性指标的方法,通过基于帕累托的双指标采样策略选择综合性能较好的真实评估个体保存到数据库中;使用数据库中的个体分别更新增量Kriging模型和RBFN模型并从中选择若干较优个体更新迭代优化前的父代种群。与相关变体算法和主流的4种代理模型辅助进化算法在DTLZ标准测试集上进行实验对比分析以验证算法的有效性,实验结果表明所提算法具有较好的求解性能。最后,将本文所提算法应用于汽车正面及侧面碰撞昂贵优化实例的求解中,与传统的多目标进化算法以及代理模型辅助进化算法进行实验对比分析,结果表明所提算法在资源有限的情况下可以有效地解决车辆耐撞性昂贵优化设计问题,进一步验证了本文所提方法的有效性。

关键词：多目标进化算法昂贵优化代理模型模型管理策略集成模型

来源：评论

学校读者我要写书评

暂无评论

混合多目标进化算法的研究与应用

混合多目标进化算法的研究与应用

引用

作者：金焕杰安徽理工大学

学位级别：硕士

无论是在自然科学研究还是实际应用中,多目标优化问题都是主要的研究课题及问题之一。至今为止,国际上对多个目标进化算法的研究已经进入了兴旺时期,出现了各种新型占优机制的优化算法。进化算法是通过模拟自然环境中生物的遗传进化过... 详细信息

无论是在自然科学研究还是实际应用中,多目标优化问题都是主要的研究课题及问题之一。至今为止,国际上对多个目标进化算法的研究已经进入了兴旺时期,出现了各种新型占优机制的优化算法。进化算法是通过模拟自然环境中生物的遗传进化过程而产生的一种自适应全局优化算法,各种优化算法都应用在解决高维多目标优化问题,已经成为当今最具实用价值的研究热点。现在,多目标进化算法在自然科学和工程领域得到广泛运用。本文介绍了多目标优化算法的研究历程及研究现状、论文的研究意义。通过对算法收敛效率和群体多样性及分布性的研究,改进了多目标进化算法。将其应用于解决车辆数不确定的时间窗车辆路径问题及流水车间问题中,取得了比较理想的效果。本文主要从以下几个方面进行研究及探讨： 1.简要介绍了多目标进化算法的研究历程及研究现状。 2.简要介绍了遗传算法的实现原理及算法结构。 3.简要介绍了多目标进化算法的基本概念,多目标优化问题的数学模型的建立及目前几种经典的多目标进化算法；深入研究了多目标遗传算法中的最优解的构造及解的多样性、分布性问题。 4.本文中建立了优化多目标的带有时间窗口的车辆路径问题的数学模型,并且提出了一种基于聚类及小生境的混合遗传算法。算法采用混合并行选择、聚类的方法降低非支配集以及用擂台赛法构造非支配集,避免了求解非凸解的困难,不仅提高了遗传算法的搜索速度而且避免了”早熟”等不足情况。实验结果表明,该算法对于求解车辆数不确定的时间窗车辆路径问题提供了一个非常有效的优化方法。 5.为了能够更高效地去求解多目标流水车间的调度问题,本文提出了一种新的混合多目标遗传算法,采用小生境排挤技术、双重精英保留策略以及非劣解局部搜索等方法,并且可以根据算法适应度来自动调节改变交叉和变异概率。实验表明,这种算法具有更加好的收敛速度和优化结果。

关键词：多目标进化算法聚类方法小生境车辆路径问题流水车间

来源：评论

学校读者我要写书评

暂无评论

渐进交互式多目标进化算法在垃圾处理站选址中的应用

渐进交互式多目标进化算法在垃圾处理站选址中的应用

引用

作者：张雯浙江工业大学

学位级别：硕士

近年来随着城市人口数量的增多和人们消费能力的提高,城市生活垃圾产量快速增长。城市生活垃圾处理站选址问题是逆向物流领域中的一个重要研究方向,它不仅是建立高效垃圾回收处理系统的基础,同时还直接影响着人们的生活环境。设施选址... 详细信息

