基于解空间降维的大规模约束多目标进化算法

针对大规模约束多目标优化问题呈现的高维度和约束限制的解空间,提出一种基于自编码器的解空间降维方法,用以提升进化算法搜索效率.首先,设计一种可行性标签配对策略训练自编码器,通过同时利用解的可行与不可行两类标签信息,构建包含可行域拓扑信息的降维子空间;其次,在降维后的子空间中进行遗传操作,通过解码器得到重构输出返回原始空间,快速定位潜在的可行区域;最后,设计一种子代自适应生成策略,通过结合在降维空间和原始空间生成的子代优势,防止模型坍塌同时提高搜索效率.在基准测试问题集上与五种先进算法进行对比,实验结果表明所提方法能获得更快的收敛速度和更好的解集质量.

自适应两阶段大规模约束多目标进化算法

针对求解大规模约束多目标优化问题时遇到的收敛速度慢和可行解难以找到的困难,提出了一种自适应两阶段大规模约束多目标进化算法。首先,算法在第一阶段根据决策变量的性质,自适应地选择部分变量进行优化,且不考虑任何约束使种群快速跨过不可行区域,逼近无约束帕累托前沿。其次,算法在第二阶段考虑全部的约束,利用ε约束处理技术对变量进行整体优化;同时,利用存档将进化过程中获得的可行且非支配的解保存并更新,以不断地提高种群的收敛性与多样性。最后,将所提算法与其他6种算法在37个测试函数上进行实验对比,结果表明:所提算法在25个函数上取得了最佳结果,且分别至少在31个函数上优于对比算法;所提算法在90%以上函数中的可行率都能达到100%,可以有效地解决大规模约束多目标优化问题。

基于城乡建设用地规模约束下的村庄布局专题研究

城乡融合发展是乡村振兴的重要评判标准之一。为实现城乡融合发展,科学合理对村庄进行布局,十分重要。在国土空间背景下,通过对村庄布局进行研究,重点聚焦国土空间总体规划的底线管控要求,基于城乡建设用地的规模约束,提出村庄布局与发展管控要求及布局模式,做好村庄的“定性、定量、定界”核心要素管控,上下联动,促进城乡融合发展,实现乡村振兴。

规模约束和资本约束下银行信贷管理研究

信贷管理是商业银行经营管理的核心内容,包括信贷规模管理和信贷合同管理两个方面,加强信贷规模管理和信贷合同管理是商业银行精细化管理的重要组成部分。在当前中央银行加强对商业银行规模控制以及实施新的《商业银行资本管理办法》的背景下,采用VAR方法和情景分析法实证分析了规模约束下和资本充足率约束下的信贷管理问题。结果发现:第一,规模约束直接影响商业银行的信贷规模,其中存款准备金率比存贷款利率对贷款规模影响显著,但存在4个月的时滞;第二,资本充足率约束直接影响到商业银行的信贷合同签订比例,按照新的资本管理办法,已签未贷合同需要增加资本金以覆盖其风险。

一种无线传感器网络分簇规模约束算法

针对无线传感器网络节点能耗受限和不同节点能量开销不平衡的问题,对于分层结构的无线传感器网络提出了一种分簇规模约束算法.该算法是通过对簇内节点数量设置上下限的方式,对簇规模大小进行限制.如果簇中节点的数量超过上限(U),该簇就被划分为两个簇;如果簇中节点的数量低于下限(L),该簇就会和邻居簇相结合.在自组簇的形成过程中采用该算法,可减少节点能量开销和增加簇的稳定性.

