一种基于决策图贝叶斯网络的强度Pareto进化算法

提出了一种基于决策图贝叶斯网络的强度Pareto进化算法,该算法把贝叶斯概率模型结合到多目标进化算法中,通过构造和学习网络来替代传统进化算法中的交叉重组和变异等遗传操作,避免对大量参数的人工设置和重要构造块的破坏.求解多目标背包问题的仿真结果表明,所提算法可以快速收敛到较好的Pareto前沿,有很强的鲁棒性.

优化设计中的多目标进化算法

近十多年来多目标进化算法是人工智能领域的一个相当活跃的研究热点。该文从非Pareto方法、基于Pareto方法及贝叶斯多目标优化算法等角度对当今多目标进化算法进行了分析,归纳了新出现的各种方法和技术,探讨了这个领域发展中存在的问题,并进一步给出了发展方向。此外文中分别对后两类提出了解决一般问题的计算效果较好的改进算法和新的算法。

基于贝叶斯网络的多目标优化算法

针对多目标进化算法中存在的无效进化和计算浪费,本文探讨了基于贝叶斯网络的多目标进化算法,并提出一个新的贝叶斯多目标优化算法。该算法结合个体的强度值和密度值完成非劣择优,利用具有局部结构BD度量机制进行网络度量,采用树形模型构建网络结构。实验结果表明了该算法的有效性。

基于帕累托贝叶斯网络的变压器故障诊断系统软件设计

传统的油中溶解气体分析技术在确定变压器内部故障类型时存在很大的局限性,因此本文将贝叶斯网络引入到变压器故障诊断系统中,给出了帕累托改进贝叶斯网络建模的设计流程,并利用MATLAB和Visual C++混合编程设计出一款基于帕累托贝叶斯网络的变压器故障诊断软件。该软件兼顾了变压器故障诊断过程中运算的快速性、运行环境的稳定性以及操作的简便性。

基于贝叶斯网络的多目标优化算法研究

文章在对现有贝叶斯优化算法进行系统而深入的理论研究和性能分析的基础上,拓展其多目标优化能力,构建基于贝叶斯网络的多目标算法框架,并围绕多目标优化算法收敛到多目标问题的全局帕累托(Pareto)前沿的Pareto最优解集和保持解的多样性这两个主要设计目标,研究高效、鲁棒的基于贝叶斯网络的多目标进化算法。

基于精益理念的中药制药工业数据挖掘及生产工艺持续改进策略研究:以去壁灵芝孢子粉制药过程为例

在中药工业数字化转型进程中,如何高效治理和分析工业数据,科学挖掘并利用其中蕴藏的有价值信息来指导中药生产制造,一直是中药制药领域的研究热点和应用难点。该研究针对中药制药工艺较为粗放、产品质量一致性有待提高等现状,将贝叶斯网络、卷积神经网络、帕累托多目标优化算法等先进计算工具与Shewhart控制图、过程性能指数等精益六西格玛分析工具相结合,提出一种可深入挖掘历史工业数据,指导制药工艺持续改进的策略,并以去壁灵芝孢子粉生产制造过程为研究载体进行验证。通过该策略优化,获得了可使去壁灵芝孢子粉水分、细度、粗多糖和总三萜等关键质量属性的过程性能指数Ppk均不小于1.33的关键参数可行区间组合。结果表明,该方法具有较高的工业应用价值,为中药生产工艺的持续改进提供了实用方法。