摘要:随着工业生产和日常生活需求的多样化,单个解决方案已经无法满足生产生活的需求.多模态优化可以为决策者提供多个可行方案,但是早期对多模态优化的研究局限在单目标优化中.在多目标优化中也存在多模态优化问题,其存在多个全局或局部帕累托最优解集,找到这些最优解集具有重大的理论和实际意义.鉴于此,首先,介绍多模态多目标优化问题的特点和求解难点;其次,综述求解此类问题的主要方法,总结这些方法的优缺点;再次,介绍常用的多模态多目标优化标准测试函数集和性能评价指标;最后,给出多模态多目标优化的应用领域及未来的研究方向.

摘要:如何根据负载状况实时优化应用服务器集群的部署,以在能耗与性能之间取得平衡是急需解决的重要问题.对此,提出一种应用服务器集群能耗与性能平衡的在线实时优化策略,优化目标是最小化能耗与请求丢弃速率的加权值,优化内容包括各服务器的开关和CPU频率.该策略包括小规模集群优化(SSCOpt)和大规模集群优化(LSCOpt)两种方案:前者定义大量的变量,将集群优化描述成线性混合整数规划问题,然后采用软件包求解;后者通过分析能耗和负载模型的特性定义很少的变量,将集群优化描述成非线性混合整数规划问题,并提出一种基于花朵授粉算法和变量融合的求解算法.测试结果表明:当集群规模较小时,SSCOpt方案能快速求得全局最优部署;当集群规模较大时,LSCOpt方案能快速求得很好的次优部署.

摘要:针对加工时间不确定的可重入混合流水车间调度与预维护协同优化问题,构建以区间最大完工时间、区间总碳排放和区间总预维护费用为优化目标的集成调度模型.针对问题特性,通过设计改进的可能度计算方法,定义区间意义下解的Pareto占优关系.提出一种改进的离散鲸鱼群算法,通过同步调度与维护策略,实现制造与维护的联合优化;设计个体间距离计算策略,寻找“最近较优个体”;设计个体位置移动策略以及多邻域搜索策略,有效地平衡全局搜索和局部搜索,提高收敛精度.通过大量的仿真实验和结果对比分析,表明了所提出的算法对于求解区间数可重入混合流水车间调度和预维护协同优化问题的有效性和可行性.

摘要:流水车间调度是应用背景最为广泛的调度问题,其智能算法研究具有重要的学术意义和应用价值.以最小化最大完工时间为目标,提出求解流水车间调度的一种基于深度强化学习与迭代贪婪算法的框架.首先,设计一种新的编码网络对问题进行建模,解决了传统模型受问题规模影响而难以扩展的缺陷,并利用强化学习训练模型以获取优良输出结果;然后,提出一种带反馈机制的迭代贪婪算法,以网络的输出结果为初始解,协同利用多种局部操作提高搜索能力,并根据性能反馈调节各操作的使用,进而获得最终的调度解.仿真结果和统计对比表明,所提出的深度强化学习与迭代贪婪融合的算法能够取得更好的性能.

摘要:针对并联冷机负荷分配优化问题提出一种改进烟花算法,以并联冷机系统功耗最小为优化目标,以每台冷机的部分负荷率作为优化变量进行求解.在改进烟花算法中,首先针对基本烟花算法搜索初始解不均匀问题,提出基于混沌初始化的变量定义方法;然后针对高斯突变不利于跳出局部最优问题,采用变异范围更大的莱维飞行变异方法,提高了基本烟花算法的搜索能力;最后针对改进的烟花算法,以两个并联冷机系统测试案例对所提出的改进烟花算法性能进行测试,并与其他的优化算法的结果进行对比.实验表明,相比于其他算法,改进烟花算法可以得到较优的运行策略,具有较好的节能效果.

