检索结果-内蒙古大学图书馆

计算机学报 2024年第1期47卷 69-89页

作者：谢承旺潘嘉敏郭华王冬梅付世炜华南师范大学数据科学与工程学院广东汕尾516600 南宁师范大学计算机与信息工程学院南宁530100 成都职业技术学院软件学院成都610041

现实中存在大量的大规模多目标优化问题,这些问题所固有的目标函数间冲突性、巨大的搜索空间以及决策变量可能存在的交互等特征对传统的多目标进化算法构成了巨大的挑战.研究者根据此类问题的特点基于不同的视角提出了多种大规模多目标... 详细信息

现实中存在大量的大规模多目标优化问题,这些问题所固有的目标函数间冲突性、巨大的搜索空间以及决策变量可能存在的交互等特征对传统的多目标进化算法构成了巨大的挑战.研究者根据此类问题的特点基于不同的视角提出了多种大规模多目标进化算法,但它们在解题的质量和效率方面尚存较大的提升空间.基于此,提出一种采用混合策略的大规模多目标进化算法LSMOEA/HS.该算法提出的一种黄金分层分组方法将大规模决策变量分成收敛性组和多样性组,然后对收敛性变量组执行基于变量组的相关性检测操作,将收敛性变量组划分成若干更小规模的子组,最后算法采用不同的优化策略分别优化收敛性变量组和多样性变量组以获得最终的解题结果.为验证LSMOEA/HS的有效性,将其与五种新近提出的高效的大规模多目标进化算法一同在决策变量维度为200、500、1000、2000和5000的2-目标和3-目标的LSMOP系列测试实例上进行IGD和HV性能测试,实验结果表明LSMOEA/HS具有显著较优的收敛性和多样性.由此表明,LSMOEA/HS是一种颇具前景的大规模多目标进化算法.

关键词：大规模多目标优化问题变量分组进化算法收敛性多样性大规模多目标进化算法

来源：评论

学校读者我要写书评

暂无评论

基于大规模多目标进化算法的金属露天矿卡车调度研究

基于大规模多目标进化算法的金属露天矿卡车调度研究

引用

作者：黄思平西安建筑科技大学

学位级别：硕士

在金属露天矿开采工作中,卡车运输成本占其总成本的60%,这使得露天矿卡车调度优化问题受到采矿企业的高度重视。随着矿山开采规模的扩大,采矿企业希望通过在露天矿采区内增设矿石的装载点和卸载点、扩大运输车队的规模,以加速开采进度... 详细信息

在金属露天矿开采工作中,卡车运输成本占其总成本的60%,这使得露天矿卡车调度优化问题受到采矿企业的高度重视。随着矿山开采规模的扩大,采矿企业希望通过在露天矿采区内增设矿石的装载点和卸载点、扩大运输车队的规模,以加速开采进度并提升生产效益。但与此同时,车队的运输效率和成本也变得难以把控,这对露天矿卡车调度优化工作提出了更大的挑战。因此,本研究基于实际露天矿卡车调度场景,构建露天矿卡车调度多目标优化模型,并针对模型的特性提出高效的露天矿卡车调度求解算法,旨在获得效益高、成本低的卡车调度方案。本研究主要工作如下: (1)综述了现有关于露天矿卡车调度优化问题的工作。首先对各种类型的露天矿卡车调度优化模型和相应求解方法进行了系统的梳理和总结;然后简要介绍了露天矿卡车调度的基本理论,归纳了多目标优化理论以及大规模多目标进化算法的核心思想,为设计卡车调度优化模型和求解算法奠定理论基础。 (2)构建了露天矿卡车调度多目标优化模型。基于现有研究,考虑采矿企业的效益追求以及实际露天矿卡车运输中涉及的各种因素,建立以最大化卡车矿石总运量、最小化卡车单班次非作业时间、最小化卡车总运输成本为优化目标,以装/卸载点的矿石产量、矿石品位、车流规划和单班次时长等为约束的露天矿卡车调度多目标优化模型。 (3)提出基于大规模多目标进化的露天矿卡车调度优化算法。考虑露天矿卡车调度优化问题具有大规模、多目标、多约束和实时性等特点,在大规模多目标优化理论的基础上,针对本文建立的模型设计了基于对称方向采样技术的大规模多目标进化算法(LMOEA-SDS)。该算法提出专门求解大规模多目标优化问题的对称方向采样技术,在人工测试集上的一系列对比实验表明,其能够更加全面、高效地探索卡车调度问题的大规模搜索空间,从而求解获得更多潜在的高质量解,最终得到效益高、成本低的卡车调度方案。 (4)基于某实际金属露天矿山卡车调度场景,使用提出的模型与算法制定卡车调度方案。将该金属露天矿山的卡车调度相关数据作为输入导进构建的露天矿卡车调度多目标优化模型,并使用设计的LMOEA-SDS算法及两种对比算法对模型进行求解,优化仿真结果表明了LMOEA-SDS算法在求解卡车调度多目标优化问题时的优越性能和提出模型的实用性。

关键词：露天矿多目标优化卡车调度优化大规模多目标进化算法

来源：评论

学校读者我要写书评

暂无评论

基于混合变量动态分组的大规模多目标进化算法

引用

长江信息通信 2022年第11期35卷 36-38页

作者：潘嘉敏南宁师范大学计算机与信息工程学院广西南宁530100

变量分组是解决大规模多目标优化问题的有效途径。针对混合变量分组存在的问题,文章提出基于混合变量动态分组的大规模多目标进化算法来对混合变量进行更精确的分组,通过控制变量分析中个体非支配排序后第一层的个体数与采样数的比例来... 详细信息