近年来随着城市人口数量的增多和人们消费能力的提高,城市生活垃圾产量快速增长。城市生活垃圾处理站选址问题是逆向物流领域中的一个重要研究方向,它不仅是建立高效垃圾回收处理系统的基础,同时还直接影响着人们的生活环境。设施选址问题一直以来备受专家学者们的关注,但由于城市生活垃圾具有分散性、危害性等特点,因此,在垃圾处理站的选址上不仅需要考虑成本因素,还应考虑社会环境因素。近年来,土地价格不断上涨,城市中心和郊区的土地价格相差甚远。因此,政府等决策部门在对垃圾处理站进行选址时需要考虑综合因素。本文在传统城市生活垃圾处理站选址模型的基础上,进一步考虑城市土地价格的一般分布规律,针对同时最小化费用(包括土地费用、建设费用和计划使用年限内总的运输费用)及对居民的负效用这两个优化目标的城市生活垃圾处理站选址模型,提出了利用渐进交互式进化多目标优化(Progressively Interactive Evolutionary Multi-objective Optimization, PI-EMO)算法进行求解的优化方法。该算法通过周期性地引入决策者的偏好,运用偏好信息渐进地改进解之间的支配准则,使算法向决策者偏好的区域搜索,避免了对整个Pareto前沿的搜索,从而快速找到符合决策者偏好的解,确定出处理站的最佳选址位置、数量、规模及垃圾产生点的分配方案。最后的实例分析结果表明：1)该算法能快速找到符合决策者偏好的Pareto最优解；2)与NSGA-II相比,该算法能有效减少运算时间,提高求解效率。

关键词：城市生活垃圾渐进交互式多目标进化算法偏好

来源：评论

学校读者我要写书评

暂无评论

基于云模型的SoC测试多目标进化算法研究

基于云模型的SoC测试多目标进化算法研究

引用

作者：朱峰桂林电子科技大学

学位级别：硕士

随着集成电路进入超深亚微米级，SoC技术的应用使得设计和制造成本大幅下降，SoC技术得到越来越广泛的应用。对SoC的研究越来越多，可重构SoC概念也随之出现，虽然 IP核的重构复用在一定程度上缩短了设计周期，但是却增加了对其测试的... 详细信息

随着集成电路进入超深亚微米级，SoC技术的应用使得设计和制造成本大幅下降，SoC技术得到越来越广泛的应用。对SoC的研究越来越多，可重构SoC概念也随之出现，虽然 IP核的重构复用在一定程度上缩短了设计周期，但是却增加了对其测试的复杂度，提高了测试成本，增大测试成本占 SoC总成本的百分比。SoC测试成为了限制SoC发展的一个重要因素。　　本文通过分析 SoC测试的发展情况，提出了对测试时间和测试功耗联合优化的测试优化问题，并且对该多目标优化问题建立了多目标优化的数学模型，为使用多目标进化算法求解多目标优化问题提供了数学模型。然后通过对SPEA-II算法和云模型进行研究，分析了SPEA-II算法的算法特点，和云模型的特性以及云模型对进化算法的改进意义，进而在SPEA-II算法的基础上，深入研究使用云模型对SPEA-II算法的改进，提出一种基于云模型的改进型SPEA-II算法，简称为CSPEA-II算法。　　最后将CSPEA-II算法用于SoC测试结构的多目标优化，对ITC’02标准测试集的电路进行SoC测试结构优化求解，对本文提出的CSPEA-II算法的应用效果进行验证。分别对p93791，d695和p22810电路的优化结果数据进行分析，以及和其它算法所得结果数据对比;验证了云模型对SPEA-II算法在寻优能力及寻优速率方面具有改进效果，以及CSPEA-II算法在解决测试时间和测试功耗联合优化的多目标SoC测试优化问题上具有较好的寻优能力，较快的寻优速率，有利于改进SoC测试优化结构，降低SoC测试成本。

