基于自适应参考向量和参考点的高维多目标进化算法

研究表明,现有的多目标进化算法在处理具有不同Pareto前沿的优化问题时难以有效平衡种群的收敛性与多样性.鉴于此,提出一种基于自适应参考向量和参考点的高维多目标进化算法(adaptive reference vector and reference point based many-objective evlolutionary algorithm, ARVRPMEA). ARVRPMEA主要利用种群稀疏性自适应调整参考向量和参考点以提高种群多样性,首先,生成均匀分布的参考向量子集和参考点子集,并利用该参考向量子集分解种群;然后,根据规模最大子种群中解的分布情况生成新的参考向量和参考点,直至满足参考向量集和参考点集规模;最后,为进一步提高种群收敛性,该算法结合指标进行环境选择以保存收敛性较高的个体进入下一代种群.实验结果表明, ARVRP算法在求解具有不同Pareto前沿的问题方面具有良好的性能.

基于高斯变异和自适应参考点的MOPSO优化算法

针对MOPSO优化算法在优化多目标问题当中收敛程度较差和容易进入部分最优的缺点,提出一种基于高斯变异和自适应参考点融合的MOPSO优化算法。利用高斯变异位置更新方法改善解集提前停止寻优现象,提高MOPSO优化算法在寻找最优过程中寻找解集的多样性;采用自适应参考点的外部档案维护策略,将收敛性较差的粒子剔除,提高算法的收敛性。实验结果表明:改进的MOPSO算法同传统的MOPSO算法相比,反向代距离和超体积比有了明显的改善,具有更好的解集多样性和收敛性。

参考点自适应调整下评价指标驱动的高维多目标进化算法

在具有不同Pareto前沿形状的优化问题上,基于参考点的高维多目标进化算法表现出较差的通用性.为了解决这个问题,提出参考点自适应调整下评价指标驱动的高维多目标进化算法(Many-objective evolutionary algorithm driven by evaluation indicator under adaptive reference point adjustment, MaOEA-IAR). MaOEA-IAR提出Pareto前沿形状监测基础上的参考点自适应策略,利用该策略选择一组候选解作为初始参考点;然后通过曲线参数对参考点位置进行调整;将最终得到的能够适应不同Pareto前沿的参考点用于计算增强的反世代距离指标,基于指标值设计适应度函数作为选择标准.实验证明提出的算法在处理各种Pareto前沿形状的优化问题时能获得较好的性能,算法通用性高.

基于支持向量机广义逆的永磁同步电机模型参考自适应控制

针对永磁同步电机多变量、非线性、强耦合的特点,提出了基于支持向量机广义逆的模型参考自适应控制策略.在分析永磁同步电机广义可逆性的基础上,利用支持向量机回归理论辨识出系统逆模型并引入线性环节构造其广义逆系统,进而与原系统串联构成广义伪线性复合系统,实现被控对象的线性化重构,简化系统结构和外围控制器的设计难度.结合模型参考自适应控制策略,将支持向量机广义逆作为主控制器,设计出新型可调增益的闭环自适应控制器,提高了系统的鲁棒性.仿真与实验表明,该方法不依赖于被控对象的数学模型,系统抗干扰能力强,减小超调的同时提高了响应速度,实现了转速的高精度跟踪控制.

基于参考点的改进k近邻分类算法

基本k近邻(kNN)分类算法具有二次方的时间复杂度,且分类效率和精度较低。针对该问题,提出一种改进的参考点kNN分类算法。依据点到样本距离的方差选择参考点,并赋予参考点自适应权重。实验结果表明,与基本k NN算法及kd-tree近邻算法相比,该算法具有较高的分类精度及较低的时间复杂度。

基于自适应支配和参考向量的高维多目标优化算法

现有的改进支配方法提高了解集逼近Pareto前沿的能力,但平衡种群收敛性和多样性的能力仍然不足。针对此问题,提出了一种基于自适应支配和参考向量的高维多目标优化算法(An adaptive dominance and reference vector based evolutionary algorithm for many-objective optimization,ADRVEA)。首先提出自适应支配(Adaptive dominance,AD)来设计小生境机制;然后通过参考向量划分目标空间来提高种群多样性;最后构建适应度表达式来实现精英选择。实验证明所提出的ADRVEA不仅性能良好,而且有效平衡了种群的收敛性和多样性。

基于自适应参考模板的相关跟踪算法

目前相关跟踪技术在目标识别领域中应用非常广泛。论文提出了一种基于自适应参考模板的相关跟踪算法,该方法可以根据目标的变化情况自动调整参考模板,对目标进行稳定跟踪,尤其适用于复杂背景条件下的连续帧图像的跟踪。

