利用集成剪枝和多目标优化算法的随机森林可解释增强模型

随机森林模型是广泛应用于各个领域的经典黑盒模型,而黑盒模型的结构特征导致模型可解释性弱,需要借助可解释技术优化随机森林的可解释性,从而促进其在可靠性要求较高场景的应用与发展。研究构建了基于集成剪枝和多目标优化算法的规则提取模型,集成剪枝在解决树模型规则提取易陷入局部最优的问题上具有代表性,多目标优化在解决规则准确性和可解释性的平衡问题上有多个领域的应用。模型验证结果表明,所构建模型能够在不降低准确性的前提下优化模型的可解释性。本研究首次将集成剪枝技术与多目标优化算法相融合,增强了随机森林的可解释性,有助于推动该模型在可解释性要求较高领域的决策应用。

改进偏好多目标优化算法在直流偏磁抑制装置优化配置中的应用

基于偏好的多目标优化算法能够定向搜索符合决策者需求的Pareto解集,是多目标优化算法与工程实际联系最为紧密的方法之一。为准确地将决策者偏好需求反映到最终Pareto解集,提出一种偏好映射点动态更新策略,通过动态更新偏好映射点来降低算法对初始参考点位置的依赖。为实现输出Pareto解数目可调可控,引入偏好解集过滤器,使得算法能够得到解集数目符合决策者要求、分布均匀的Pareto解。最后,利用所提算法求解ZDT系列测试函数和浙北区域直流偏磁抑制装置优化配置问题。结果表明,所提算法能有效收敛至决策者偏好对应的Pareto解集,可以为直流偏磁抑制装置优化配置工程实际问题提供符合决策者需求的优秀候选方案。

基于NSGA-Ⅱ多目标优化算法的氢燃料电池性能研究

为准确预测HFC(Hydrogen Fuel Cell,氢燃料电池)性能,提升电池耐用性,建立HFC多物理场耦合模型,预测项目为电性能和机械性能,根据预测结果综合评价HFC性能;进行Sobol'参数全局敏感度分析,确定影响HFC性能的关键因素,生成决策变量;进行仿真验证,将基于NSGA-Ⅱ多目标优化算法的优化结果作为仿真数据,根据仿真结果评估算法可行性。结果表明,最大第一主应力误差为1.36%,最高输出功率密度误差为2.99%,2项误差均在许可范围内,NSGA-Ⅱ多目标优化算法的精度高,可作为HFC性能预测方法,基于该算法的预测结果具有指导意义,能够为HFC性能提升提供依据。

基于多目标优化算法的输变电设备状态评估分析

为提高输变电设备状态评估的准确性,本文提出基于多目标优化算法的评估方法,阐述此算法的应用原理,建立输变电设备状态评估模型及目标函数,并进行仿真实验,对比分析基于多目标优化算法的评估方法和ICE、BPNN、SVM常规方法的应用效果。研究认为,多目标优化算法的评估方式具有结果准确、效率高的优势,给输变电设备的运维管理提供依据。

基于多目标优化算法的市政给排水管网改造设计分析

本文以某市政给排水管网改造施工为例,简要分析基于粒子算法的多目标优化算法对市政给排水管网建模,重点强调市政给排水管网改造设计的多目标优化效果,并以在多目标优化算法背景下加强市政给排水管网改造设计的有效措施作为切入点,对优化管径设计、建立智能监控系统以及优化管网运行参数等方面进行研究,期望能够为相关人员提供参考,以此来加强市政给排水管网改造设计。

基于多目标优化算法的市政给排水管网改造设计研究

文章针对市政给排水管网改造设计问题,提出了基于多目标优化算法的研究方法。针对南方某市城市更新中排水管网改造项目开展研究应用。建立了排水管网改造项目中排水管网多目标优化模型,并采用粒子群算法对该模型进行求解。随后通过实例分析,对多目标优化算法结果指导进行管网改造设计,并比较了它们的效果及适用性。该研究为市政给排水管网改造设计提供了一种有效的优化方法,具有重要的理论和实际意义。

多目标优化算法在可持续建筑设计方案生成中的应用研究

文章论述将多目标优化算法运用于可持续建筑设计,并通过建立多目标优化模型来达到建筑设计节能减排和成本控制的目的、对室内舒适度,用户满意度几个关键目标进行了全面优化。研究结果表明:这种方法可以产生一套综合性能优越的建筑设计方案,从而为建筑行业可持续发展的实现提供一种新思路与新工具。并通过对具体实例的分析证明多目标优化算法生成可持续建筑设计方案的有效性与实用性。