一种电磁传感器网络的群规模约束分群算法

电磁传感器网络是一种以电磁信号为感知目标的传感器网络。本文针对电磁传感网监测性能要求,提出了一种基于分群的电磁传感器网络频域协作工作模式,理论上分析了群规模与信号感知概率以及感知时延的关系,将电磁传感网监测性能要求转化为对分群规模的约束,并设计了群规模约束分群算法(CRCA)。仿真结果表明,在相同的性能要求和网络连通度下,CRCA得到的满足群规模约束的群比例高出已有算法10%,能较好地满足系统性能要求。

城市规模约束:城市化可持续发展的新视角

我国城镇化处在加速时期,更应该重视城市化的可持续发展,在人口、土地、水资源之间达到合理配置。以可持续发展战略指导城市化实践,广义的城市化符合可持续发展。广义的城市化理解不仅仅是城市人口的比重问题,还包括基础设施、土地、就业方式、产业结构等方面的城市化问题。城市人口规模是确定城市规模的重要依据,传统的人口规模预测方法遇到了城市化可持续发展的挑战。要注重生态承载力和环境容量的约束,把城市人口规模建立在资源承载力基础上,实现区域"生态—经济—社会"三元复合系统的最佳耦合发展,使城市更加适合可持续发展的要求。

基于城市扩展模拟与生态—规模约束的深圳市城市开发边界划定

针对城市盲目扩张与无序蔓延等问题,该文提出一种基于生态—规模约束的城市开发边界划定方法:基于元胞自动机构建多城市扩展因子驱动与多元胞状态转换作用的城市扩展模拟模型;根据作用方式不同,将生态约束分为刚性约束和弹性约束两类,分别考虑二者对城市扩展的影响模式,构建以城市扩展模拟为基础,在生态—规模约束下的城市开发边界划定框架。以深圳市为研究区,将生态保护红线和生境质量分别作为生态刚性约束和弹性约束,以2015年为基期,模拟2018年和2025年城市扩展情形,并划定2025年深圳市城市开发边界。结果表明:2018年深圳城市扩展模拟结果总精度为97.42%,Kappa系数为0.948,2025年新扩展区域主要集中在宝安区和龙岗区,是未来城市发展重点区域。该城市开发边界划定方法在保证城市高质量发展的同时,使生态环境得到有效保护,可为引导深圳市及其他城市健康发展提供参考。

改进型规模约束在聚类算法中的应用

规模约束可有效改善聚类算法的性能,但是各类规模约束后所含实例对象数量不一致将降低聚类算法的性能.采用一种新的模式对各类进行了规模约束,并转化为线性规划问题进行求解.UCI标准数据集上的实验结果表明本算法与随机模式相比具有更好的聚类精度,即使当规模约束适当放宽后,聚类性能也可得到明显提升.提出的方法能够有效地提高聚类的准确性.

关于空间——规模约束下的城镇开发边界划定研究

在我国当前经济的推动下,国家新型城镇化规划明确提出需要合理划定城镇开发边界的要求,从而能够有效的落实耕地保护制度,推动多规融合实施的新任务,为城镇的稳定发展带来一定帮助。因此,在实际进行城镇开发边界的过程中,需要全方面分析当前区域内各类用地情况,并且了解相关政策规定,为城镇的边界划定提供有力帮助。基于此,本文分析了空间规模约束下城镇开发边界的划定方式。

规模约束下的城镇开发边界划定研究

在国家不断推进新型城镇化建设的背景下,落实规模约束下的城镇开发边界划定,能够更好地落实耕地保护制度,有效推进多规融合发展。目前城市化不断推进过程中,存在着城市无序蔓延、边界限制、城市扩张作用较弱等实际问题,科学设定城镇的开发边界,能够更好地统筹各项用地,合理配置产业,具有重要的实践价值和应用意义。文章具体介绍了城镇开发边界的内涵,并对规模约束下的城镇开发边界划定进行了理论分析,探讨了边界时限、边界范围及城镇建设用地的预测和城镇化发展极限等城镇开发边界划定中的关键性问题。文章还具体就城镇用地的空间增长和约束进行了分析,最后从实际的城镇规划角度提出了相应的城市边界开发划定策略,以期为相关领域的工作人员提供一定的参考。