基于MARS模拟鄱阳湖地区参考作物蒸散量

为了寻找最适宜的鄱阳湖作物蒸散量替代计算方法,文中以FAO Penman-Monteith模型参考作物蒸散量计算结果(ET0)为标准值,使用江西省南昌站1966—2015年逐日最高温度、最低温度、日照时数、风速和相对湿度数据(其中1966—1990年数据用于建立模型,1991—2015年数据用于验证模型),建立12种不同气象要素组合条件下的多元自适应回归样条(MARS)ET0计算模型,并将计算结果与广义回归神经网络(GRNN)、支持向量机(SVM)和经验模型(Hargreaves法、Irmak-Allen法、Makkink法、Pristley-Taylor法)的计算结果相比较.结果表明:3种人工智能算法的ET0计算结果精度均优于相同输入数据下的经验模型.3种人工智能算法中MARS的精度最高,在全参数组合下RMSE为0.227mm/d,R^2为0.982,NRMSE为0.086,其次是支持向量机,其在全参数组合下RMSE为0.266mm/d,R^2为0.978,NRMSE为0.101,GRNN排第三,其在全参数组合下RMSE为0.323mm/d,R^2为0.962,NRMSE为0.123.缺少温度参数时,模型精度总体较差,3种人工智能算法下R^2仅为0.800左右.MARS法不但精度更高,而且具有明确的数学表达式,是鄱阳湖地区适宜的ET0计算方法.

无参数自适应罚函数的高效代理模型优化设计方法

在飞行器气动外形优化设计中,复杂约束条件导致设计空间可行域呈现不连续的特征,且理想解大多靠近约束边界,传统高效代理模型方法难以适用。研究了参考点对优化设计的影响,提出了一种考虑约束的参考点选择机制;对于最优解靠近边界的问题,罚函数法更加有效,但惩罚因子的设置对于罚函数方法影响很大,不合适的惩罚因子反而会损害优化效率,分析了优化过程中罚函数方法对惩罚因子的要求,提出了一种无参数自适应罚函数的代理模优化设计方法,引入基于样本分析的惩罚项,结合归一化目标值和约束值,在优化过程中动态调整惩罚因子,使优化能够尽可能地聚焦于可行域内,迅速收敛到最优解,实现样本的高效配置。通过带约束的函数算例和翼型优化算例证实,所提方法可以大幅提高飞行器气动外形优化设计效率。

基于最小二乘支持向量机的非线性通用模型自适应控制

将模型参考自适应控制方法应用到基于最小二乘支持向量机的通用模型控制策略中,将非线性过程模型应用逆系统的方法可以在控制算法中直接嵌入过程模型,从而克服了通用模型控制器要求过程一阶微分模型应该有显式解的局限性,保证了通用模型控制策略的可实现性。另一方面,加入模型参考自适应环节,提高了该控制器的实时性和鲁棒性,其参数具有明显的物理意义,参数整定方便。仿真实验结果验证了该控制策略的有效性和更好的鲁棒性。

基于改进角度惩罚距离和自适应参考向量的高维多目标进化算法

为了解决现有多目标进化算法难以处理复杂帕累托前沿的问题,提出一种基于改进角度惩罚距离和自适应参考向量的高维多目标进化算法(improved angle penalized distance and adaptive reference vector based manyobjective evolutionary algorithm,PDAREA).算法中采用改进的角度惩罚距离策略进行个体选择,有效减少种群中个体收敛性与分布性的冲突.自适应参考向量策略能够根据目标函数的变化动态调整参考向量的分布,可有效改善个体在帕累托前沿上分布不均的问题.通过参考向量再生策略,提高算法处理带有不规则帕累托前沿问题的能力和效率.最后,将所提出算法与7个主流算法进行仿真实验对比,并应用于两个实际问题中.结果表明,所提出算法在求解带有复杂帕累托前沿的高维多目标优化问题上具有较强的竞争力,能有效平衡种群收敛性与分布性.

EAVTP:一种环境自适应车辆轨迹预测方法

对移动对象的不确定轨迹实时、高效的预测是智能交通系统研究热点之一.针对现有轨迹预测方法在动态环境中预测精度不高、实时效果差的问题,提出一种环境自适应车辆轨迹预测方法(EAVTP),该方法主要步骤包括:首先运用历史数据构造虚拟参考点有效改进环境动态变化通讯信号不稳定情况下车辆位置不准确信息;其次利用高斯混合模型对虚拟参考点数据与历史轨迹数据集训练实现环境自适应功能;最后利用虚拟参考点和历史轨迹数据集对车辆轨迹实时预测.最后对所提方法模拟仿真,结果表明EAVTP方法具有一定的环境自适应性,且预测精度和实时性比现有其它方法有所提高.

