基于动态自适应的双档案大规模稀疏优化算法

针对传统大规模优化算法维数过高、过度稀疏、难以平衡等问题,文中提出基于动态自适应的双档案大规模稀疏优化算法,平衡维数和稀疏性对算法的影响,提高算法在解决大规模优化问题上的多样性和收敛性.首先,改变种群分数生成策略,加入自适应参数和惯性权重,增加分数的动态性,改善种群的多样性,使搜索不易陷入局部最优.然后,改变算法的环境选择策略,引入角度截断的思想,有效生成子代.同时引入双档案,分开真实决策变量和二进制决策变量,减少算法的运行时间.在大规模优化问题、稀疏优化问题及实际应用上的测试表明,文中算法保持原有的稀疏性质,同时稳定提升多样性和收敛性,具有较强的竞争性.

双档案粒子群算法求解柔性作业车间调度问题

针对最小化完工时间的柔性作业车间调度问题(FJSP),提出了双档案粒子群算法(DAPSO)。构建精英档案和进步档案分别存储具有较好适应值的精英粒子的个体历史最优位置(Pbest)和进步较快粒子的位置。利用精英档案中的粒子计算解可信度,并根据解可信度来判断当前群体所处的进化状态,粒子根据进化状态调整向两个档案中学习的力度以达到收敛性与多样性的平衡。在Kacem的5个测试问题和MK系列10个测试问题开展了广泛实验,通过与其他算法按照最小完工时间、平均完工时间进行了比较,证明了DAPSO在求解FJSP问题时的有效性。

改进克里金模型辅助的双档案在线数据驱动进化算法

在现实世界中,许多进化优化问题难以找到合适的评估函数或评估代价十分昂贵,这在进化优化算法求解现实中的优化问题时提出诸多挑战。近年来,为了解决进化优化算法评估代价昂贵的问题,数据驱动的进化优化应运而生。数据驱动的进化优化的基本思想,就是通过充分利用数据的作用,训练代理模型辅助进化优化过程。一般是将代理模型用于近似真实昂贵函数评估,实现廉价的评估过程,提升算法性能。根据KTA2算法,本文提出了一种改进克里金模型辅助的双档案在线数据驱动进化算法KTA2_addModel4。在KTA2算法中,由训练的三种克里金模型作为代理模型:全部数据集训练的敏感模型、无较大影响点训练的不敏感模型1和无较小影响点训练的不敏感模型2。在改进的算法KTA2_addModel4中,增加了一种同时去掉较小影响点和较大影响点训练的不敏感模型3。通过在测试函数上与KTA2算法和其他代理辅助的数据驱动进化算法对比,证明提出的KTA2_addModel4算法改进了代理模型的质量,提升了算法的性能。

浅谈如何完善重大建设项目工程双套档案的管理

本文结合作者多年来的工作实践,总结出重大建设项目工程纸质档案和电子档案管理的经验,围绕"明确责任、强化内控合同管理、细化过程管理"几个方面展开论述,确保"双套"档案的管理完善。

档案管理“双套制”模式在高速公路建设中的应用

在我国高速公路建设快速发展的背景下,工程档案资料是高速公路工程建设过程的真实记录,目前档案管理大部分实现了自动化,各种电子档案也在各个建设项目大量运用,为积极响应国家的绿色低碳环保办公理念,电子档案也开始逐渐取代纸质档案。本文以河惠莞高速公路项目在广东省公路系统档案管理首次采用“双套制”为例,介绍“双套制”档案管理在高速公路上的应用方法。

试析一线科技人员档案利用难的对策

本文针对科研，试验一线科技人员利用已进馆档案难的问题，提出了解决的办法。

基于径向空间划分的昂贵多目标进化算法

为了解决难以建立精确数学模型或者真实评估实验成本高昂的多目标优化问题,提出了一种基于径向空间划分的昂贵多目标进化算法.首先算法使用高斯回归作为代理模型逼近目标函数;然后将目标空间的个体投影到径向空间,结合目标空间和径向空间信息保留对种群贡献更高的个体;之后由径向空间中个体的位置分布决定下一步应该选择哪些个体进行真实评估;最后,采用一种双档案管理策略维护代理模型的质量.数值实验和现实问题上的结果表明,与5种先进算法相比,该算法在解决昂贵多目标优化问题时能够提供更高质量的解.