基于分区搜索和强化学习的多模态多目标头脑风暴优化算法

维持种群多样性和提高算法搜索效率是多模态多目标优化亟需解决的两大问题。为解决以上问题,提出了一种基于分区搜索和强化学习的多模态多目标头脑风暴优化算法(MMBSO-ZSRL)。在MMBSO-ZSRL中,首先将决策空间分解为多个子空间以降低搜索难度和维持种群多样性;然后,使用SARSA(state-action-reward-state-action)算法来平衡头脑风暴算法的全局探索和局部开发能力;并使用特殊拥挤距离来挑选个体来指导种群进化。为了验证所提算法的性能,选取六种先进的多模态多目标优化算法来进行比较,并选取IEEE CEC2019多模态多目标问题基准测试集来对所有比较算法的性能进行测试。实验结果表明,MMBSO-ZSRL的整体性能要显著优于其他六种比较算法。MMBSO-ZSRL不仅可以找到多样性和逼近性更好的帕累托前沿,而且可以在决策空间找到更多的帕累托最优解。

相控阵雷达的最优分区搜索算法

本文提出一种分区搜索算法 ,实现了相控阵雷达的自适应最优搜索 首先 ,研究了各区域平均发现一个目标消耗的雷达资源和目标被发现的平均时间同搜索帧周期以及目标强度的关系 ;然后 ,研究了在各区域采用两步搜索算法的最优参数设计 ,实现了局部区域的最优搜索 ;其次 ,在雷达时间资源有限和区域重要性加权的约束条件下 ,导出了使目标被发现的平均时间最小的区域最优帧周期 ;最后 ,讨论了分区搜索算法的自适应性 只要采用各区域的最优参数 ,按最优帧周期调度雷达波束 ,就可以自适应地实现使目标被发现的平均时间最短的波束的最优分布和扫描顺序 ,即自适应最优搜索。

利用基于分区搜索的自适应遗传算法求解TSP问题

为了提高用遗传算法求解旅行商问题(TSP)的收敛速度,结合自适应算子和父子竞争策略等优化思想,提出了基于分区搜索的自适应遗传算法.该算法将整个搜索区域分成若干个较小的搜索区域,先进行局部搜索,在得到局部较优的基因组合后,再进行全区域搜索,不但提高了遗传算法的收敛速度,而且改进了变异算子的操作性能.通过TSP问题的求解表明,基于分区搜索的自适应遗传算法是一种稳定、高效的优化算法.

基于最优分区搜索法的线结构激光成像方法研究

为了提高三角法测距成像中光线像素点提取的准确性,该文根据三角法测距原理推导了一种基于线结构激光的测距成像系统的物理模型,并给出了激光照射点在三维空间中的坐标公式。针对复杂背景下光线的提取,提出了一种基于最优分区搜索的算法,即在确定目标区域后仅在区域附近运用改进的灰度重心法提取光线中心点像素。实验结果显示,该设计模型及提取算法能够有效减少环境中噪声的影响,真实复现三维空间场景。

发输电协调检修计划的主从规划模型与分区搜索算法

提出了针对发输电协调检修计划的主从规划模型,主问题以总成本最小为目标,主、从问题分别采用分区禁忌搜索(partition tabu search,PTS)法和线性规划方法求解。为解决主问题解空间的"平坦区域"内寻优效率低的问题,PTS算法将主问题的解空间分为发电和输电2个子空间,并按一定概率对子空间分别进行搜索,每次迭代中,PTS算法根据子空间的邻域特征,调整概率分布参数以减少对"平坦区域"的搜索,提高了寻优效率。算例结果验证了模型与算法的有效性。

基于并行分区搜索的多模态多目标优化及其应用

基于分区搜索的多模态多目标优化属于一种决策空间分解策略,因此它具有天然的并行性。为提高求解效率,提出了一种并行分区搜索(Parallel Zoning Search,PZS)方法来辅助多模态多目标进化算法。在PZS中,首先将多模态多目标优化问题的整个决策空间划分为多个子空间,然后利用并行计算技术来实现选定的多模态多目标进化算法在各个子区域内进行并行搜索,最后将所有子空间得到的解集进行合并和选择。为验证所提方法的有效性,文中设计了两组实验:1)在所有对比算法的运行时间相同的条件下进行实验;2)在所有对比算法的函数评价次数相同的条件下进行实验。结果表明,在计算时间相同的情况下,所提方法能够有效提高选定的多模态多目标进化算法在决策空间中所得解集的质量;而在相同函数评价次数条件下,其能够节省计算时间。文中还将与PZS相结合的多模态多目标进化算法用于求解考虑碳排放的海铁联运能耗多模态多目标优化问题,所得结果可以为海铁联运中的环境保护和运输时间问题提供决策支持。