关键词：云模型多目标进化算法集成电路片上系统芯片测试

来源：评论

学校读者我要写书评

暂无评论

基于分解的多目标进化算法在动态可重叠社团发现中的应用

基于分解的多目标进化算法在动态可重叠社团发现中的应用

引用

作者：宋峰北京邮电大学

学位级别：硕士

社区发现(又称为社团发现)是复杂网络研究的重要部分,主要目的是挖掘网络中一群相互联系紧密的节点组成的模块。社区发现在推荐系统,危险预警,舆情分析等领域有着广泛的应用。传统基于静态网络的社区发现已有大量研究,并且积累了许多优... 详细信息

社区发现(又称为社团发现)是复杂网络研究的重要部分,主要目的是挖掘网络中一群相互联系紧密的节点组成的模块。社区发现在推荐系统,危险预警,舆情分析等领域有着广泛的应用。传统基于静态网络的社区发现已有大量研究,并且积累了许多优秀的方法和参数。但是,随着复杂网络的快速发展,新的复杂网络常常具有用户数量多、群体结构复杂、用户社交广泛、发展快等特点。传统静态网络社区发现研究已难以满足当前社区发现需求。动态重叠社区发现研究可以进一步探索复杂网络中社区的复杂性和动态性,是社区发现重要研究方向之一。本文采用一种基于分解的多目标进化算法(Decomposition based multi-objective evolutionary algorithm, MOEA/D)解决动态可重叠社区发现问题。基于MOEA/D的动态社区发现算法(MOEA/D based dynamic community detection algorithm ,MOEAD-DCD)同时优化瞬时评分(Snapshot score, SC)和时间消耗(Temporal cost,TC)两类目标函数。SC采用社区发现经典衡量指标,保证每一个时刻社区发现结果的准确性。TC计算相邻时刻间社区发现结果的相似性,保证动态网络社区发现的稳定性。针对复杂网络的重叠社区发现,传统社区发现往往具有较高时间复杂度,针对该问题本文采用了大量经典策略提高算法效率。包括采用轮盘赌方法设计MOEA/D的初始化算子和进化算子,采用前一时刻社区发现结果初始化当前时刻初始解等。MOEAD-DCD采用一种改进的基于邻接轨迹表达的编码方式,使得网络中一个节点可以同时隶属于多个不同的社区结构。通过保留多种非支配解,MOEAD-DCD保证了社区发现结果多样性,避免人为选择多目标函数的影响权重问题。根据文献调研,本文首次将MOEA/D用于解决动态可重叠社区发现问题。MOEA/D算法具有较高运行效率,能够保证最终非支配解多样性的特点。同时结合本文采用的大量改进策略,与传统社区发现算法相比,MOEAD-DCD能够保证准确性的同时,兼顾动态社区结果的稳定性。计算实验对比验证了 MOEAD-DCD的有效性。

关键词：社区发现多目标进化算法动态网络重叠社区

来源：评论

学校读者我要写书评

暂无评论

基于多目标进化算法的测试用例生成

基于多目标进化算法的测试用例生成

引用

作者：曾志群湖南大学

学位级别：硕士

软件测试是保证软件质量的重要手段,而生成测试用例是成功进行软件测试的前提。测试数据生成问题本质上是一个优化问题,这使得已有的优化方法有可能用于测试数据的生成。常用的方法主要包括:随机法、约束求解法、启发搜索法等等。其中... 详细信息