摘要:提出一种外部扰动/内部白噪声复合干扰和间歇性故障下的再入段变结构高超声速飞行器故障诊断和容错控制方法.首先给出再入姿态系统模型以及间歇故障模型.然后基于所研究的随机固定幅值故障模式对角速率系统中的周期性外部扰动进行预处理,根据处理结果,通过引入滑动时间窗设计一种残差信号.由于系统中存在白噪声,根据噪声分布特性并基于改进的残差信号提出两个假设检验,进而设计检测故障的两个阈值区间以检测间歇故障的发生和消失时间.与传统残差设计方法相比,改进的残差信号对于故障发生和消失时间的检测更准确.基于扩张系统设计一个自适应估计律用于估计故障,并使得估计误差满足$L_2$-增益干扰抑制.最后提出一个自适应容错控制算法使得系统的姿态角输出能够跟踪给定的参考信号.利用Lyapunov函数证明了系统的稳定性, Matlab仿真结果验证了所提出方法的有效性.

摘要:针对四旋翼无人机在降落控制过程中地面效应对控制性能有较大影响的问题,在地面效应复杂,难以建立机理模型的约束下,提出一种基于深度学习的新型非线性鲁棒控制策略.利用深度神经网络的学习能力,建立无人机降落过程中未知地面效应的补偿模型;结合super-twisting控制设计,实现对降落过程中未知地面效应的快速抑制和无人机降落的精确控制;通过Lyapunov分析法和谱归一化法,证明降落过程中闭环系统的稳定性和无人机位置误差的有限时间收敛特性.实时飞行实验结果表明,所提出的控制策略具有较好的控制效果.

摘要:针对地面无人车辆路径规划问题的特点,提出基于和声二次优化的平衡鲸鱼算法求解最优路径.首先,利用和声搜索算法二次优化来改善种群质量和全局探索能力,依据解的适应性进行微调,提高求解精度;然后,引入动态平衡策略和种群重构机制,跟踪种群最优解状态以协调全局探索与局部开发能力,出现优化停滞时重构种群以增加多样性,避免陷入局部最优;最后,基于不同环境进行仿真实验,与多种算法进行对比分析,研究结果表明了所提出算法在复杂环境下的可行性和有效性,为鲸鱼优化算法在路径规划问题中的应用提供一种新思路.

摘要:针对约束多目标进化算法求解约束多目标问题时难以平衡收敛性、多样性和可行性的问题,提出一种协作进化算法(ConMOEA).将自适应形状估计进化算法(AGE-MOEA)和非支配排序遗传算法(NSGA-II)优势融合,采用Deb约束支配原则非支配排序组合种群实现个体优选,在临界层中根据最大拥挤距离或生存值选择所需个体,最终形成新种群,实现种群快速接近Pareto前沿并具有良好分布性.为验证所提出算法的性能,对近期提出的一组DOC基准函数进行仿真计算,采用反世代距离(IGD)和超体积(HV)两个通用评价指标,与NSGA-II-CDP、C-TAEA、PPS、ToP、A-NSGA-III、AGE-MOEA约束多目标算法进行比较分析,实验结果证明ConMOEA具有更优的收敛性和多样性.

摘要:对含有不重要特征、冗余特征的数据进行聚类,采用特征缩减模糊聚类(feature reduction fuzzy c-means, FRFCM)算法是有效的.该算法使用特征的均值方差比(mean-to-variance ratio,MVR)度量特征的重要性,删除权重小于阈值的特征,仅保留重要特征进行聚类,以提升算法的性能和速度.但该算法存在以下不足:1)数据归一化后,特征的MVR值会发生改变,重要特征的MVR值可能会变小,不重要特征的MVR值可能会变大;2)一些数据的重要特征,其MVR指标未必大;3)FRFCM算法特征权重分配依赖于初始化,不恰当的初始化会使算法给出错误的权重分配,使得聚类过程中算法会删除重要特征而保留不重要特征,造成FRFCM算法的聚类结果不正确.对此,首先构造边缘峰度度量(marginal kurtosis measuree,MKM)指标来度量特征的重要性;然后基于该指标提出一种新的、具有鲁棒的特征缩减模糊聚类算法.通过在人工数据集和真实数据集上的验证,表明所提出的算法是有效的.

