一种实数编码多目标贝叶斯优化算法

提出了一种采用基于决策树概率模型表示各变量之间条件相关性的分布估算算法:实数编码多目标贝叶斯优化算法(RCMBOA)。通过构建这样的概率模型,继而对模型进行抽样以产生新个体。再对生成的新个体进行变异操作,以提高算法的搜索能力,增加种群的多样性。这种生成新个体的方法结合非劣分层与截断选择机制,可以很好地逼近多目标问题的Pareto前沿。同时,在进行截断选择时,每次只删除一个排挤距离小的个体,之后重新估算个体的排挤距离,以获得分布均匀的非劣解集。对于约束多目标优化问题,算法采用带约束支配关系判别个体的优劣。用该算法对8个较难的测试问题进行了优化计算,获得的非劣解集与NSGA-II算法得到的相比,非劣解集的质量更高,分布更为均匀。计算结果说明RCMBOA是一种有效、鲁棒的多目标优化算法。

Pareto强度值实数编码多目标贝叶斯优化算法

提出了一种采用基于决策树的贝叶斯网络表示各变量之间条件相关性的分布估计算法：Pareto强度值实数编码多目标贝叶斯优化算法（PSRCMBOA）。通过构建这样的网络模型,继而对模型进行抽样以产生新个体。再对生成的新个体进行变异操作,以增加种群的多样性,提高算法的搜索能力。这种生成新个体的方法结合基于强度值的适应度计算方式以及截断选择机制,可以获得很好地逼近多目标问题的Pareto前沿,且分布均匀的非劣解集。对于约束多目标优化问题,算法采用带约束支配关系判别个体的优劣。文中用3个较难的测试问题验证该算法的性能,并将其应用于Clipper飞船返回舱的气动布局多目标优化设计。PSRCMBOA对3个测试问题找到了很贴近Pareto前沿的非劣解集。对于Clipper飞船返回舱,算法获得了分布较宽且均匀的非劣解集。分析发现,为获得高升阻比,返回舱球头半径应选择在0.155-0.165 m之间、前锥半锥角应选择在20°左右、头锥底到返回舱底部的距离可选择在3.6-4.4 m之间、柱段长可在1.2-1.5 m之间。优化结果表明,该算法能够获得高质量的非劣解集,是一种有效的多目标优化算法,能够用于对复杂的工程问题进行优化设计。

NN-EdgeBuilder:面向边缘端设备的高性能神经网络推理框架

飞速发展的神经网络已经在目标检测等领域取得了巨大的成功,通过神经网络推理框架将网络模型高效地自动部署在各类边缘端设备上是目前重要的研究方向。针对以上问题,该文设计一个针对边缘端FPGA的神经网络推理框架NN-EdgeBuilder,能够利用基于多目标贝叶斯优化的设计空间探索算法充分探索网络每层的并行度因子和量化位宽,接着调用高性能且通用的硬件加速算子来生成低延迟、低功耗的神经网络加速器。该文使用NN-EdgeBuilder在Ultra96-V2 FPGA上部署了UltraNet和VGG网络,生成的UltraNet-P1加速器与最先进的Ul-traNet定制加速器相比,功耗和能效比表现分别提升了17.71%和21.54%。与主流的推理框架相比,NN-Edge-Builder生成的VGG加速器能效比提升了4.40倍,数字信号处理器(DSP)的计算效率提升了50.65%。

基于MBOA的QoS路由算法研究

无线adhoc网络中的QoS路由指标的优化是多个参数的优化问题,针对其特点,将多目标贝叶斯优化(MBOA)算法引入其中,对QoS的多个参数同时进行优化,用非确定性分类遗传算法(NSGA-II)中的选择方法挑选优选解。仿真实验结果表明,该算法收敛速度快,能够有效的搜索到较好的Pareto前沿。