产业技术创新战略联盟合作伙伴多目标选择研究

产业技术创新战略联盟(以下简称产业联盟)是一个典型的利益共生体,其合作伙伴选择是产业联盟构建的起始点和成功的关键。在分析理论文献的基础上,探讨了产业联盟合作伙伴选择中共生单元的象参量和质参量,利用AHP多目标决策方法,提出了产业联盟合作伙伴选择的目标体系、评价权重和选择的关键目标因素。

基于目标运动特征和TOPSIS决策的多目标选择方法

针对现代水面舰艇所布放的箔条、角反射器(体)等无源干扰设施严重影响导弹导引头选择真正舰船目标的现象,提出了一种基于目标运动特征属性信息和改进的逼近理想解排序(technique for order preference by similarity to ideal solution,TOPSIS)的多目标选择方法。通过将多目标选择问题等效成多属性决策问题,借助目标的运动特征,改进了理想解和负理想解的确定方法,最终得到决策模型。仿真试验表明:该方法简单有效,适合于工程应用。

有序活动下行人多目标选择模型

面向有序活动情况下的行人微观交通仿真,在考虑当前到目标点的最短距离、队长和服务时间的行人多目标选择因素的基础上,进一步考虑行人的目的地方向和行人的偏好程度,建立了有序活动条件下行人的多目标动态选择模型。利用元胞自动机模型,构造一个多目标的仿真场景。结果表明,行人多目标选择模型符合实际,反映行人偏好的特点,可应用于常态下行人仿真软件开发。

重排机制下的多目标选择技术

针对多目标选择过程中的耗时和误选问题,提出动态重排机制,并提出了动态魔方技术.首先依据目标具备属性的特点提出动态重排机制;然后按照拉近目标、改变光标形状、动态重排目标和额外使用笔的其他通道的原则提出动态魔方技术;并在Wacom Cintiq 21UX上展开多目标选择实验和动态重排机制评价实验,实验结果表明,动态魔方技术的速度和准确率综合性能优于其他对比技术,动态重排机制的引入可以有效地改善目标选择技术的性能;最后对比多目标选择技术的性能,分析动态重排机制的效果,并讨论了多属性目标的动态重排.

基于特征选择和机器学习的锂电池寿命早期预测

在早期预测锂电池剩余使用寿命时,因为电池初期循环时的性能衰退并不显著,面临着特征选取的问题。确保选取的特征集合在数量、相关性和冗余性上的相互平衡是降低测试成本、提升预测准确度的关键,目前的研究很难全面平衡这些方面,故提出一种结合多目标特征选择和机器学习的方法。从MIT数据集中提取前100周期的特征,利用Spearman相关系数法分析特征的相关性,得到相关度高的特征子集。采用多目标粒子群优化(MOPSO)算法,根据设定的三个目标进行迭代优化,从帕累托前沿集中选出最优特征组合,输入到多种机器学习模型中,极限梯度提升(XGBoost)模型显示出最好的预测性能。实验结果显示,Spearman-MOPSO-XGBoost方法在仅使用4个特征条件下,预测均方根误差(RMSE)最小,为80.65个循环,平均绝对百分比误差(MAPE)为8.68%。

反舰导弹最近邻目标选择器搜捕性能仿真分析

针对当前录取对比搜捕方式较难适应反舰导弹近海作战中多目标选择的不足,提出了将最近邻选择器应用于目标搜捕的方案。通过设定典型搜捕态势,建立了目标搜捕模型,在合理简化的基础上,推导出该最近邻选择器捕获概率的显示表达。典型场景中数值仿真表明,该方案采用距离准则对录取的多个目标进行优先排序,有效地提升了对预定目标的搜捕性能;定量评估了搜索区域、录取对象数、目标散布误差等因素对搜捕性能的影响效应,指出了单纯采用最近邻多目标选择的缺陷,并提出了相应的改进措施。

基于模糊优化的多目标投资组合选择模型研究

将模糊集合的概念引入投资组合模型中 ,并将多目标投资组合模型中的收益、方差和偏度三个目标模糊化 ,用逻辑隶属函数作为新的目标函数 .针对该模糊多目标投资组合模型 ,提出了一个动态遗传算法 ,算例给出了该模型的一个实例的最优解 ,并进一步解释了模糊尺度随决定逻辑隶属函数形状的参数的变化而反向变化的规律 .

