考虑Pareto最优的列车运行图与维修天窗协调优化

列车运行图与维修天窗之间的冲突始终无法避免,且维修天窗开设时间的长短显著影响列车总运行时间。针对此问题,综合考虑维修天窗对列车运行造成的限速约束、车站到发线数量约束等,建立列车总运行时间最小,以及维修天窗实际开设时长与理想时长总偏差最小的双目标混合整数规划模型;对困难约束设置中间辅助变量将模型线性化以提高求解效率,并设计约束转换算法求解双目标模型的Pareto最优;微观化处理铁路线,将站内资源和站间资源细化为一系列行车资源单元,得到更加符合实际旅客运输需求的运行图。以某地区铁路线夜间开行列车及维修天窗开设计划为研究背景,调用商业软件求解双目标函数模型的Pareto最优,并对双目标模型的最小支配解和最优支配解进行对比分析;针对最优支配解下的列车进入、离开行车资源单元的时间、停站作业时间及维修天窗的开始时间及开设时长,绘制列车运行图。求解结果表明:模型在满足维修天窗最小开设时长的同时,能够兼顾列车运行总时间最小和维修天窗开设时长更充裕。基于最优支配解绘制的列车运行图表明:微观路网下的列车运行时刻表优化结果更符合实际旅客运输生产作业需要。研究结果可为铁路运营管理部门进一步优化列车运行图编制与维修天窗开设提供参考。

基于Pareto蚁群算法的双目标路径规划研究

针对复杂建筑环境人员应急疏散单一路径不能满足火灾环境变化需求的问题,基于改进蚁群算法,结合Pareto双目标解集思想,提出一种组合优化解集的双目标蚁群算法,通过排序优化的思想,实现人员多路径动态疏散规划。在构造Pareto解集的阶段协同考虑疏散路径长度以及火灾风险程度2个优化目标,计算各个解之间的支配关系。利用排序优化蚁群算法的正反馈机制将各组解的信息素按一定比例作为最优路径信息素的积累,加快解集的寻找。最后将其与传统双目标蚁群算法相比较,结果表明:优化后的双目标算法更加适合复杂建筑人员疏散路径规划问题,在寻找多组满足要求解的同时展示目标之间的利弊关系,供决策者选择合适的路径,提高疏散效率。

面向供应链分销的多维空间Pareto边界自动谈判模型研究

随着电子商务的快速发展,自动谈判逐渐成为提升供应链系统效率的一种手段。为了优化多方参与的供应链分销谈判应用,本文将多边多属性谈判问题转化为多目标优化模型,采用改进的非支配遗传算法NSGA-Ⅲ计算多维空间的Pareto边界;然后,设计多线程谈判模型,将参与多方谈判的买卖各方拆解为多个双边谈判线程,分别在多维Pareto边界上进行谈判;进而,采用动态时间依赖策略(DTD),使Agent根据对方报价在Pareto边界上动态调整让步策略,快速达成协议。为验证模型的有效性,本文进行了大量模拟自动谈判实验。实验结果表明,所提出的改进算法和谈判流程优于领域最新研究成果,能有效提升多边多属性谈判效率,有助于多方达成共赢局面。

Pareto法分析66例急性中毒住院儿童病例特点及药学建议

目的通过分析急性中毒住院儿童病例,总结病例特点及规律,为预防和减少儿童急性中毒提供科学依据。方法采用帕累托图(Pareto)法回顾性统计分析医院因急性中毒而收治住院的66例儿童病例资料,对患儿年龄分布、中毒季节、引起患儿中毒的品种分布、药品种类分布、剂型分布特点进行统计分析。结果儿童急性中毒年龄、季节、中毒品种、中毒药物剂型的主要因素有:1~3岁,第二、三季度,药品,片剂。中毒药品的主要因素为中枢神经系统用药、心血管系统用药、呼吸系统用药、影响变态反应药物。中毒药物例次最多的为氯硝西泮片。结论急性中毒以1~3岁儿童为主;主要发生在第二、三季度;以药品为主,剂型以片剂为主;国家有关部门应进一步完善相关立法、推广儿童药品安全包装、控制处方限量等源头控制;通过增强科普教育及监护人安全意识,进而有效降低儿童急性中毒的发生率。

极值服从广义Pareto分布的扭转载荷外推方法研究

提出了一种极值样本服从广义Pareto分布(generalized pareto distribution,GPD)函数的扭转载荷时域外推方法,基于极值样本的均值超出函数,首先确定一个区间范围,并以形状参数最小的均方误差为目标,通过自抽样法确定最佳阈值,再采用极大似然估计法对GPD函数的形状参数和尺度参数进行估计,获取扭转随机载荷谱的极值样本,服从GPD分布规律。以商用车驾驶室的稳定杆为研究对象,介绍了扭转载荷采集的方法,基于所提出的扭转载荷时域外推方法进行外推研究,并分别从穿级计数、功率谱密度、雨流图和潜在伪损伤量等方面对外推前后的载荷谱进行了对比分析。结果表明:所构建的载荷外推算法对商用车驾驶室稳定杆扭转载荷外推有较好适应性。