基于分区搜索算法的快速聚焦策略研究

针对爬山算法在自动聚焦中出现的诸如准确率差、速度慢等问题,提出了一种结合自适应步长和两步搜索法的分区搜索算法。方法根据聚焦评价函数值大小和曲线线形将聚焦评价曲线分为平缓和陡峭两个区域,平缓区域使用自适应步长进行搜索,提高自动聚焦搜索速度;陡峭区域使用两步搜索法,避免假峰值干扰所导致的聚焦错误,提高自动聚焦准确率。实验结果表明,分区搜索算法相较于爬山算法聚焦速度提升了11.25%,且具有更好的准确性和抗干扰能力。

融合分区导向搜索与自适应扩散的新型Lichtenberg算法

针对Lichtenberg算法收敛速度慢、易陷入局部最优等问题,提出融合分区导向搜索与自适应扩散的新型Lichtenberg算法(novel Lichtenberg algorithm,NLA)。根据群体粒子的适应度值将搜索空间分为中心区域和边缘区域,分别利用螺旋系数的动态趋向性和Levy变异的随机性,对中心区域和边缘区域的粒子进行位置更新,提高种群多样性,加强算法的全局搜索能力;引入自适应扩散策略,充分利用群体各个粒子的位置和适应度值信息来指导其进行信息交流,避免算法陷入局部极值,提高算法的局部优化能力。采用CEC2021测试函数和20个不同特点的高维测试函数进行数值实验,并将NLA算法与六种不同类型的智能优化算法进行对比,实验结果表明,NLA算法具有更高的寻优精度和收敛速度。最后验证了两种改进策略对NLA算法的有效性。

基于权重的分区最优搜索数据率研究

针对现代电子战探测目标多样性以及多任务同时工作导致的资源不足问题,研究了一种相控阵雷达的分区优化搜索算法。根据不同分区目标的不同特性分别设计了搜索参数,并给出了各分区重要性权重的计算方法。然后,分析了在不同资源约束条件下相控阵雷达搜索性能的优化模型,给出了各分区最优搜索数据率的计算准则和方法。最后,通过仿真实验验证了优化算法的有效性。

融合分区和局部搜索的多模态多目标优化

为解决多模态多目标优化中种群多样性维持难和所得等价解数量不足问题,基于分区搜索和局部搜索,本研究提出一种融合分区和局部搜索的多模态多目标粒子群算法(multimodal multi-objective particle swarm optimization combing zoning search and local search,ZLS-SMPSO-MM)。在所提算法中,整个搜索空间被分割成多个子空间以维持种群多样性和降低搜索难度;然后,使用已有的自组织多模态多目标粒子群算法在每个子空间搜索等价解和挖掘邻域信息,并利用局部搜索能力较强的协方差矩阵自适应算法对有潜力的区域进行精细搜索。通过14个多模态多目标优化问题测试,并与其他5种知名算法进行比较;实验结果表明ZLS-SMPSOMM在决策空间能够找到更多的等价解,且整体性能要好于所比较算法。

集中决策式广域后备保护的分区模型与优化算法

广域后备保护具有整定配合简洁、不受电网潮流转移影响等优点,可有效防止由传统保护隐性故障引发的电网连锁跳闸事故。但如何在实际大规模电网中划分合理的保护区域是其面临的难题。本文针对集中决策式广域后备保护提出了相应的分区评价指标。以电网的分区最长通信距离评价广域通信的实时性,并结合分区经济性和均衡性指标构建了分区目标函数。同时,提出了一种基于二层搜索分区的优化分区算法。该算法通过优化分区搜索节点策略缩短了进化种群中的染色体长度,在自适应优化分区数目的同时,大幅减小了分区算法的搜索空间。基于IEEE 39和118节点系统的仿真表明,所述分区算法在对不同规模电网进行分区时均具有较高的运算效率,并能较好地满足分区评价指标的要求。

相控阵雷达中的自适应搜索研究

本文研究了相控阵雷达中的自适应分区搜索算法及性能 .首先 ,推导了最优分区搜索性能及其与均匀搜索性能的关系 ,分析了目标强度估计误差对最优分区搜索性能的影响 ;然后 ,分别研究了平稳目标分布和非平稳目标分布环境下的自适应搜索方法。

一种基于区域局部搜索的NSGA Ⅱ算法

针对局部搜索类非支配排序遗传算法(Nondominated sorting genetic algorithms, NSGA Ⅱ)计算量大的问题,提出一种基于区域局部搜索的NSGA Ⅱ算法(NSGA Ⅱ based on regional local search, NSGA Ⅱ-RLS).首先对当前所有种群进行非支配排序,根据排序结果获得交界点和稀疏点,将其定义为交界区域和稀疏区域中心;其次,围绕交界点和稀疏点进行局部搜索.在局部搜索过程中,同时采用极限优化策略和随机搜索策略以提高解的质量和收敛速度,并设计自适应参数动态调节局部搜索范围.通过ZDT和DTLZ系列基准函数对NSGA Ⅱ-RLS算法进行验证,并将结果与其他局部搜索类算法进行对比,实验结果表明NSGA Ⅱ-RLS算法在较短时间内收敛速度和解的质量方面均优于所对比算法.