免疫克隆选择多目标优化算法与MATLAB实现

本文阐述了用人工免疫算法实现多目标优化的基本原理,深入探讨了在MATLAB环境下如何实现抗体群的克隆、进化、选择以及种群修剪。算法中采用实数编码,每个基因位对应一个目标函数值,由于克隆不存在交叉,本文算法的进化动力完全依靠高频变异。最后,选取了经典测试函数对算法进行了测试,结果表明:Pareto最优解的分布范围广、分布均匀,用MATLAB实现该算法时计算效率高。

基于进化规划的多目标投资组合选择模型研究

在Markowitz的均值 方差模型的基础上 ,讨论了股票价格中偏度的重要性 ,并由此引出了一个同时考虑均值、方差和偏度的多目标投资组合选择模型 .提出了对该模型进行求解的进化规划算法 ,同时也说明了用进化规划方法处理多目标优化问题的合理性 .用一个算例验证了采用进化规划技术求解多目标投资组合选择模型是有效的 .

慢性肾病预测的多目标特征选择

针对慢性肾病(chronic kidney disease,CKD)致死率高、早期症状不明显的特征,结合互信息和皮尔逊相关系数两种评价准则提出一种慢性肾病预测的多目标特征选择模型。针对慢性肾病预测,提出多目标群集智能特征选择算法MCFS,所提算法在GWO的基础上采用精英反向学习、非线性控制参数和联想记忆策略3个改进算子。仿真结果表明,所提算法对CKD的预测准确率高,筛选出与CKD紧密相关的特征子集能力强,明显优于现有的CKD预测方法和其它特征选择算法,能够为CKD早期患者提供准确可靠的辅助诊断。

疫情防控背景下多目标投资组合选择之回顾与展望

当前新冠肺炎疫情仍在全球肆虐,面对复杂的投资环境,投资者在决策时需考虑实体经济的抗疫能力、发展方向和金融风险的多维属性,多目标投资组合选择可以满足投资者这一多元化需求。因此,本文回顾多目标投资组合选择的创新路径,理清未来研究趋势;证明投资组合的降低多维风险性,提出关注疫情防控和绿色经济、控制风险的建议。

基于多基因遗传规划的注塑过程参数关联预测方法

鉴于传统注塑过程参数选择与设置依赖于人工经验,且过程参数与输出参数之间存在着非线性、强耦合的关系,文中提出了一种基于多基因遗传规划的注塑过程参数关联预测方法。该方法基于数据生成初始多基因树种群,随后迭代进行选择,高、低级树交叉及两类树突变操作,以获得最适应数据的模型,并演化出一个能清晰描述过程参数与输出参数关联的代数方程,确定控制输出的关键参数。在设置选择指标时,针对模型方程的复杂性会影响到实际使用效率的问题,引入复杂性维度作为评估指标进行多目标选择。以注塑过程为例,试验结果表明了所提方法的有效性。此外,参数和灵敏度分析验证了模型的鲁棒性,揭示了参数间隐藏的非线性关系,对后续注塑过程参数设置及优化提供了依据。

基于改进遗传算法的柔性流水车间调度研究

针对最小化最大完工时间的柔性流水车间调度问题,文章提出了多目标选择的改进的遗传算法(MTGA),设计了针对该问题的一维的编码与解码方法,采用对立的方法进行种群的初始化。针对遗传算法,交叉操作进行整个工序的交叉向最优解靠拢加快了算法的收敛速度,变异操作中对所有的工序操作顺序进行整体变异,选择操作将种群分成多份做到向多个较优解靠拢,扩大了算法的搜索范围,降低了陷入局部最优的概率,并应用了两套交叉和变异概率增加算法灵活性。通过多个已有算法进行对比验证了算法的有效性。

逆转变异蚁群算法在CGF多目标分配中的应用

在预警机指挥引导多机协同空战对抗仿真过程中,为了提高CGF实体的智能性和实时性,对多CGF实体协同作战时目标选择因素进行分析,构建了一种基于变异蚁群算法的多CGF实体协同作战目标选择模型。该模型对蚁群算法中的选择策略进行了改进,引入一种遗传算法的变异算子以减少最优解的搜索时间,改进了搜索空间中信息素的更新方式,提高了模型最优解的搜索能力。运用该模型对多CGF实体协同作战过程进行仿真,仿真结果表明,所提出的变异蚁群算法对多CGF实体目标选择最优解的搜索效率明显优于基本蚁群算法,能够更好地模拟真实作战兵力的目标选择过程。