基于Pareto控制的多目标PSO算法在铣削参数优化中的应用

工艺参数是影响零件加工质量和效率的关键因素,工艺参数的优化和调节是改善加工工艺的最有效方法。针对铣削加工参数优化问题,提出了一种基于应用实例的多目标切削参数优化方法。首先,以材料去除率、切削力和刀具寿命为目标函数,建立了统一的切削工艺参数多目标优化数学模型。随后,使用切削数据对目标函数进行组合,建立了该问题的数学模型,研究了适用的求解方法以获得最优解,并通过实验验证了参数优化的有效性。该方法可为加工参数的选择提供指导和依据。

由Chvátal定理引出的关于Weibull分布和Pareto分布的研究

受Chvátal定理的启发,本文研究了随机变量不超过其期望的概率的下确界问题.利用分析的方法,我们得到了当随机变量的分布为Weibull分布或Pareto分布时该随机变量不超过其期望的概率的下确界.

求解多目标流水车间调度Pareto最优解的遗传强化算法

针对多目标流水车间调度Pareto最优问题,本文建立了以最大完工时间和最大拖延时间为优化目标的多目标流水车间调度问题模型,并设计了一种基于Q-learning的遗传强化学习算法求解该问题的Pareto最优解.该算法引入状态变量和动作变量,通过Q-learning算法获得初始种群,以提高初始解质量.在算法进化过程中,利用Q表指导变异操作,扩大局部搜索范围.采用Pareto快速非支配排序以及拥挤度计算提高解的质量以及多样性,逐步获得Pareto最优解.通过与遗传算法、NSGA-II算法和Q-learning算法进行对比实验,验证了改进后的遗传强化算法在求解多目标流水车间调度问题Pareto最优解的有效性.

逐步增加Ⅱ型截尾下Pareto分布形状参数的Bayes估计

基于逐步增加Ⅱ型截尾样本,首先得出Pareto分布形状参数的极大似然估计,考虑两个损失函数和形状参数的两个先验分布,得出该分布形状参数的4个Bayes估计。由数值模拟结果发现,上述四个Bayes估计值的均方误差均小于极大似然估计值,其中,当损失函数为二次损失函数,形状参数的先验分布为共轭先验分布时的Bayes估计的均方误差较小,估计效果更理想,且实例分析与数值模拟结果相符。其次在二次损失函数下,针对形状参数先验分布选取共轭先验分布,给出Pareto分布形状参数的多层Bayes估计和E-Bayes估计。

不连续多目标博弈弱Pareto-Nash均衡解的存在性与Hadamard良定性

该文主要考虑不连续多目标博弈问题解的存在性和良定性.首先将不连续条件更优回应保障推广到n人多目标博弈,证明了其弱Pareto-Nash均衡点的存在性定理.更进一步地,研究了此类不连续n人多目标博弈的Hadamard良定性.这些结果推广了P.J.Reny等的研究成果.

无失效数据场合下Pareto分布可靠度的Bayes估计

在无失效数据场合下,根据Pareto分布的分布函数的上凸函数性质,讨论Pareto分布可靠度的Bayes估计.首先取关于失效概率P_(i)的减函数(1-P_(i))^(a)作为P_(i)先验分布的核函数,给出了可靠度Ri的先验分布,然后计算其Bayes估计,最后进行了算例分析.算例分析结果表明,与取均匀分布作为失效概率的先验分布相比,本文提出的方法有效提高了Pareto分布可靠度的估计精度.

一种基于贝叶斯的广义Pareto分布变点估计

文章研究广义Pareto分布单变点的估计问题,利用贝叶斯方法对广义Pareto分布变点进行估计,模拟结果表明,贝叶斯方法能获得更好的效果。同时将贝叶斯方法与基于KL散度似然比统计量的极大似然法比较,得出贝叶斯方法效果更好。

损失函数下逐步二型删失数据广义Pareto分布参数的Bayes估计

基于逐步二型删失数据,在几种不同的损失函数下,选择广义Pareto分布,讨论其形状参数的Bayes估计。当尺度参数给定时,为θ参数引入Gamma分布作为先验分布,得到了几种不同损失函数下参数θ的Bayes估计的数学表达式,通过数值模拟方法,比较了几种损失函数下所得到的Bayes估计的效果。结果表明:在Linex损失函数下,广义Pareto分布参数的Bayes估计效果最优。