摘要:目标跟踪问题中目标所在环境的变化对跟踪效果有较大影响.鉴于此,提出一种基于弹性网结构的稀疏表示模型,并在粒子滤波框架下设计一种应用稀疏表示模型的抗干扰动态弹性网目标跟踪算法.同时,设计一种根据环境变化程度动态更新稀疏表示模型参数的方法,以克服光照变化等干扰对算法跟踪质量的影响.此外,所提出算法通过使用各向异性核函数计算各候选区域为跟踪目标所在位置的概率,能够提高跟踪算法的准确性,并改进字典模板更新方法,确保模板更新的准确性与及时性,保证跟踪质量.经实验验证,所提出的动态弹性网跟踪算法与其他跟踪算法相比,在光照等扰动下具有更好的跟踪效果,在遮挡及快速运动等情况下也能够有效保证跟踪精度.

摘要:由于传统RRT(rapidly-exploring random trees)路径规划算法固有的盲目探索的问题,机器人到达目标点时除起始点扩展到目标点的路径之外还会生成其他与结果无关的分支路径与节点,为使这些分支路径得到利用并且减少探索的盲目性,提出基于信息增益与RRT思想相结合的机器人环境探索策略.该方法对未知环境中的节点进行信息估计,选取具有最大信息增益的节点作为采样节点,且每次都会生成最大信息增益的新节点进行扩展.该策略使机器人能完成对未知环境的探索,还可以降低传统RRT算法固有的盲目性.仿真实验结果表明,所提出方法能够有效快速地帮助机器人探索未知环境,实现环境探索.

摘要:像素级图像融合方案多采用全局统一的融合规则,融合过程易导致区域层级信息丢失.对此,提出一种基于模糊区域特征(FRC)框架的红外与可见光图像融合方法.首先,制定一种模糊区域规则,该规则依据区域特征的模糊性质,对源图像依次施行区域分割、模糊判定和解模糊,全局图像的融合转化为3种不同属性区域的融合;然后,分别对目标区域、过渡区域和背景区域采用期望值最大(EM)、加权平均融合、主成分分析(PCA)的融合策略进行融合;最后,融合后的区域图重构得到最终的融合图像.为验证FRC框架保护区域特征的有效性,还提出一种区域特征一致性的度量指标(RC^{\rm ABF}),经主观视觉与客观指标检验,融合图像在保持红外目标显著性的同时,具有清晰的背景细节,优于现有的红外与可见光图像融合方法,宜应用于红外目标的监控与分析.

摘要:针对多机器人在未知区域的覆盖搜索问题,提出一种基于生物启发神经网络和分布式模型预测控制(DMPC)的多机器人协同搜索算法.利用栅格地图表示未知区域,基于栅格地图建立生物启发神经网络来表示动态搜索环境,生物启发神经网络中未搜索栅格的神经元活性值大于已搜索栅格和障碍物栅格.在此基础上,为了平衡机器人覆盖搜索过程中的短期收益和长期收益,避免后期陷入局部最优,引入DMPC作为决策方法.选择预测周期内机器人所覆盖栅格的神经元活性值增量作为主要激励函数,引导机器人向未覆盖区域搜索,并采用差分进化算法(DE)进行优化求解,得到最优解.最后通过设计仿真实验验证了所提出方法的有效性和优越性.

摘要:车辆目标检测是智能交通系统中的重要环节,针对传统车辆目标检测方法效率低、小目标检测效果不好、漏检率高等问题,提出一种基于改进的YOLOv3网络车辆目标检测算法.为了提高车辆检测的效率,利用轻量化模型MobileNetv2代替原YOLOv3中的特征提取网络,使得网络计算量相比原算法有所降低.为了有效提高网络对小尺度车辆目标的检测能力,网络将由高到低不同尺度的特征层融合之后进行目标检测.为了得到更丰富的语义特征信息和提高网络预测能力,增加了特征增强模块.同时针对车辆目标检测的特定应用,利用K-means方法对锚框重新聚类以满足车辆目标检测的特定需求.结合以上改进获得车辆目标检测网络YOLOv3-M2,实验结果表明,与YOLOv3相比,改进方法平均检测准确率增加约9%, 时间减少约一半,能够同时提高检测效率和小目标检测能力.