多目标优化算法在水利工程调度中的应用研究

水利调度,对消除供需之间的冲突,使国家经济和社会的稳妥成长,居于重大位置。本文瞄准水利调度的多目标、多约束、高度非线性的性质,研究一种多目标优化方法。依据水利工程的现实需求,设定了明确的调度目标和调度限制条件。介绍优化算法,确定适当的适应度函数及优化搜索方式,进行了复杂水利系统的调度模型和算法的研制。研究成果显示,多目标优化方法被成功地使用在水利调度之中,使调度系统实现最优化,具有实用的价值,也预见到其广泛的应用前景。其优化结果明显优于传统的单目标优化算法,有效提升了水利工程调度的经济效益和社会效益,为解决水利工程复杂调度问题提供了一种经验性的方法。在保障水源水质、提高供水量、优化发电效能等方面,都取得了显著的效果。本研究将为全面提升我国水利工程调度水平,保障水资源的合理高效利用提供科学依据。

基于免疫算法和EDA的混合多目标优化算法

在免疫多目标优化算法的基础上,引入了分布估计算法(EDA)对进化种群进行建模采样的思想,提出了一种求解复杂多目标优化问题的混合优化算法HIAEDA(hybrid immune algorithm with EDA for multi-objective optimization).HIAEDA的进化过程混合了两种后代产生策略:一种是基于交叉变异的克隆选择算子,用于在父代种群周围进行局部搜索的同时开辟新的搜索区域;另一种是基于EDA的模型采样算子,用于学习多目标优化问题决策变量之间的相关性,提高算法求解复杂多目标优化问题的能力.在分析两种算子搜索行为的基础上,讨论了两者在功能上的互补性,并利用有限马尔可夫链的性质证明了HIAEDA算法的收敛性.对测试函数和实际工程问题的仿真实验结果表明,HIAEDA与NSGAII算法和基于EDA的进化多目标优化算法RM-MEDA相比,在收敛性和多样性方面均表现出明显优势,尤其是对于决策变量之间存在非线性关联的复杂多目标优化问题,优势更为突出.

基于自适应多种群策略的混合多目标优化算法

为了能够快速准确地获得多目标优化问题的一组具有较好质量和分布性的非支配解,提出了一种自适应多种群混合多目标优化算法.该算法将多目标优化问题分解为多个单目标子问题,在每次迭代时,根据种群在目标空间和解空间的分布情况为多个子问题分别构造子种群,并采用粒子群优化算法对子问题最优解实施搜索,利用差分进化算法对外部档案实施进化.通过对标准测试函数仿真实验,并与经典的及类似策略的多目标优化算法进行比较,结果表明所提出的算法能够利用较少的估值次数获得较好质量和分布性的非支配解集.

基于多目标优化算法的发动机进气道设计

在发动机进气道满足性能的基础上采用多目标优化方法对其结构进行多目标优化设计。提出了利用多目标进化算法的优化策略对进气道进行优化设计,选取进气道气流转折角作为设计变量,在进气道尺寸以及流量的约束条件下,采用Halton序列产生初始均匀种群,利用Pareto的非支配排序的方法对发动机进行优化设计以达到尽可能小的阻力系数、尽可能大的总压恢复系数和进气道升压。通过文中设计的多目标进化算法对发动机进气道进行优化设计,得到的优化解均优于初始设计的Pareto最优解,表明多目标进化算法较强的适应能力,达到了进气道优化设计的目的,为发动机进气道的优化设计提供了参考。

基于交互式多目标优化算法的风光互补发电系统优化

风光互补发电系统的优化配置是一个多目标优化问题,优化目标为系统安装成本,约束条件为供电可靠性。合理的匹配设计是充分发挥风光互补发电系统优越性的关键。在成本(目标)函数的最优化计算中,提出一种基于偏好的交互式多目标优化算法,利用交互式遗传算法优化目标权重值组成的种群,利用粒子群优化算法优化加权单目标函数,并将其应用到风光互补发电系统的优化配置中。计算结果表明,在满足负荷用电的前提下,风光互补发电系统的经济性能优于单独的光伏系统和风电系统。

