三维空间定位参考点的分布问题研究

针对三维空间定位过程中,对定位的精度要求高以及要求对位置信息响应快的特点,在分析了传统定位算法的基础上,通过对定位过程中产生的误差区域研究发现,空间4个定位参考点按照某种分布可以提高定位精度,更好地提供定位服务.由此提出了空间定位参考点分布定理(DSLRD),设计并实现了在三维空间定位过程中新的定位参考点分布算法(LRND),该算法不仅大量地节省了计算和存储资源,而且保证了定位计算的实时性和准确性.

基于IGD^(+)指标的两阶段选择高维多目标进化算法

针对在高维空间下多目标进化算法难以维持种群收敛性和多样性平衡的问题,本文提出一个基于IGD^(+)指标的两阶段选择高维多目标进化算法(MaOEA–ITS).在第1阶段,算法基于IGD^(+)指标选择收敛性良好的精英个体,其所需的参考点通过引入切割平面截距法构建.在第2阶段,MaOEA–ITS使用模糊c均值算法对参考向量进行聚类,聚类后的参考向量引导种群分解策略对剩余个体进行环境选择,从而维持种群的多样性.另外,为了保护能够提高种群多样性的极值解,本文提出一个参考点分布自适应策略.最后,通过仿真实验来验证MaOEA–ITS的有效性和优越性.