摘要:晶圆图是由半导体生产过程中对晶圆进行可测试性检测而得到的,通过对晶圆图进行分类可以为生产过程中出现的问题提供依据,从而解决问题,降低生产成本.在对晶圆图进行分类之前,最重要的是特征提取,晶圆图除了本身拥有一定的空间图案以外,还存在着很多的噪声,影响着特征提取的过程.传统的DBSCAN算法用于滤波,需要人为确定两个参数,最小邻域Eps和最小点数MinPts,参数的选择直接影响了聚类的准确性.为此,提出一种基于优化DBSCAN聚类算法的滤波方式,自动确定DBSCAN的参数,以解决传统的手动设定参数的弊端.该算法基于参数自动寻优策略,选取DBSCAN 聚类后簇内密度参数和簇间密度参数的综合指标来评定最优参数.实验结果表明,该算法能自动并合理地选择较好的参数,具有很好的聚类效果,对后续的特征提取及分类也具有很大的帮助.

摘要:针对传统蚁群算法难以精准解决多值属性系统(multi-valued attribute system,MVAS)诊断策略的问题,在改进蚁群算法的基础上,提出一种改进蚁群算法的测试序列寻优(ANT-TS)算法以搜索MVAS的故障测试序列.首先,引入多值D矩阵和五元组完成诊断策略的公式化处理;然后,为实现ANT-TS算法与MVAS诊断策略的融合,重新表述蚁群算法、设置状态转移规则、设定信息素初始化及更新的方式;最后,通过实例说明算法的实现过程,运用随机仿真实验验证其正确性和稳定性.结果表明:与传统蚁群算法相比,ANT-TS算法的运行过程与诊断策略的一致,且其参数和循环次数少、期望测试费用低、运行速度快;与传统的MV-IG算法和多值Rollout算法相比,ANT-TS算法能获得费用较少的测试序列.

摘要:针对切换非线性系统,提出一种基于反馈无源化的H_∞跟踪控制策略.首先,提出依赖状态切换的控制方法,在子系统不满足有界参考弱最小相位这一标准假设时,给出解决H_∞跟踪问题的充分条件,通过零状态可检测条件保证切换系统的内部稳定性,并利用无源不等式验证切换非线性系统满足H_∞跟踪性能;然后,提出依赖时间切换的跟踪策略,得到H_∞跟踪问题的可解性条件,该方法不依赖系统内部状态进行切换,将系统输出和参考信号之间的误差作为控制输入,并计算出切换系统满足的平均驻留时间;最后,给出仿真算例,以验证结果的正确性.

摘要:电熔镁炉制备电熔镁砂的工艺过程中,会交替出现正常熔炼、加料和欠烧等多种不同工况,其中,欠烧工况分辨难度最大且最为关键.目前,欠烧工况的识别主要依靠人工经验完成,这种方式的准确性取决于人的经验水平和生理状态,且工人劳动强度大,存在容易漏检误检的问题.对此,依据不同工况下炉口火焰图像中具有的动态特征,提出一种基于B样条(B-spline)动态网络动态特性的工况识别技术.首先,建立炉口火焰的线性动态系统模型来刻画系统的动态特性;然后,设计基于子空间主要角度的核函数来度量火焰动态模型相似度.对比实验表明,所设计的基于B-spline动态网络动态特性的工况识别技术具有更好的分类精度和更高的效率.

摘要:视频压缩感知在采样资源受限的视频采集领域具有重要研究意义,重构算法是视频压缩感知系统的关键技术.为了更好地从压缩采样数据中重构视频信号,提出一种基于全变分与非局部低秩正则化的视频重构算法,为视频重构提供一种新的思路.算法第1步考虑视频帧内和帧间的局部相关性,应用全变分模型作为先验约束得到初步恢复的视频帧;第2步考虑视频帧内与帧间的非局部自相似性,应用改进的非局部低秩正则化算法对其进一步重构,该步骤针对初步恢复的图像帧分块在本帧和关键帧中寻找相似块,构建低秩矩阵进行低秩正则化重构.仿真结果表明,所提出算法能够精确重构视频信号,相比主流的视频压缩感知重构算法具有更高的重构质量.