基于约束性多目标优化算法的柑橘黄龙病识别算法

为了克服柑橘黄龙病监测和识别难的问题,提出一种基于约束性多目标优化算法的柑橘黄龙病识别算法(CMOA-CHDIA)。将柑橘黄龙病特征最优化转换为约束性多目标优化问题模型,采用基于勒贝格测度约束性多目标粒子群优化算法(LCMOPSO)求解该模型,并获取最优柑橘黄龙病特征;根据获得的最优特征采用近邻分类算法识别柑橘黄龙病。试验结果显示,基于约束性多目标优化算法的柑橘黄龙病识别算法对柑橘黄龙病的识别准确率达到98.55%,较FSMEA、PSO-MOFSA、FSMDEA识别准确率分别增加14.55%、11.55%、12.55%,在提高柑橘黄龙病识别准确度方面效果较好,对柑橘黄龙病防治具有一定的指导意义。

基于奖惩机制的协同多目标优化算法

为提高已有多目标优化算法在求解高维复杂多目标优化问题上的解集分布性和收敛性,提出一种新的多目标微粒群优化算法。该算法基于多目标协同框架,将多种群奖惩机制进化算法用于求解分解后的若干单目标优化子问题,采用动态环形的拓扑结构,设计一种新型精英学习策略,获得逼近Pareto前沿的最优解集。通过典型的多目标优化函数进行测试验证,结果表明,与现有多目标优化算法相比,该算法不仅具有较好的收敛性能,而且解集分布性更均匀、覆盖范围更广。

一种新的基于进化策略的多目标优化算法

用进化策略求解多目标优化问题时,为了提高解在决策变量空间中的搜索能力和保证Pareto前沿的多样性,提出了一种新的基于进化策略的多目标优化算法。运用自适应变异步长的进化策略,使解在决策变量空间中进行全局和局部搜索;并引入非劣解按一定比例进入下一代的方法,使完全被占优的个体有机会参与到下一代的繁殖,保持了解在Pareto前沿的多样性。该算法在保证解在决策空间多样性的同时,也保持了Pareto前沿的多样性。仿真实验表明,该算法具有良好的搜索性能。

求解混合流水车间调度的多目标优化算法

为求解多目标混合流水车间调度问题,以最小化最大完工时间、提前惩罚量和滞后惩罚量为目标,提出一种改进的MOEA/D算法。采用基于排列的编码策略,设计两种局部搜索策略,提高算法求解性能。设计一种全局搜索交叉算子,给出一种种群更新策略,进一步提升解的分布均匀性。基于炼钢连铸实际生产数据,随机产生20个算例,与最新的两种多目标优化算法进行对比分析,验证了所提算法的优越性。

一种基于自适应搜索的多模态多目标优化算法

为了解决目前基于分解的多模态多目标优化算法存在种群搜索能力不足,子种群中存在无用解和距离度量不具有普适性等问题,提出了一种基于自适应搜索的多模态多目标优化算法MOEA/D-AS.首先,该方法通过减少平均子种群的个体数量,进而增加参考向量的数量.其次,根据子种群当前状态自适应分配子种群的个体数量.最后,使用引入了局部种群信息的清除距离作为维护子种群的依据.将提出的算法与4种算法在2019年CEC多模态多目标测试问题和大规模多模态多目标测试问题上进行对比实验,实验结果表明,提出的算法可以有效解决多模态多目标优化问题.

基于多目标优化算法的交流电抗器参数设计

以整流电路为应用背景,对其产生的电流谐波进行了分析,针对电压占比法引入交流电抗器较片面的问题,引入多目标优化算法对系统输入电流谐波畸变率、电抗器占压比、整流输出电压纹波系数等方面进行针对性的优化计算,并对两种方案进行仿真比较分析,证明了多目标优化算法的优越性。

基于多目标优化算法的交叉路口信号灯配时模型研究

当前国内道路交通管制仍然主要依靠交通信号灯,依然是传统的三色灯固定配时模式,这种模式最大的弊端在于不能针对交通流的实时变化进行动态配时调整,从而造成道路资源的浪费。对多目标算法进行优化,并提出一种交叉路口信号灯智能配时模型。又利用实际数据对模型进行了测试分析。实验证明,该模型能有效减少机动车的平均延迟时间和停车次数,从而提升道路的通行效率。

多目标优化算法中Pareto最优解集适应度值的研究

多目标优化算法主要研究如何利用算法求解相对复杂得多目标问题从而得到一组最优解,多目标优化算法已经成为进化计算领域的研究热点之一。多目标优化问题解的多样性主要体现在两个方面,即目标解分布的广度和均匀程度。为了使目标解具备多样性且均匀分布,研究领域提出了多种解决方法,本文主要围绕Pareto最优解集适应度值展开深入的研究与分析。