软件测试是保证软件质量的重要手段,而生成测试用例是成功进行软件测试的前提。测试数据生成问题本质上是一个优化问题,这使得已有的优化方法有可能用于测试数据的生成。常用的方法主要包括:随机法、约束求解法、启发搜索法等等。其中启发搜索法又称基于搜索的软件测试(SBST),被视为最有前景的自动测试生成方法,该方法将测试用例自动生成问题转化为一个数学优化问题,并通过启发式搜索算法求解。将启发搜索法应用于面向对象软件的自动测试生成问题已取得了显著进展。目前已有eToc、EvoUnit、Evacon、TestFul和EvoSuite等进化测试原型工具可以用于为面向对象软件自动生成测试用例。其中EvoSuite是基于WBGA(Whole Suite Based Genetic Algorithm)方法的优秀开源测试框架,能够生成有效的测试用例集。然而,高昂的测试代价严重影响EvoSuite在实际软件测试中的广泛应用。为了高效地生成具有高分支覆盖率的测试用例集,本文从多目标优化的角度,研究求解测试用例生成问题的新方法,最终提出了一种基于分支覆盖准则的可扩展性的测试用例生成方法:基于偏好的多目标进化算法,即PMOGA(Preference-based Multiple-Objective Genetic Algorithm)。首先,将分支覆盖转化为多目标优化问题,提出测试用例生成问题的多目标优化模型,该模型引入基于分层策略的偏好关系,从而增大个体的选择压力,缩减Pareto前沿个体数量;其次,在求解该模型时,选择针对性的适应度函数和设计合理选择算子,并且采用外部归档集保留优秀个体;最后,在PMOGA算法基础上使用局部搜索算子对种群中的最优个体进行局部搜索,优化算法的局部搜索精度,减少进化搜索开销。本文在开源框架EvoSuite中实现了上述方法,为了验证本文方法的有效性,选取2个基准程序和4个开源程序对PMOGA与WBGA方法进行了实验比较,最后还对加入局部搜索算子的LS-PMOGA与PMOGA进行了实验对比。实验结果表明,PMOGA方法相比WBGA方法加快了收敛速率,能够高效地生成测试用例,且生成的测试用例具有更高的分支覆盖能力;加入局部搜索提高了算法的局部搜索精度,进一步提高测试用例生成效率。

关键词： SBST 多目标进化算法 PMOGA 局部搜索

来源：评论

学校读者我要写书评

暂无评论

聚类辅助的多目标进化算法后代生成策略研究

聚类辅助的多目标进化算法后代生成策略研究

引用

作者：刘庭瑞哈尔滨工业大学

学位级别：博士

实际工程和科学计算中广泛存在需要同时优化多个冲突目标的最优化问题。这些问题很难通过传统的优化方法解决。而基于群体的启发式搜索的进化算法,不需要过多考虑求解问题的数学性质,一次运行就可找到多目标优化问题的Pareto解集。此外... 详细信息