两阶段搜索的多模态多目标差分进化算法

在多模态多目标优化问题中,Pareto前沿的同一位置对应决策空间的多个Pareto最优解,而已有的多目标优化算法往往只能获得其中的一个Pareto最优解,因此,提出一种两阶段搜索的多模态多目标差分进化算法。该算法将优化过程分为精英搜索和分区搜索两个阶段:在精英搜索阶段通过精英变异策略生成高质量个体来保障种群的搜索精度和效率;在分区搜索阶段将决策空间分为若干子空间,利用已探测到的种群对各个子空间进行深度探索,降低问题复杂度的同时提高种群在决策空间的扩展性和均匀性。在MMF1等18个多模态多目标优化测试函数上与NSGAII、MO_Ring_PSO_SCD、DN-NSGAII、Omni-Optimizer、MMODE 5种经典算法进行性能比较。实验结果表明,本文算法在帕累托近似性(PSP)性能指标上有16个测试函数优于其他5个对比算法。

无功优化分解协调计算的节点分区方法

无功优化分解协调算法中,根据电压-无功灵敏度对电力系统进行分区,使得各区域节点间电压无功耦合最弱,这样有利于提高该算法的计算效率和实用价值。求出正常运行状态下的节点间电压-无功灵敏度,应用阀值搜索分区算法对系统节点进行分区,用节点分裂法将系统分解为几个较小规模的子网络。IEEE118节点系统和两个实际系统(538节点和1133节点)的无功优化计算表明,该分区算法能改善算法的收敛性,从而提高其计算效率。

一种用于图像匹配的快速有效的二分哈希搜索算法

文章针对高维图像特征的匹配问题,提出一种新的二分哈希搜索算法(Dichotomy BasedHash,DBH)。对具有大尺度旋转、缩放、视点和噪声变化的图像进行匹配,结果表明DBH可以较大提高最近邻搜索精度和查全率-查错率性能,从而获得较好的图像粗匹配结果。该算法搜索性能优于BBF(Best Bin First)算法,同时也比高维Hash搜索算法LSH(Local Sensitive Hash)更快更精确。

简化UMHS算法的改进方案

对“简化UMHexagonS算法”进行了介绍,对其特点及造成其优越性能的原因进行了初步分析,并提出了改进方案:总体流程部分改用“基于预测中心的分区细搜索”方案、搜索方案部分改用对不同运动类型采用不同搜索模板、初始搜索点预测部分对16×16块增加了时间预测,等等。仿真实验结果表明,改进方案可减少“简化UMHexagonS算法”约10%～40%的搜索点数和6%～20%的搜索时间,而率失真性能也略优于“简化UMHexagonS算法”,尤其对中、大运动序列,搜索性能有较明显的提升。

Delaunay三角网生长算法改进与实现

对一般三角网生长法做了简要介绍和分析,针对限制算法效率提高的关键步骤——"搜索符合条件的第三点",提出了一种"第三点分区搜索法"的改进算法。通过一系列的圆弧将离散点区域划分成多个分区,构网时规定只可在当前分区和相邻的下一分区搜索第三点,当该分区的离散点搜索完毕后进入下一分区。在Microsoft Visual Studio 2008的环境下使用C++进行编程测试,结果表明,该算法能够加快构网速度,生成的三角形形状良好,具有一定的实际效用。

改进的基于Web的频繁访问路径挖掘算法

对于连续频繁访问路径的挖掘如果采用常见的序列模式挖掘算法,挖掘效率是比较低的,而且只能得到频繁访问路径.本文在研究访问路径性质的基础上给出了一种能从普通Web日志中挖掘出连续频繁访问路径的算法.设计了一种新颖的数据结构压缩存储空间及存储所需挖掘信息.同时采用分区搜索的方式,为每个频繁节点构造一棵后缀树,通过遍历该后缀树挖掘出连续频繁访问路径.采用这种方法进行挖掘,无需生成候选集,而且一次就可以挖掘出所有以根节点为后缀的连续频繁访问路径.