一个基于逻辑的多目标优先级排列专家系统MOPSES

鉴于多目标优化决策中目标优先级确定的困难,本文尝试用专家系统(ES)来辅助决策者确定优先级顺序.系统以企业经营决策,计划编制为对象,构造了一个目标规划模型的优先级排列ES,文中较详细阐述了系统的设计思想,结构,原理及具体实施.系统使用TURBO PROLOG语言开发,用户界面采用全屏幕多窗口下拉菜单.该系统在带有CH卡的IBM-pC兼容机上实现,操作系统为GWBIOS.由于能在一屏幕上显示25行汉字和十分友好的用户界面,使用该系统非常方便.

面向多目标测试用例优先排序的蚁群算法信息素更新策略

针对蚁群算法在求解多目标测试用例优先排序(MOTCP)时收敛速度缓慢、易陷入局部最优的问题,提出一种基于上位基因段(ETS)的信息素更新策略。利用测试用例序列中ETS可以决定适应度值的变化,选取ETS作为信息素更新范围,再根据ETS中测试用例间的适应度增量和测试用例的执行时间更新路径上的信息素值。为进一步提升蚁群算法求解效率、节省蚂蚁依次访问测试用例序列的时间,优化的蚁群算法还通过估算ETS长度重新设置蚂蚁遍历测试用例的搜索终点。实验结果表明,与优化前的蚁群算法及NSGA-Ⅱ相比,优化后的蚁群算法能提升求解MOTCP问题时的收敛速度,获得更优的Pareto解集。

基于MOABCO的多目标测试用例优先级排序

为了提高回归测试的效率,提出了一种基于多目标人工蜂群优化(Multi-Objective Artificial Bee Colony Optimization, MOABCO)算法的多目标测试用例优先级排序(Multi-Objective Test Case Prioritization, MOTCP)方法.针对标准多目标人工蜂群(Multi-Objective Artificial Bee Colony, MOABC)算法容易陷入局部最优解的问题,将差分变异策略融入到新蜜源更新阶段,且基于信息熵改进新蜜源选择方法,以避免算法陷入局部最优并增强了全局搜索能力;然后,将代码覆盖率和测试用例有效执行时间作为优化目标,并用MOABCO算法求Pareto最优解集,以解决MOTCP问题.实验结果表明, MOABCO算法求得的Pareto最优解集在逼近性和分布均匀性上均优于MOABC算法;在解决MOTCP问题上,相对于NSGA-II算法具有更高的收敛速度和更高的缺陷检测率.

基于多目标优化的OEM企业生产调度研究与应用

在控制和决策过程中,系统会被要求多个目标都尽可能完善,即多目标最优化问题;或希望各目标都接近或者达到理想值,即目标规划问题。由于多个目标之间往往因存在冲突而不能同时达到最优,因此需要对多个目标进行平衡,这就形成了有优先级的模糊多目标优化控制问题,最终决策者会得到满意解。

新能源光伏场站储能系统配置规划研究

基于光伏电站的储能配置规划问题开展研究,首先建立了储能充放电寿命和新能源运行成本模型,其次提出了考虑储能系统全寿命周期约束和实际运行条件约束,以经济性目标为基础采用粒子群算法实现多目标优化计算,最后结合实际算例开展仿真计算与分析,验证了所提出方法能够实现光伏+储能电站的经济化运行并提高对光伏资源的利用率。

求解动态随机综合运输问题的仿真优化方法

解决动态随机综合运输问题的一种有效途径是系统仿真方法与优化技术的结合。根据问题的特点，提出解决该问题的仿真优化结构，给出寻找最优货物调拨方案的最佳步长探测仿真优化算法，并对算法的收敛性进行了证明。实例分析表明，所提出的优化结构及算法十分有效。研究问题的思路能为其他动态随机多目标仿真优化问题的研究提供有价值的启迪。

InSAR双星编队测绘卫星任务规划方法研究

针对双星编队干涉合成孔径雷达(Interferometric Synthetic Aperture Radar,InSAR)测绘任务的特点,考虑双星编队卫星平台的约束条件,采用多目标优化和基于优先级的遗传优化算法,实现了双星编队任务规划的各个关键步骤的设计,并对测绘任务进行了系统仿真,求取了测绘任务规划结果,最终获得了任务规划的最优解。经过与贪婪优化算法仿真结果对比分析,采用的基于优先级的遗传优化任务调度算法在双星编队卫星测绘任务优化问题求解方法方面具备明显的优势,卫星系统资源分配效能达到最优,对卫星资源的合理分配起到了关键作用。