双边定时截尾下Pareto分布的参数的极大似然估计的EM算法

给出了当寿命分布为Pareto分布时,双边定时截尾寿命试验下形状参数的极大似然估计。由于似然方程形式较复杂,无法得到参数的显式表达式。但可证明此极大似然估计是唯一存在的,并利用EM算法求出了此参数的一种估计。

混合三维分布估计算法求解分布式加工装配和车辆配送集成调度问题

本文针对一类广泛存在的分布式加工装配和车辆配送集成调度问题(Integrated Scheduling Problem of Distributed Production Assembly and Vehicle Delivery,ISP_DPAVD),以最小化运输和延迟惩罚总成本为优化目标,提出一种混合三维分布估计算法(Hybrid three-Dimensional Estimation of Distribution Algorithm,H3DEDA)进行求解.ISP_DPAVD包含两个耦合的子问题,即加工装配阶段子问题(子问题1)和车辆配送阶段子问题(子问题2).由于每个子问题1的解(部分解1)均会确定1个具体的子问题2,故ISP_DPAVD的解空间非常庞大.根据这一特点,在H3DEDA中,先设计结合邻域变换的启发式规则来快速获取子问题2的优良解,以实现子问题间的部分解耦并明显缩减搜索空间,再设计三维EDA引导的全局搜索和变邻域驱动的局部搜索来获取ISP_DPAVD的高质量解.通过在不同规模测试问题上的仿真实验和算法比较,验证了H3DEDA求解ISP_DPAVD的有效性.

改进分布估计算法的AUV全局路径规划

为解决基于固定宽度直方图(FWH)的分布估计算法在解决自主水下机器人(AUV)路径规划问题时易陷入局部最优的问题,提出一种个体更新方法融合策略。将狼群优化算法(WPA)中的部分个体更新方法,以及三次样条函数融合到算法当中,增加算法个体更新方法的多样性。提高AUV路径规划的精度,增加收敛速度。在水下数字高程模型环境中,对原始算法以及改进后的算法进行性能评估。仿真结果验证了算法改进的可行性和有效性。

混合分布估计算法求解分布式柔性作业车间调度问题

随着分布式柔性制造系统的广泛普及,制造系统的调度决策从集中式的单一节点向分布式多中心的模式转变,分布式柔性作业车间调度问题成为近年来的研究热点。为求解分布式柔性作业车间的调度问题,构建了以最小化总成本和总拖期为优化目标的分布式柔性作业车间调度(DFJSP,Distributed Flexible Job Shop Scheduling Problem)模型,提出了一种结合分布估计和禁忌搜索的H-EDA-TS算法(Hybrid Estimation of Distribution Algorithm and Tabu Search Algorithm)。根据DFJSP模型和H-EDA-TS算法设计了三维编码方案。H-EDA-TS算法主要包括EDA组件和TS组件,在EDA组件部分设计了三个概率模型用于抽样生成种群;在TS组件部分针对优化目标设计了五种邻域结构用于生成邻域解。此外,基于sigmoid函数设计了一种自适应机制,用于控制TS组件的启动。最后,在不同规模的实例上进行了对比实验,证明了所提算法对于求解DFJSP具有明显优势。

混合流水车间批处理机调度的混合分布估计算法

针对某高端装备制造企业总装车间内存在的批处理工序含多道子工序的生产调度问题,以最大完工时间为优化目标建立了该问题的数学模型,并提出一种混合分布估计算法对模型进行求解。该混合分布估计算法将遗传算法中的交叉和变异操作引入分布估计算法,克服了分布估计算法局部搜索能力弱和遗传算法全局搜索能力弱的不足。另外,使用设计实验对算法中的学习率α和优势个体占比β进行确定,最后经过车间实例测试,混合分布估计算法求解能力优于分布估计算法和遗传算法,验证了算法的有效性,并将车间效率提升29.68%。

求解边坡临界滑动面的分布估计算法

在求解边坡临界滑动面问题的优化算法中,大多都存在结构复杂、参数取值困难或寻优效果差的缺点。为此,将基于高斯分布模型的分布估计算法与基于简化Bishop法的滑面安全系数计算模型相结合,建立具有简单生物协同和竞争思想的临界滑动面搜索新方法;然后,针对3自由度问题,设计了一种局部搜索方法,以弥补分布估计算法局部搜索性能差的劣势。将标准方法和改进方法分别应用于边坡断面复杂度依次递增的3道算例中,完成对标准方法正交试验结果的极差分析和多因素方差分析,并实现标准算法与改进算法计算结果的对比分析。结果表明:(1)标准分布估计算法可以计算出边坡的临界滑动面;(2)当算例简单时,各控制因素都不会对计算结果产生显著性差异;当算例复杂时,只有种群规模呈现出显著性;(3)改进算法比标准算法的计算结果更佳、搜索速度更快,且有效降低了种群规模大小对计算结果的影响。探索分布估计算法在边坡临界滑动面搜索问题中的应用,为解决该类问题开辟出了一条新的研究途径。初步校验表明,该模型鲁棒性更好,具有广阔的应用前景。