基于选择点的反舰导弹录取对比搜捕方式分析

针对当前录取对比搜捕方式的缺陷,探讨增加目标选择点的可行性,通过设定典型搜捕态势,建立反舰导弹搜捕模型,得到捕获概率的解析表达,提出将目标指示位置作为选择点的简易改进方案。仿真表明,该方案在自控终点误差与目标散布特性均为正态分布的条件下,捕获性能较好,具有一定的应用价值。

多目标系统最优控制方法研究

用多个性能指标评价系统更有实际意义,但在现有的研究中,针对此类问题所采取的方法通常是线性加权,权值是人为选取以达到"最优",这就使得"最优"控制成为主观最优而非数值实际最优。本文针对这一问题,结合决策者先验知识的多少,给出2种新的解决方法:层次分析和Pareto交互式决策。首次采用免疫克隆选择多目标优化算法来设计多指标情况下的LQR控制器。仿真结果表明:该算法在时间复杂度、分布性等方面均优于现在常用的NSGA-II,且本文给出的解决方法更适合于复杂情况下的最优控制器设计。

绿色金融视角下社会责任投资深度分析及模型拓展——基于投资组合选择的视角

基于绿色金融发展理念,回顾并且详细梳理了社会责任投资在我国的发展历程和研究现状,并作出评述。通过分析社会责任投资指数和社会责任公募基金的表现,发现二者在中长期的表现均劣于同期市场指数,表明我国社会责任投资的发展尚不成熟。创新性地构造2支社会责任投资指数,实证检验发现社会责任投资指数的表现优于同期市场指数,证明社会责任投资在我国还有很大的拓展空间。最后提出基于社会责任投资的多目标投资组合选择模型,并从约束条件和目标函数两个角度对该模型进行扩展和深化,为社会责任投资者提供了新的投资方法和量化工具。

陆军弹药转运路径多目标动态规划方法仿真

传统陆军弹药转运路径规划方法忽视了对多规划目标的动态选择与优化,存在规划效果差、运输时间长的问题,为解决传统方法存在的问题,进行陆军弹药转运路径多目标动态方法仿真研究。综合考虑各种因素对陆军弹药转运路径选择的影响,建立路径优化数学函数,对所选多种目标进行动态优化,得出单项最优的分路径。采用动态多目标路径规划算法对优化路径进行筛选与分析,选择出最优转运路径。仿真结果表明,研究方法能够提高陆军弹药转运路径规划效果,运输时间短,安全性高。

基于自适应马氏空间与深度学习的滚动轴承退化趋势预测

滚动轴承退化趋势预测中,传统特征选择主要依赖人工经验和单一评价算法,容易造成特征的少选或错选,且单一深度学习网络无法充分挖掘数据中包含的性能退化信息,导致模型预测精度较低。针对上述问题,提出一种基于自适应马氏空间(adaptive Mahalanobis space,AMS)与融合深度学习网络的滚动轴承退化趋势预测方法。首先,分解原始信号并利用相关峭度系数准则筛选固有模态函数(intrinsic mode function,IMF)分量重构新信号,从多域视角提取特征;然后,构建基于AMS的多目标特征选择算法自动优选特征,减少人工依赖,加强自适应性和泛化性,并将马氏距离(Mahalanobis distance,MD)与指数加权移动平均(exponential weighted moving average,EWMA)方法进行结合,对轴承性能退化趋势进行良好表征;最后,利用稀疏自动编码器和门控循环单元(sparse auto encoder-gated recurrent unit,SAE-GRU)融合模型进行预测。实验结果表明,所提方法能够有效筛选最优特征,显著提高预测精度。

雷达引导的视频联动监控模型及算法

针对视频安防监控系统中出现的监视区域有限、目标定位困难等问题,利用雷达监测范围广、不受光学条件影响的特性,建立了雷达引导的视频联动监控模型,并在此基础上提出了目标定位算法和多目标选择算法。首先,根据雷达检测到的目标信息,自动计算出运动目标在系统联动模型中对应的摄像机方位角和俯仰角,从而引导摄像机准确锁定目标并实时监控追踪。然后,当监控场景中出现多个目标时,采用多目标选择算法,将目标的离散程度、径向速度及其与摄像机之间的距离进行数据加权融合,选择出优先级别最高的目标进行重点监控。实验结果表明,所提目标定位算法对于行人与车辆的定位准确率分别达到0. 94和0. 84,能够实现目标的准确定位,多目标选择算法可在复杂环境中有效选择出最佳监控目标,具有良好的鲁棒性和实时性。