基于RSSI的KNN—PIT室内自适应定位算法

针对基于接收信号强度指示(RSSI)的K最近邻(KNN)算法在室内定位精度较低的问题,提出一种改进的KNN—三角形内点(KNN—PIT)室内定位算法。根据室内空间结构特征,建立具有类标号的位置指纹库。引入虚拟参考点,利用PIT原理进一步约束目标点的定位区域,自适应地使用定位算法进行定位。综合运用高斯滤波、均值滤波技术,降低离线和在线阶段的信号随机误差。结果表明:改进后的KNN—PIT定位算法可以更好地估计用户的实际位置,降低定位误差,定位精度提高12.5%。

基于RSSI自适应无线定位算法

传统基于接收信号强度的无线定位算法,无论是基于测距还是非测距,都会较大程度地受到定位环境变化的影响,环境的变化会导致定位精度的损失。要想减少环境变化对定位精度的损失,必须使用大量的实时参考测量点,或者引入更多的测量站。算法引申自基于参考点、非测距的邻近算法。巧妙地利用虚拟参考点的选取,来适应环境变化,保证长时间下的定位精度。既不增加系统开销,又保证了定位系统对环境的自适应性。

WSN中簇首角色自适应能量树链算法

以往的路由协议中,分簇,成树,成链算法的拓扑结构单一,簇首分布不合理,单链存在长链和交叉的问题,且簇首无法自适应地转换角色融入节点环境。由此,提出簇首角色自适应能量树链算法(ECRC),将簇首从固定角色中解脱,能自适应地进行拓扑的二次构建。节点自适应形成能量树结构,而能量树根节点成单链将簇、树、链优势结合。仿真结果对比表明,该算法能有效地均衡节点间能耗、延长网络生命周期。

自适应偏好半径划分区域的多目标进化方法

偏好多目标进化算法是一类帮助决策者找到感兴趣的Pareto最优解的算法.目前,在以参考点位置作为偏好信息载体的偏好多目标进化算法中,不合适的参考点位置往往会严重影响算法的收敛性能,偏好区域的大小难以控制,在高维问题上效果较差.针对以上问题,通过计算基于种群的自适应偏好半径,利用自适应偏好半径构造一种新的偏好关系模型,通过对偏好区域进行划分,提出基于偏好区域划分的偏好多目标进化算法.将所提算法与4种常用的以参考点为偏好信息载体的多目标进化算法g-NSGA-II、r-NSGA-II、角度偏好算法、MOEA/D-PRE进行对比实验,结果表明,所提算法具有较好的收敛性能和分布性能,决策者可以控制偏好区域大小,在高维问题上也具有较好的收敛效果.

基于自适应学习的电力财务系统信息化特征提取方法

针对电力财务系统数字化程度不高、资金流动情况和经营情况管理不够全面等问题,提出了基于自适应学习的电力财务系统深度信息化特征提取方法。构建电力财务信息联合分布模型,获取电力财务信息活动序列;应用交叉性自适应学习算法,获取电力财务信息的关联特征;利用支持向量机算法对关联特征进行分类处理,获取电力财务信息特征向量数量,并将其输入至灰色关联度的信息特征提取模型内;对比参考向量和比较向量的关联程度,输出最终的电力财务信息特征。实例分析结果表明:该方法具备较好的适应度、收敛性和鲁棒性的同时,对电力财务信息特征提取的精度在0.9以上;其提取的电力企业财务信息特征可清晰呈现该电力企业当前资金流动情况和经营情况,数字化和深度信息化能力卓越。

一种新的点模式指纹匹配方法

指纹的旋转和平移是指纹匹配中必须解决的问题,针对这一问题提出了一种新的指纹局部特征描述方法,主要是利用特征点之间的距离、特征点类型来构建新的局部特征向量,利用这些局部结构特征来实现对匹配参考点的确定,将存在平移和旋转的两个指纹特征点集转换为以匹配参考点为极点的极坐标下进行全局匹配。实验结果表明该算法对于指纹图像的旋转和平移具有较强的适应性,可以满足实际应用的需要。

基于改进ICP算法的点云拼接方法

针对角度变换较大的两组点云模型因非完全包含关系导致的拼接误差大的问题,提出了一种改进的迭代最近点(ICP)拼接算法。计算点云数据的法向量大小,提取变化较大的点作为预参考点,并优化点云拼接策略得到点云粗拼接模型。基于此模型,对对应点对施加曲率和点距双重约束,得到精确对应点对,即对点云数据进行精确拼接。实验结果表明:算法对角度差异较大模型的拼接处理,能够在完好融合共有部分的同时比较完整地保留两组点云之间互不包含的数据。

基于一阶应变模态灵敏度的结构损伤定量研究

面向基于动态应变监测数据的结构损伤诊断问题,提出了一种仅利用一阶应变模态振型及其灵敏度分析的损伤定量诊断策略。该策略利用事先规定应变测量单元的变形体结构或构件应变响应数据,通过NExT-ERA方法提取进而筛选识别精度较高的某一阶应变模态振型向量,由该阶特征向量求导得到灵敏度矩阵的同时,提出对其进行参考点归一化以避免质量归一化过程,最后通过求解损伤方程组得到单元刚度参量的改变。分别以下承式钢桁梁桥主桁架和装配式T形简支梁桥主梁简化模型为例,验证了该策略的有效性,分析了识别精度、噪声干扰和损伤程度对诊断效果的影响。该研究可为基于实时监测的结构在线诊断提供一定的理论和技术支持。