基于遗传算法的汽车底盘件疲劳寿命威布尔分布参数估计

为进一步探讨威布尔分布在汽车产品机械构件可靠性寿命评估过程中的应用情况,进行了基于遗传算法原理、威布尔分布参数确定方法和威布尔分布参数估计的研究。利用三参数威布尔分布参数估计遗传算法模型,得出基准舒适寿命的不可靠度,继而确定汽车底盘件疲劳寿命的威布尔分布三参数。研究表明,遗传算法应用于汽车底盘件疲劳寿命威布尔分布参数估计过程中,实用性较为明显,对汽车产品参数估计较为直接且简单有效。

基于分布估计算法的水闸水力计算研究

针对水闸计算中采用迭代方法计算存在无法得到收敛解的问题,提出一种融合分布估计算法(FEDA)。该算法采用分布估计算法求解水闸中堰流计算、消力池计算问题,结合水闸计算过程建立最优化模型,利用分布估计算法具有较强的全局搜索能力的特点,求解水闸计算中多变量多维度优化问题,并结合动态参数控制策略有效提高算法的搜索精度。通过工程设计中的实际算例进行测试,结果表明提出的算法具有较好计算性能。

分布估计灰狼算法求解低碳选址路径问题

针对碳定价背景下的低碳选址路径问题(Low-Carbon Location Routing Problem,LCLRP),首先构建了一种考虑油耗和碳排放成本,并以最小化设施选址成本、车辆启用成本以及运输成本为目标的选址-路径模型;其次,根据模型的特征,设计了一种分布估计灰狼算法(Grey Wolf Optimizer with Estimation of Distribution Algorithms,GWOEDA)对其进行求解。算法利用概率模型引导灰狼,并利用多父代交叉和两种邻域搜索算子增强了算法的全局搜索与局部搜索性能。算例分析结果表明:加入概率模型学习能力的灰狼算法在选址路径问题上有更好的寻优能力,并且在碳定价背景下,所构建的模型可以有效降低总成本和碳排放量。

一种多元均值混合正态分布参数的极大似然估计

以Madadi等提出的数学模型与概率密度函数为基础,证明了多元均值混合正态分布的性质,讨论了MMNE分布参数的极大似然估计问题,利用ECM算法对MMNE分布的位置参数、尺度参数、偏度参数进行了参数估计计算,给出了计算方法和迭代公式。实例分析表明,所提出的偏态数据下MMNE分布参数估计模型合理且实用。

一种对称损失下逆高斯分布形状参数的Bayes估计

在加权p、q对称损失下,分别研究了逆高斯分布形状参数的Bayes估计、多层Bayes估计和E-Bayes估计,并把刀切法的思想运用到Bayes估计中,得到逆高斯分布形状参数的刀切Bayes估计的精确形式,为验证形状参数估计的合理性,运用R软件,采用随机游动Metropolis算法对所研究参数的Bayes估计、E-Bayes估计和刀切Bayes估计进行数值模拟,比较了在加权p、q对称损失、Linex非对称损失、平方损失和q-对称损失下逆高斯分布形状参数的Bayes估计的精度,结果表明加权p、q对称损失下逆高斯分布形状参数的Bayes估计的精度最高。

多元混合正态分布参数的极大似然估计

从层次结构的角度出发推导总结了Reinaldo B.Arellano-Vall所提出的广义多元混合正态分布公式中混合变量的相关统计性质,结合所推导的混合变量性质,运用EM算法和协方差矩阵参数化分解方法,解决多元混合正态分布在无序约束和简单树半序约束下参数的极大似然估计问题。借助MATLAB软件编程进行数据仿真模拟,并给出其协方差矩阵在简单树半序约束下的极大似然估计结果。

一类具有成组可重入特征单机调度的改进分布估计算法

从钢铁企业宽厚板热轧生产过程中提炼出一类具有成组可重入特征的单机调度问题。在该问题中,工件需分阶段重复进入同一机器加工,且阶段间存在一定的等待时间,为提升生产效率,允许相邻工件进行成组加工。针对此类具有实际工业应用背景的调度问题,以最大完工时间为目标,首先建立了混合整数线性规划模型,然后证明了问题的强NP难特性,并给出了最优解存在的性质特征,进而开发了一种改进的分布估计算法,为评估算法性能,基于理论分析提出了问题最优解的两个下界。通过与其他三种主流元启发式算法的比较分析,验证了所提算法的有效性。

混合Beta分布GARCH模型的EM算法求解与实证分析

GARCH模型在处理时序数据异方差问题中得到广泛应用,然而在面临一些特殊领域的数据,尤其是金融市场领域中具有高峰厚尾、非对称性、有界取值区间等特征的数据时,传统正态分布的基本假设往往与现实严重不一致。针对此类问题,文章提出混合Beta分布的GARCH模型,并给出了基于完全数据最大似然函数的EM算法估计模型的参数,以仿真模拟数据和金融市场现实数据为例,进行了实证分析。结果显示,在违背正态分布假设的情形下,混合Beta分布GARCH模型更能有效地提炼波动的一系列非正态性信息,同时也验证了EM算法对模型的参数求解行之有效。