摘要:舰载机甲板作业调度问题是一类具有NP-hard特性的资源受限多项目调度问题.首先,分析舰载机甲板作业调度问题的工序流程约束和各类资源约束,构建舰载机甲板作业调度混合整数规划模型.然后,基于基本引力搜索算法,提出双种群模糊引力搜索算法用于模型求解.算法采用基于作业时序修正的优先数编码,并采用双种群交替迭代结构,将基于个体的双向对齐技术扩展到种群层面,基于串行调度生成机制产生调度方案.为了提高算法性能,采用边界修正策略修正越界粒子编码,在引力计算阶段,采用模糊逻辑控制策略进行参数自适应控制.最后,通过案例仿真和算法对比验证了双种群模糊引力搜索算法的有效性,所提出的算法适合求解大规模的舰载机甲板作业调度问题.

摘要:我国城市轨道交通正处在快速发展阶段,城轨交通短时客流预测对保障运营安全、优化线网结构,进而构建智慧城市具有重要意义.城轨短时客流除了具有周期性、随机性等时间特征之外,跨时段的断面客流具有相似性,并且相邻站点客流之间存在空间联系.对此,充分考虑以上城轨短时客流的时空特征,基于卷积长短时记忆神经网络(ConvLSTM)与自适应k-means聚类算法,提出城轨短时客流预测的深度学习模型k-ConvLSTM,并通过实验对模型关键参数进行寻优;同时,基于深圳市地铁IC卡的真实客流数据对模型的有效性进行检验.结果表明,k-ConvLSTM在均方根误差、绝对误差均值、绝对误差百分比方面,均优于仅考虑时空特征的深度学习模型-----卷积网络(CNN)与长短时记忆网络(LSTM)的并行混合模型和ConvLSTM内嵌式网络模型,仅考虑时间特征的深度学习模型-----LSTM网络和双向长短时记忆网络(Bi-LSTM),以及浅层机器学习模型-----BP神经网络和支持向量回归模型(SVR).

摘要:基于政府补贴和增值税退税政策,通过Stackelberg博弈方法,建立由制造商、回收商和消费者组成的4种闭环供应链决策模型,得出相应的最优价格、补贴和退税政策.进一步,比较并分析4种不同模型下的回收价格、回收量、企业利润以及社会福利,得出政府和企业的最优决策选择.研究发现:1)4种情形下的社会福利均随着消费者环保意识的增加而递增.对政策制定者而言,若消费者环保意识较低,则政府补贴政策最优;若消费者环保意识较高,则政府补贴和增值税退税并存政策最优.2)在绿色消费者市场上,制造商选择高低两种不同定价策略受绿色细分市场规模和政府政策力度大小两方面因素的影响.

摘要:生产商通过预售可以提前获取市场需求信息,但由于消费者产品估值的不确定性,生产商可能面临现货期大量退货的风险,制定合理的预售与退货策略成为生产商必须解决的核心问题.鉴于此,运用报童模型和消费者期望效用理论,考虑参照价格效应对消费者购买行为以及生产商预售期定价策略的影响,构建单一预售、预售退货不再出售、预售退货再出售3种策略下的期望利润模型,求解得到相应的最优生产量以及不同退货策略下的退货补偿价格取值范围,并对模型进行对比分析.研究表明:预售退货不再售与退货再售情形下,高价预售与低价预售策略中均存在一个退货补偿价格临界阈值;知情消费者中具有参照价格效应的消费者其比率决定了生产商在预售期的定价策略,且低价预售策略下,预售价格随退货补偿价格与参照价格系数的提高而降低.

摘要:产品需求的不确定性使得企业经常产生临时性或突发性的物流需求,物流服务现货市场采购在应对上述物流需求时发挥了重要的作用.在物流服务采购决策过程中,长期合同采购所提供的价格折扣受采购量的影响,因此对托运企业而言,如何平衡长期合同采购以及现货市场采购,从而在满足其物流需求的基础上使得总体采购成本最低,成为一个需要解决的问题.基于托运人的角度,建立以最小化运输服务采购成本及最大化整体满意度为目标,综合考虑承托双方偏好、承运方总量折扣及承运方运力接受范围等因素的运输服务混合采购决策模型,并设计多目标粒子群算法对上述模型进行求解.通过算例分析验证所提模型及算法的有效性,算例结果表明,所建立的模型可显著降低运输服务总采购成本,并有效提升整体的满意度水平,研究成果对于降低运输服务采购成本、促进承托双方的稳定合作具有一定的理论意义.

