记忆增强的动态多目标分解进化算法

现实世界中的一些多目标优化问题经常受动态环境影响而不断发生变化,要求优化算法不断地及时跟踪时变的Pareto最优解集.提出了一种记忆增强的动态多目标分解进化算法.将动态多目标优化问题分解为若干个动态单目标优化子问题并同时优化这些子问题,以便快速逼近Pareto最优解集.给出了一个改进的环境变化检测算子,以便更好地检测环境变化.设计了一种基于子问题的串式记忆方法,利用过去类似环境下搜索到的最优解来有效地响应新的环境变化.在8个标准的测试问题上,将新算法与其他3种记忆增强的动态进化多目标优化算法进行了实验比较.结果表明,新算法比其他3种算法具有更快的运行速度、更强的记忆能力与鲁棒性能,并且新算法所获得的解集还具有更好的收敛性与分布性.

位平面编码存储优化算法及FPGA设计

提出一种基于子块的存储优化算法,可用于解决现有JPEG2000位平面编码器中存在的访问编码块存储器模式失配问题.采用将编码块划分成4×4的子块独立进行编码的策略,将访问同一小波系数的时间间隔从3N2Δt减少至48Δt,同时将访问编码块存储器的次数从(3K-2)N2降低至N2/W.该算法不仅兼容现有各种加速技术,而且增加了子块并行的机会.基于FPGA平台实现了一种子块并行合并样本并行的位平面编码器结构,能够将编码时间复杂度从O(N2)降低至O(N),同时节省状态信息存储39%以上.实验结果表明,与目前最快的三层并行结构相比,文中设计的加速比达到了1.3.

基于最优因果化提升结构及子带叠混的低内存DWT实现

基于提升结构的因果化实现及优化在将两带滤波器组转化为单进单出系统时子带系数的叠混模式,提出了一种改进的低内存需求的离散小波变换(Enhanced Low-memory Discrete Wavelet Transform,ELDWT)实现方法。相对于DWT的常规全局实现法,基于ELDWT实现的正、逆离散小波变换均具有与图像高度无关的低内存需求且不同的分解层可以使用不同的小波滤波器。相对于著名的基于行的离散小波变换实现(Line-Based Wavelet Transform,LBWT),当小波滤波器组中的滤波器长度差大于2时,ELDWT具有比LBWT更低的全局内存开销及系统时延。当采用MPEG-4标准中静态纹理压缩所采用的9/3滤波器组及典型的5层分解,相对于LBWT,基于ELDWT的2维DWT实现的内存需求降低了22.7%。

催化装置主风机组预知性维修研究

催化装置主风机组受操作条件影响,运行故障率相对较高,机组振动劣化持续时间长,机组故障诊断与健康管理(PHM)水平有待提升。文章以某石化公司的主风机组检修为例进行研究,基于长短期记忆网络建立训练预测模型,对机组振动异常阶段的数据进行采集和训练,预测拟合机组振动趋势,并在此基础上对故障处置动作和检、维修时机提出优化建议,在预知性维修方面做出尝试,实现机组健康管理提升。

动态优化算法综述

动态优化算法的研究已成为优化算法领域研究的一个热点.对于基于种群的优化算法而言,它主要可以分为环境变化后增加多样性的方法、运行过程中始终保持多样性的方法、基于记忆机制的方法、多种群方法和基于预测机制方法5类.动态优化算法的关键是在搜索过程中始终保持搜索空间开发和探索之间平衡.该类算法不仅能发现最优个体,而且能在动态环境中跟踪变化了的最优个体.在今后的动态优化研究中,重点应放在动态优化算法理论方面和算法设计、构建上,使它更接近现实问题.

基于杂合机制的免疫遗传算法在动态问题中的应用

针对遗传算法在求解动态问题时存在多样性缺失,无法快速响应环境变化的问题,提出一种基于杂合子机制的免疫遗传算法.该算法借鉴免疫系统中多样性与记忆机理,从保持等位基因多样性出发,在免疫变异中引入杂合映射机制,使种群能够探索更大的解空间.同时,通过引入记忆策略,使算法迅速跟踪最优解变化轨迹.该方法在动态0-1优化问题的求解中取得了较好的效果.

动态环境下一种具有记忆能力的分布估计算法

以概率模型为基本记忆元素,对动态优化过程中所产生的历史信息进行记忆和利用,提出一种具有记忆能力的分布估计算法用以求解二进制编码动态优化问题.设计了基于环境辨识技术的记忆管理策略,并对种群多样性进行动态补偿.实验结果表明,该算法具有良好的通用性,所采用的多样性补偿策略能够保证算法种群对最优解的持续搜索能力.在对5个动态优化问题的实验中,该算法在绝大多数情况下都显著优于现有的另外两种动态进化算法.