融合注意力机制的增强受限玻尔兹曼机驱动的交互式分布估计算法

面向用户生成内容(User generated content,UGC)的进化搜索在大数据及个性化服务领域已引起广泛关注,其关键在于基于多源异构用户生成内容构建用户认知偏好模型,进而设计高效的进化搜索机制.针对此,提出融合注意力机制(Attention mechanism,AM)的受限玻尔兹曼机(Restricted Boltzmann machine,RBM)偏好认知代理模型构建机制,并应用于交互式分布估计算法(Interactive estimation of distribution algorithm,IEDA),设计含用户生成内容的个性化进化搜索策略.基于用户群体提供的文本评论,以及搜索物品的类别文本,构建无监督受限玻尔兹曼机模型提取广义特征;设计注意力机制,融合广义特征,获取对用户认知偏好高度相关特征的集成;利用该特征再次训练受限玻尔兹曼机,实现对用户偏好认知代理模型的构建;根据用户偏好认知代理模型,给出交互式分布估计算法概率更新模型以及物品适应度评价函数,实现物品个性化进化搜索.算法在亚马逊个性化搜索实例的应用验证了用户认知偏好模型的可靠性,以及个性化进化搜索的有效性.

基于一种近邻传播的多目标分布估计算法

在基于规则模型的多目标分布估计算法(Regularity Model-based Multi-objective Estimation of Distribution Algorithm, RM-MEDA)基础上,为减小聚类数目的随机性和不确定性对算法性能产生的影响,提出了一种基于规则模型的近邻传播(Affinity Propagation, AP)多目标分布估计算法(AP-RM-MEDA)。在算法迭代初期引入AP聚类算法,根据种群传递的信息对种群进行初聚类,得到聚类数目。同时,为了减小AP聚类算法带来的计算开销,提出了一种关于聚类数目的重用策略,并通过实验验证了其有效性。为了提高算法的求解能力,混合差分变异算子生成新的个体。为了验证所提算法的性能,选取RM-MEDA、基于差分进化采样(Differential Evolution Sampling, DES)的多目标分布估计算法(DES-RM-MEDA)和基于规则模型的无聚类多目标分布估计算法(FRM-MEDA)作为对比算法,分别在两目标和三目标测试函数上进行测试。实验结果表明,所提算法的整体性能有所提高。

逐步Ⅱ型删失下Burr Type X分布的参数估计

针对逐步Ⅱ型删失数据下Burr Type X分布的参数估计问题,提出模型参数的一种新的贝叶斯估计及相应的最大后验密度(HPD)置信区间.假设伽玛分布为待估参数的先验分布,考虑待估参数的条件后验分布未知、单峰且近似对称,选取以正态分布为提议分布的Metropolis-Hastings(MH)算法生成后验样本,基于后验样本在平方误差损失函数下得到待估参数的贝叶斯估计和HPD置信区间.将基于MH算法得到的贝叶斯估计和HPD置信区间与基于EM算法得到的极大似然估计和置信区间在均方误差准则和精度意义下进行比较.Monte-Carlo模拟结果表明,基于MH算法得到的估计在均方误差准则下优于基于EM算法得到的极大似然估计,基于MH算法得到的HPD置信区间长度小于基于EM算法得到的置信区间长度.

基于IPSO算法的KK分布模型参数估计

目的提出一种IPSO(Improved Particle Swarm Optimization)算法,估计服从KK分布的海杂波建模参数,以改善复杂海况下海杂波幅度统计模型的建模精度。方法通过设计目标损失函数、更新公式等方法,获得了IPSO算法,然后利用IPSO算法对模型参数进行最优或次优取值估计。结果与结论仿真和实测海杂波数据集实验表明,所提方法克服了KK分布的多参数难于通过解析法求解参数的问题,有效解决了非线性分布海杂波模型的重“拖尾”拟合精度偏低的问题,且该算法能够更快地收敛到理想取值。

基于分布估计算法的用户参与需求响应检测识别方法研究

基于不断发展的智能电网技术和日渐成熟的需求响应机制,对需求响应下的居民用电策略进行研究分析,提出了一种基于分布估计算法的用户参与需求响应检测识别方法,利用分布估计算法来检测参与需求响应的用户是否切负荷,精准识别出响应线路,能够检测90%以上的用户需求响应,检测时间仅需1~2 s,从而改善了电网需求响应的调节效果,对于配电网的稳定运行和及时检修具有十分重要的意义。

求解混合流水车间调度问题的分布估计算法

针对混合流水车间调度问题(Hybrid flow-shop scheduling problem,HFSP)的特点,设计了基于排列的编码和解码方法,建立了描述问题解空间的概率模型,进而提出了一种有效的分布估计算法(Estimation of distribution algorithm,EDA).该算法基于概率模型通过采样产生新个体,并基于优势种群更新概率模型的参数.同时,通过实验设计方法对算法参数设置进行了分析并确定了有效的参数组合.最后,通过基于实例的数值仿真以及与已有算法的比较验证了所提算法的有效性和鲁棒性.