面向多目标优化的多样性代理辅助进化算法

代理辅助进化算法(SAEA)是目前解决昂贵优化问题的一种有效途径.提出一种基于多样性的代理辅助进化算法(DSAEA)来解决昂贵多目标优化问题.DSAEA采用Kriging模型近似每个目标来代替原目标函数进行评估,加速了进化算法的优化过程.其引入参考向量把问题分解为多个子问题,根据解与参考向量之间的角度大小建立它们的相关性,然后计算出最小相关解集.在此基础上,候选解生成算子和选择算子会趋向于保留多样性的解.另外,训练集A在每次迭代后会进行更新,根据多样性删除价值不大的样本以减少建模时间.实验部分对DSAEA与目前流行的代理辅助进化算法在大规模2目标和3目标优化问题上进行对比实验.每个算法在不同的测试问题上分别独立运行30次,并计算和统计反向迭代距离(IGD)、超体积(HV)和运行时间,最后使用秩和检验分析实验结果.结果表明:DSAEA在多数实验测试问题上表现更好,因此具有有效性和可行性.

基于多样性分类和距离回归的进化算法

提出了一个基于多样性分类和距离回归的进化算法(DCDREA),以解决昂贵超多目标优化问题(Ma OPs).DCDREA采用随机森林(RF)作为全局分类代理模型,它把种群中所有解作为训练样本,并根据是否为最小相关解,把训练样本分类为正负样本,使模型学习到训练样本中含有的分类标准.全局分类代理模型主要用来筛选新产生的候选解,以得到一组有希望的候选解.此外,它采用Kriging作为局部回归代理模型,其选择种群中距离当前候选解最近的解作为训练样本,拟合训练样本与理想点的距离.然后,通过K-means方法把候选解划分为μ个簇,并从每个簇中选择一个用于真实评估的候选解.在实验部分,使用大规模3、4、6、8、10目标的DTLZ测试问题集,把DCDREA与目前流行的代理辅助进化算法进行对比实验.对于不同测试问题,每个算法独立运行20次,然后统计反向迭代距离(IGD)和算法运行时间.最后,使用秩和检验来分析结果.实验对比结果表明,DCDREA在大多数情况下表现更好.由此可见, DCDREA具有较好的有效性和可行性.

高校学生伙食工作转型的思考

深入贯彻落实科学发展观,加快转变发展方式,推进管理转型升级,是事关高校后勤实体和谐稳定发展和提升服务质量紧迫而重大的战略任务。为应对当前和今后各种压力和挑战,高校学生伙食工作必须加快转变经营发展方式、推进餐饮结构优化升级。

高校后勤安全工作的建设研究

高校后勤安全工作事关人身和财产安全,关系到学校正常的教学、生活秩序,关系到学校和社会的稳定。在高校后勤社会化改革不断深化的形势下,高校后勤安全工作的格局日趋多样化。

维护我校食堂稳定采取的有效应对措施

长期以来，我校党政主要领导高度重视食堂稳定工作，在部署学校年度工作时，把稳定食堂工作摆在后勤工作的重要位置，并明确提出“两标”要求：办伙目标——安全、质优、量足、价稳；量化指标——生均日供应量不少于：猪肉100克、禽肉40克、禽蛋30克。明确对食堂的补助政策，在餐饮收入和支出成本不能平衡的时候，由学校和公司给予补贴，确保饭菜价格稳定。