求解输出为有界随机数的排序择优问题

【目的/意义】排序择优问题是仿真优化领域的经典研究问题。该问题的目标是设计统计采样算法,通过在有限个统计分布中进行采样并观测随机采样结果从而找到真实均值最大的分布。在该问题的研究中,现有文献大多假设对不同分布进行采样时输出为正态分布随机数,进而基于正态分布随机数相关性质进行算法设计。但在现实中,该假设通常不成立,一旦假设不成立,现有算法的统计有效性将会大受影响。【设计/方法】将正态假设进行拓展,即假设对不同分布为有界域分布,进而开展算法设计。【结论/发现】设计出一类顺序淘汰式算法求解输出为有界域随机数的排序择优问题,数值实验验证,此算法效率远高于现有的SE、ME和lil′DCB算法。

基于择优排序选择分布估计算法供水管网优化设计

针对进化算法在大规模供水管网优化设计过程中存在计算效率低,收敛速度慢的问题,提出一种基于择优排序选择策略分布估计算法.该方法采用择优排序选择策略引导种群向更好的方向进化,并提出了一种基于变异系数的收敛策略以避免计算过量或不足.以管网造价为经济性目标函数建立供水管网优化设计的数学模型,并采用BIN基准管网与实际管网DY管网加以验证.结果表明基于择优排序选择策略分布估计算法在保证管网运行经济性的要求下,可达到比差分进化算法更快的计算效率,更强的搜索能力与更高的收敛精度.

基于模糊语言评估和FOWA算子的多属性群决策

研究了属性权重和属性值均以模糊语言形式给出的多属性群决策问题,定义了一种模糊语言评估标度及相应的三角模糊数表达方式;利用三角模糊数的期望值排序公式和FOWA算子先对模糊决策信息进行群集结,再对各方案的属性进行加权集结并进行方案的排序与择优,提出了一种基于模糊语言评估和FOWA算子的多属性群决策方法,最后举例说明了该方法的应用。