摘要:为优化远程医疗的服务匹配、合理配置医疗资源以及满足不同主体的个性化需求,针对基层医生干预下的远程医疗服务匹配问题提出一种在混合决策背景下考虑第三方偏好的远程医疗服务匹配方法.首先,对研究问题进行描述,定义匹配方案;其次,考虑决策者偏好信息的不确定性和模糊性,根据不同形式的评价信息计算评价信息与期望信息之间的差异度;再次,在基层医生偏好的基础上得到供、需方满意度矩阵,进而考虑匹配方案的理性、稳定和满意匹配约束建立一个多目标优化模型,以供、需双方满意度最大化以及专家、患者差异度最小化为目标得到最优匹配对;最后,通过算例分析证实所提出方法的可行性,为远程医疗的多主体有效合作提供一个新的优化方向.

摘要:针对一类时变时滞非线性系统,采用Razumikhin方法研究其输出反馈控制问题.利用时滞系统的Razumikhin定理和反推设计方法,通过设计有效的观测器和选取适当的Lyapunov函数,构造系统的输出反馈控制器.所设计的控制器能够保证闭环系统的平衡点是全局渐近稳定的,所给出的方法无需考虑时滞导数的限制,改进了以前所得结果.仿真示例验证了所设计输出反馈控制器的有效性.

摘要:牛鞭效应是指供应链管理订单制定环节中因信息扭曲造成的需求逐级放大的一种现象.针对供应链中的节点企业,在订货点法的基础上加以改进构建新的订单制定规则,并构建$H_\infty$控制器达到抑制牛鞭效应的目的,从而降低供应链整体成本.订单制定环节由企业订单规则和需求预测两个部分组成,为应对需求持续上升使安全库存发散的情况,在订货点法的基础上设计PI补充策略下的新订单规则,并以系统$H_\infty$范数与供应链牛鞭效应的指标定义相同为基础,引入$H_\infty$控制器代替预测函数.仿真结果表明,所设计的PI 补充策略下的$H_\infty$控制器法与传统订单制定算法相比,可有效削减牛鞭效应,并且使企业库存始终维持在一个安全稳定的状态.

摘要:随着钢铁行业的数字化发展,其订单逐渐趋于多样化和随机化,这对热轧调度模型的适应性和灵活性等提出了新的要求.针对热轧调度问题,当前的主流方法是启发式算法,但其存在两个问题:一是没有考虑数据的组织表示;二是此类算法具有很强的针对性,当问题发生很小的改变就需要进行复杂的参数调整.相比之下,机器学习具有更好的适应性和灵活性,对此,采用本体进行人机物三元数据的组织表示,提出一种指针网络$+$强化学习的热轧调度求解方法.采用指针网络来学习序列到序列的映射,同时为解决指针网络训练困难和性能不高等问题,通过actor-critic网络进行训练,提高模型的准确性和收敛速度.最后,通过设计相应的实验对算法的性能进行仿真并与LK-H的局部搜索算法进行对比,进一步验证了所提出方法的有效性.

摘要:轴承的个体异质性及工况差异性使得其性能退化轨迹不尽相同,导致训练轴承建立的深度学习模型与测试轴承失配.对此,提出基于卷积自编码器与自组织映射的轴承剩余使用寿命(remaining useful life,RUL)灰色预测方法.该方法引入以轴承自身监测数据为驱动的批量归一化的卷积自编码器对轴承性能退化特征进行深度提取,并结合自组织映射算法进行性能退化指标(degradation indicator,DI)自主构建.采用动态时间规划算法对各个轴承退化轨迹进行相似匹配分析,以相匹配的全寿命轴承的DI灰色模型回归曲线在寿命终点取值作为参考,进行测试轴承的失效阈值设置.以测试轴承历史DI为驱动,采用全阶时间幂灰色预测模型对测试轴承RUL进行滚动预测.实验结果表明,所提出方法在保留轴承退化趋势个体差异性的同时,能够实现轴承失效阈值自主合理设置,提高轴承RUL的预测精度.