实际工程和科学计算中广泛存在需要同时优化多个冲突目标的最优化问题。这些问题很难通过传统的优化方法解决。而基于群体的启发式搜索的进化算法,不需要过多考虑求解问题的数学性质,一次运行就可找到多目标优化问题的Pareto解集。此外,由于其全局搜索能力强、鲁棒性好,多目标进化算法已经成为多目标优化领域主流的方法。多目标进化算法有两个关键组件:后代生成和环境选择。后代生成的作用是为环境选择提供高质量的后代解。目前,多目标进化算法的研究主要集中在环境选择,鲜有后代生成策略的研究。区别于单目标优化,多目标优化的目标是寻找一个Pareto解集,其相应的目标向量构成的集合能够均匀覆盖Pareto前沿。因而,在多目标进化算法中直接使用为单目标优化设计的后代生成方法有很多局限。实际上,在求解多目标优化问题的过程中,历史和当前搜索种群中都隐含着Pareto解集结构的知识。如果能充分利用这些有效信息生成后代解,算法的搜索效率理应得到提高。近年来,机器学习和进化计算的相互促进强力的推进两个领域的发展。因此,本文旨在研究高效利用聚类技术挖掘搜索种群中的Pareto解集结构知识,用于辅助多目标进化算法后代生成策略的设计,从而引导算法搜索。本文的主要研究内容如下: 传统的基于遗传重组的后代生成策略并未结合多目标优化问题特性,缺少对搜索方向的引导,对寻优进程的推进完全依赖于选择压力。为了解决此问题,设计了一种基于高斯混合模型聚类的自适应重组策略ARS,进而提出了一种基于聚类自适应重组策略的多目标进化算法MEARS。ARS通过基于聚类的重组算子和基于重组效用的开发概率,将当前种群中Pareto解集的规则特性知识融入到个体重组中,使算法具备牵引搜索、自适应平衡开发与探索的能力。在MEARS中,ARS使用高斯混合模型聚类挖掘当前搜索种群的Pareto解集结构知识,为个体构造了辅助其进行开发或探索的交配池。通过选择个体所属类或其扩展类为交配池提升个体的开发或探索能力。并通过开发概率辅助算法更好的平衡其开发和探索能力。基于重组效用自适应的更新开发概率以满足种群在不同进化阶段的“开发–探索”平衡需求。以一系列具有复杂PF和PS几何形状的测试集为对象,MEARS与6种代表性MOEA进行了对比实验。实验结果表明,MEARS具有优异的求解性能。实验分析指出,ARS设计科学合理,GMM聚类和自适应策略能有效提高MEARS的性能。多目标进化算法基于模型采样生成后代解时,通常仅从宏观上关注种群或子种群的进化需求,缺乏对个体的进化搜索偏好的考虑。为了解决此问题,设计了一种基于模糊聚类的协方差自适应采样策略CASS,进而提出了一种基于协方差自适应模型的多目标分布估计算法MEDCA。CASS聚焦于采用当前种群中Pareto解集的规则特性知识提升模型采样后代生成策略的性能。在MEDCA中,CASS运用GK-FCM聚类表征种群分布并将种群划分为若干类,基于类划分为每个个体构建一个高斯模型共同逼近Pareto解集的流形并采样生成后代。通过个体的存活世代数自适应量化个体对开发和探索的偏好,并将其作为协方差矩阵的缩放因子引入采样模型中,以满足个体在不同进化阶段的开发与探索偏好。以一系列具有复杂PF和PS几何形状的测试集为对象,MEDCA与6种代表性MOEA进行了对比实验。实验结果表明,MEDCA求解性能表现出色。实验分析指出,CASS设计科学合理,协方差自适应采样策略和缩放因子自适应策略能显著地提升MEDCA的性能。采用批量方式训练的聚类模型,在辅助后代生成时会引入不容忽略的计算开销。为了解决此问题,设计了一种基于增量聚类的模型更新策略ICM,进而一种基于增量聚类的多目标进化算法MEICM。ICM通过“遗忘-学习”的模型更新机制,将聚类模型更新与进化搜索过程紧密结合,使聚类模型能自适应表征不断变化的种群分布,实现规则特性知识的高效挖掘。ICM由两个相互依赖的部分组成,即遗忘算子和学习算子。在聚类模型更新过程中,遗忘算子用于去除聚类模型中由劣质解提供的信息,而学习算子以高质量的子代解作为训练数据更新聚类模型。在进化过程中,用于表征种群分布的聚类模型在初始化后,通过遗忘算子和学习算子的交替作用,能够随着种群的进化进行增量地更新。模型更新充分考虑了进化搜索过程特性,过程中不涉及重复学习和迭代策略,提升了聚类模型挖掘规则特性知识的效率。对比实验结果表明,MEICM在降低聚类模型引入的计算开销的同时,对于多种不同特性的多目标优化问题具有良好的求解效果。实验分析指出,混合多种后代生成策略能有效MEICM的求解性能。多目标进化算法基于遗传重组或模型采样生成的后代解具有随机性风险。为稳定后代解的质量,缓解环境选择压力,设计了一种聚类辅助的预选择策略CAP,并基于此策略提出了一种基于聚类预选择策略的多

关键词：多目标进化算法分布估计算法后代生成聚类预选择

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共94页 << < 10 11 12 13 14 15 16 17 18 19 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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：