基于Pareto解集的工业园区微网优化配置研究

工业园区各类能源耦合性较差,不同能源系统独立运行,能源利用率较低,需从多类能源互联集成和互补融合入手,提高能源的综合利用效率和可再生能源的利用率。提出了一种工业园区综合能源微网方案,以总成本、污染治理费、电网可靠性、风光互补性为目标函数和约束条件,建立了多能微电网优化模型。设计了一种基于Pareto最优解集的多目标差分算法并采用熵权法确定每个评价指标的权重,将多目标运算转化为单目标运算。仿真结果表明,该算法在微电网端可有效降低传统能源的消耗,加强清洁能源的有效利用,减少碳排放量并降低系统运行成本。

广义Pareto分布参数的Bootstrap置信区间及应用

针对广义Pareto分布应用于超阈值数据拟合时尾部数据较少的情况,将参数的极大似然估计与Bootstrap方法相结合,给出参数的Bootstrap置信区间。Bootstrap置信区间计算方法既可以通过重复抽样充分利用样本信息,又可以避免样本较少时估计量方差偏大的情况。理论证明参数的Bootstrap置信区间是渐近有效的。数值模拟结果表明在一定的置信度下,置信区间的区间长度和覆盖率比较合理。应用建立的Pareto模型对巴颜喀拉地震带震级数据进行分析,结果表明在相同的置信度下,采用Bootstrap方法计算的置信区间比由近似协方差矩阵计算的区间长度更短,这为广义Pareto模型描述地震震级分布的适用性提供了支撑。

基于Gibbs抽样算法的两参数Pareto分布的Bayes估计

本文在非正常先验分布下讨论了基于Linex非对称损失函数的两参数Pareto分布的Bayes估计,证明了Linex损失函数下的Bayes估计是可容许的,并利用Gibbs抽样算法进行了Bayes估计实现;通过数值模拟,比较了极大似然估计与Bayes估计的风险。结果表明:Pareto分布的尺度参数的Bayes估计效率一致高于极大似然估计;在小样本情形下,当损失函数的尺度参数大于0时,Pareto分布的形状参数的Bayes估计的效率高于极大似然估计。

融合局部搜索与Pareto支配的多目标任务调度模型

为了解决复杂任务群调度过程中资源利用不均、任务完成时间较长等问题,以最小化资源负载均方差和最小化任务群完成时间为目标构建复杂任务群资源调度模型,提出一种融合局部搜索和Pareto支配的多目标优化算法BRLSN(multi-objective optimization based on boundary range local search and NSGA-Ⅱ,BRLSN)。该算法采用有效的编码方式与交叉变异算子进行迭代寻优,并利用基于边界区域局部搜索的精英保留策略扩大算法搜索范围,保存种群优良个体。实验结果表明,BRLSN相较于其他多目标算法在收敛性和多样性上有显著的提升,同时算法收敛速度更快,种群质量更高,明显优化了最终目标函数的结果值。

一种对称损失下两参数广义Pareto分布形状参数的Bayes分析

在加权对称损失函数下,使用Bayes估计方法,讨论了两参数广义Pareto分布形状参数的Bayes估计及其性质,得到了形状参数的Bayes估计的一般形式与在两种不同先验下的精确形式,并由此得到形状参数的最小最大估计的一种形式,将不同的估计联系在一起。并通过模拟研究了所得估计的精度,结果表明所得估计的精度较高。

双定时混合截尾下Pareto产品失效时刻的预测

假设受试样品的失效时刻服从Pareto分布,基于双定时混合截尾样本得到了未来失效时刻的概率密度函数,利用经典方法得到了未来失效时刻的点预测和区间预测.当形状参数的先验分布分别取为伽玛先验和无信息先验分布时,得到了未来次序失效时刻的等尾预测区间.根据所得到的双定时混合截尾数据,对于独立同分布于该Pareto分布的任一产品,得到了它的失效时刻的中位数预测和区间预测.借助一个数值例子,利用文中的结论计算出了相关的点预测和区间预测.

基于Pareto法则的BPA概率转换

基于帕累托(Pareto)法则,该文认为复杂焦元信度的分配应该依赖于其单子命题的信度,信度大的更能决定复杂焦元的分配,信度为零的也能影响复杂焦元的分配.将复杂焦元分成2类结构:单子命题没有零值和单子命题有零值.对于前者,找出了复杂焦元的帕累托元素,只在帕累托元素上按其信度权重进行分配,这既避免了一些反常的情况又能更加突出信度大的单子命题.对于后者,采用忽略一部分或平均的办法来进行分配;设置了2个参数,既能控制焦元分配的冒险程度,又能控制转换的效果.提出了一种能够根据给定冒险程度来计算基本概率分配函数概率转换的新方法.最后通过实例分析,验证了该方法是有效的.