基于全局排序的高维多目标优化研究

目标数超过4的高维多目标优化是目前进化多目标优化领域求解难度最大的问题之一,现有的多目标进化算法求解该类问题时,存在收敛性和解集分布性上的缺陷,难以满足实际工程优化需求.提出一种基于全局排序的高维多目标进化算法GR-MODE,首先,采用一种新的全局排序策略增强选择压力,无需用户偏好及目标主次信息,且避免宽松Pareto支配在排序结果合理性与可信性上的损失;其次,采用Harmonic平均拥挤距离对个体进行全局密度估计,提高现有局部密度估计方法的精确性;最后,针对高维多目标复杂空间搜索需求,设计新的精英选择策略及适应度值评价函数.将该算法与国内外现有的5种高性能多目标进化算法在标准测试函数集DTLZ{1,2,4,5}上进行对比实验,结果表明,该算法具有明显的性能优势,大幅提升了4~30维高维多目标优化的收敛性和分布性.

基于全局排序模式同步的多通道脑电同步特性分析

脑电同步是脑功能区域整合的重要表现。基于时间序列的排序模式,提出一种简单易行的多通道脑电信号同步分析方法——全局排序模式同步(GMS)。仿真分析显示,该算比基于加权排序互信息的全局同步因子对弱耦合的检测更为灵敏。对26例遗忘型轻度认知障碍和20例认知功能正常的2型糖尿病患者闭眼静息态的脑电信号,采用基于小波增强的独立分量分析算法进行预处理,将32路脑电信号分为前额、中央区、顶区、枕区、左颞和右颞6个区域进行全局同步分析,并利用独立样本t检验对两组被试之间的人口学特征、神经心理学检查和同步值进行统计分析,利用皮尔森线性相关分析研究各区域同步值和认知功能之间的关系。结果显示,糖尿病轻度认知障碍患者与正常对照组相比,各脑区的全局排序模式同步值均减小,尤其是中央区(P<0.01)、顶区(P<0.05)和枕区(P<0.05)有显著性的降低,且前额(r=0.298,P=0.045)、中央区(r=0.327,P=0.026)、顶区(r=0.32,P=0.03)的全局排序模式同步值均与MOCA得分有显著的正相关性,表明GMS是与认知功能下降相关的脑电特征。

一种新的全局排序高维多目标优化算法

针对传统高维多目标优化问题解决方法存在解集收敛性与解集分布均匀性缺陷的问题,提出将全局排序方法与灰色关联分析两种方法相结合,设计一种新的全局排序高维多目标优化算法.通过设计最小函数值母序列和个体目标函数值子序列,利用灰色关联分析法计算其关联度,并结合个体目标适应度计算策略,解决解集分布不均匀的问题.该算法不仅可提高非支配个体的选择能力,还具有良好的收敛性.为测试该算法的性能,选择3种经典多目标进化算法,在标准测试函数集DTLZ{2,4,5,6}上进行对比实验.实验结果表明,该算法在解决高维多目标问题时,其收敛性与解集分布均匀性均优于其他3种算法.

基于全局边缘排序的超启发算法在绿色物流选址-路径优化问题中的应用

为了解决目前物流选址-路径优化问题(LRP),提出一种以低碳排放量、配送中心选址规划和车辆路径规划为目标的双目标LRP模型。针对传统启发式算法在解决大规模LRP时的通用性差、效率低的缺点,设计出一种以选择函数法作为选择策略、以基于全局边缘排序的评价指标作为接受策略的超启发算法。通过求解基准测试实例,该算法在解决所提LRP模型时,能准确、高效、智能地设计出调度方案。与传统启发式算法以及性能良好的超启发算法在解的整体质量、单个解收敛效率等方面进行对比,验证了所提方法的可行性和有效性。

基于全局边际排序和自适应参数调节的多目标粒子群算法

多目标粒子群优化算法作为一种强大的优化技术,在各个领域得到了广泛的应用。然而,对于大多数现有的算法来说,同时在收敛性和多样性方面表现良好仍然是一项具有挑战性的任务。针对上述挑战,本文提出了一种基于全局边际排序和自适应参数调节的多目标粒子群优化算法(GGRAW)。在多目标粒子群算法中,飞行参数、惯性权重ω、加速度系数c1和c2对于实现种群开发和勘探之间的平衡非常重要。该策略利用个体在客观空间中的位置信息,以获得整个种群的优势边际。该方法不仅考虑了种群的分布,还考虑了个体的相关信息。通过自适应参数的调节更加促使种群中的粒子向真实的Pareto前沿移动;将GGRAW算法与3种经典的多目标粒子群算法在ZDT、DTLZ和WFG系列的部分测试函数上进行仿真实验;试验结果表明:相对于其他的几种经典算法,GGRAW算法表现出较好的收敛性和多样性,因此,GGRAW算法可以作为求解多目标优化问题的有效算法。

多级多版本数据库管理系统全局串行化(英文)

多级调度应该保证事务历史可串行化,满足多级安全特性,不会引入隐通道,并保证高级别事务不会因为无限等待而“饿死”.与其他多级数据管理系统调度机制相比,多级多版本时戳调度机制满足上述要求,但该机制存在两个问题,一是事务可能读旧版本,二是要求调度器是可信进程.提出一种多级多版本全局时戳调度机制(MLS_MVGTO),以及依据事务快照生成其全局时戳的基本步骤.给出了预知只读事务信息时的两种改进方法.MLS_MVGTO机制生成的事务历史可串行化,不引入隐通道等,并且该方法避免引入一个全局可信的调度器,并通过对只读事务的深入分析,允许事务读新版本.

指定输出通道排序的半监督盲源分离算法

在频域操作的联合盲源分离算法可以有效解决频点间的内部排序问题,然而对于输出通道的排序,即全局排序,现有的基于频域的联合盲源分离算法仍无法有效确定.使用基于变分自编码器的声源模型,通过预先指定从注册语料中获得的各话者编码向量的排列顺序来调控分离后输出通道的顺序.该方法使用带有实例归一化和自适应实例归一化层的变分自编码器来确保这一排序方式的有效性.此外,为了减少频域上联合盲源分离算法可能出现的块排序问题,提出使用人为构造的两类含噪信号对变分自编码器中的解码器网络单独进行降噪训练的方案.利用实际录制的房间冲激响应的仿真结果表明,该方案可以在保证算法分离性能的同时,有效地按照预期的输出顺序调控输出通道.