变量分组是解决大规模多目标优化问题的有效途径。针对混合变量分组存在的问题,文章提出基于混合变量动态分组的大规模多目标进化算法来对混合变量进行更精确的分组,通过控制变量分析中个体非支配排序后第一层的个体数与采样数的比例来挖掘混合变量的动态特征。本文算法MOEA/DVA-F与其他三种经典的大规模多目标进化算法一同在LSMOP1~LSMOP5测试问题上进行IGD性能测试,实验结果表明,MOEA/DVA-F算法具有较好的收敛性和多样性。由此表明MOEA/DVA-F算法是一种有前途的大规模多目标进化算法。

关键词：大规模决策变量混合变量动态分组大规模多目标进化算法

来源：评论

学校读者我要写书评

暂无评论

LSMOEA/2s:一种基于变量两阶段分组的多目标进化算法

引用

广西科学 2023年第2期30卷 413-420页

作者：谢承旺潘嘉敏付世炜廖剑平南宁师范大学计算机与信息工程学院广西南宁530000 华南师范大学数据科学与工程学院广东汕尾516600

大规模多目标优化问题(Large-Scale Multi-objective Optimization Problem,LSMOP)固有的性质给多目标进化算法(Multi-Objective Evolutionary Algorithm,MOEA)带来挑战。目前大多数大规模多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm,LSMOEA)需要耗费较多的计算资源对大规模决策变量进行分组,使得用于优化问题解的计算资源相对不足,影响了算法效率和解题性能。基于此,本研究提出一种基于变量两阶段分组的多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm adopting two-stage variable grouping,LSMOEA/2s)。新算法首先利用基于变量组的相关性检测方法快速识别独立变量,然后利用高频次随机分组方法将非独立变量划分成若干子组,最后利用MOEA/D算法优化所有的独立变量和非独立变量子组。将所提算法与当前4种代表性算法(MOEA/D、CCGDE3、RVEA、S3-CMA-ES)一同在LSMOP系列测试问题上进行反转世代距离(Inverted Generational Distance,IGD)性能测试,结果表明,LSMOEA/2s较其他算法具有显著的性能优势。

关键词：大规模决策变量多目标优化问题大规模多目标进化算法两阶段分组收敛性多样性

来源：评论

学校读者我要写书评

暂无评论

高光谱图像稀疏解混与分类算法研究

高光谱图像稀疏解混与分类算法研究

引用

作者：周泽宇哈尔滨工程大学

学位级别：硕士

随着遥感技术的飞速发展,高光谱遥感图像数据已经广泛地应用于环境监测、矿产勘探、军事目标识别等领域。因此,高光谱遥感图像数据的处理十分重要且具有实际应用价值。高光谱图像数据的解混精度和高光谱遥感图像的分类精度影响着高光谱... 详细信息

随着遥感技术的飞速发展,高光谱遥感图像数据已经广泛地应用于环境监测、矿产勘探、军事目标识别等领域。因此,高光谱遥感图像数据的处理十分重要且具有实际应用价值。高光谱图像数据的解混精度和高光谱遥感图像的分类精度影响着高光谱遥感图像数据的后续应用,因此,高光谱图像的解混和分类是高光谱遥感图像处理中的关键性问题,也是后续研究和应用的重要基础。其中,在高光谱图像数据解混算法中,基于稀疏约束的解混算法已经成为解混算法的热点。现有的多目标稀疏解混算法虽然能解决传统稀疏解混算法中不能直接优化非凸0L范数和权重参数不能自适应选择的问题,但是仍存在因随机分组策略的缺陷及拐点选解具有单一性,从而导致高光谱图像数据解混精度不高的问题。在高光谱图像分类算法中,现有的高光谱图像生成式对抗网络（Generative Adversarial Network,GAN）分类算法虽然能够解决高光谱图像数据冗余度大,标记样本有限的问题,但是仍存在不能提取全部的光谱特征和空谱联合特征的不足之处,使得高光谱图像分类精度有待提升。本文针对现有高光谱图像稀疏解混算法和高光谱图像分类算法的不足,做了以下两方面的研究工作:首先,针对现有高光谱图像多目标稀疏解混算法中存在因随机分组策略的不足及拐点选解具有单一性而导致高光谱图像解混精度不高的问题,本文提出一种基于大规模多目标进化算法（Evolutionary Algorithm for Large-scale Many-objective Optimization,LMEA）的高光谱图像稀疏解混算法。首次引入LMEA算法中的决策变量分组策略,并提出有约束拐点区域选解策略来提升高光谱图像数据稀疏解混的精度。本文将该算法应用于基于光谱特征的二目标稀疏解混框架和基于空谱联合特征的三目标稀疏解混框架中,使用常用的模拟和真实高光谱图像数据集进行对比实验,提出算法均获得最好的解混效果,也证明了使用空谱联合特征提高了算法对噪声的鲁棒性。其次,针对现有高光谱图像GAN分类算法中存在因提取光谱特征和空谱联合特征不全面而导致高光谱图像分类精度不高的问题,本文提出基于双通道GAN的高光谱图像分类算法。首先设计并搭建改进的一维GAN分类框架和改进的二维GAN分类框架用来分别提取更为全面的光谱特征和空间特征,并在上述两种框架的基础上,首次在高光谱图像GAN分类模型中引入了双通道的思想,设计并搭建双通道GAN分类框架用以提取更为全面的空谱联合特征送入到分类器中,进而提升高光谱图像的分类精度。通过对常用的三组高光谱数据集进行实验,提出算法与其他算法相比得到了最优的分类结果,验证了提出算法的有效性和先进性。

关键词：高光谱图像稀疏解混分类大规模多目标进化算法生成式对抗网络

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：