中期预算制度对债务规模约束有效吗

我国当前债务规模约束的现实需求和财政预算领域的政策导向都显示推行中期预算(中期财政规划)将是下一阶段改革的重心。本文基于世界银行发布的1991-2008年178个国家(地区)的数据对中期预算对债务规模约束的有效性进行了验证,发现中期预算的实施有助于约束政府的债务规模,并在中期预算实施初始阶段更为有效。本文对中期预算的建立和发展(从不实施中期预算到开始实施或从初级阶段到高级阶段)的影响因素开展实证研究,发现债务规模、实施中期预算的时长、地域影响、国际组织推动和国家经济发达程度等因素对中期预算阶段递进都具有显著影响。其中,债务规模程度对中期预算阶段发展呈现双向影响:当债务占GDP的比重高于60%国际警戒线时,债务规模越大,越表现为维持现状(即不进行"晋级");反之,当低于60%国际警戒线时,债务规模越大,中期预算更容易"晋级"。

大规模界约束优化的子空间截断牛顿法

给出了大规模界约束优化的一个子空间截断牛顿法 .利用截断牛顿法修正非有效约束所对应的变量 ,用投影梯度法修正有效约束所对应的变量 ,文中证明了方法的整体收敛性 ,并对方法进行了数值试验 ,且与子空间有限内存拟牛顿法进行了数值比较 .

一个解大规模无约束优化问题的全局梯度法(英文)

本文提出一种新的解大规模无约束优化问题的全局收敛的梯度法.新算法沿着负梯度方向选择步长,而初始步长根据目标函数的海赛矩阵的近似数量矩阵来确定.理论上证明了新算法产生的点列的每个聚点都是稳定的,数值试验表明新算法是可靠且有效的.

大规模界约束极小化问题的有效集截断牛顿法

许多工业过程的模型可转化为一个大规模界约束极小化问题 .作者基于确定最优解处有效集的有效技巧和截断牛顿法 ,给出了一个求解该类问题的有效集截断牛顿法 .该方法在每次迭代中 ,先启用允许快速修改工作集的估计技巧来估计最优解处的有效约束 ,然后利用截断牛顿法确定搜索方向对应于自由变量的分量 ,最后利用Armijo非精确线搜索得可行点 ;证明了所给方法的整体收敛性 ,并利用一组大规模测试问题对所给方法进行了数值试验 ,同时与文献 [8]中的子空间有限内存拟牛顿法进行了数值比较 ,结果表明有效集截断牛顿法不仅稳定和有效 。

解大规模无约束优化的自适应过滤信赖域法

提出一种解大规模无约束优化问题的自适应过滤信赖域法。用目标函数的梯度及迭代点的信息来构造目标函数海赛矩阵的近似数量矩阵,引进了过滤技术和自适应技术,大大提高了计算效率。从理论上证明了新算法的全局收敛性,数值试验结果也表明了新算法的有效性。

一种解大规模无约束优化问题的梯度方法

提出一种新的解大规模无约束优化问题的梯度法。这种算法沿着负梯度方向选择步长,而初始步长根据目标函数的海赛矩阵的近似数量矩阵来确定。理论上证明了由算法产生的迭代点列具备全局收敛性。数值试验表明新算法可靠且有效。

大规模无约束优化的非单调有限内存BFGS算法

结合有限内存及非单调搜索技术提出了求解大规模无约束优化的非单调有限内存BFGS(NLBFGS)算法,在一定的条件下给出了算法收敛性结论.从标准试验函数库CUTE中选择标准函数,与线搜索满足强Wolfe条件的L-BFGS算法相对比进行了数值试验,结果表明算法是较为满意的.

解大规模部分可分无约束极小化问题的并行分块松弛方法

为解决含有部分可分函数的大规模无约束极小化问题,通过添加辅助未知变量,使得无约束极小化问题转化成为含有线性约束的可分极小化问题,进而通过增广拉格朗日函数,使问题转化为无约束极小化问题.转化后问题的增广拉格朗日函数可分解成为一组部分可分的增广拉格朗日函数,利用此性质,采用并行分块松弛方法(Parallel Block Relaxation Method,PBR)来解决大规模部分可分无约束优化问题.算法过程的每一次迭代中,无约束极小化子问题都可以被并行解决,随后计算出辅助未知变量,更新拉格朗日乘子.继续迭代,使用终止准则,得出此问题的最优解.数据实验显示,并行分块松弛算法在很大程度上节省了解决大规模部分可分无约束优化问题的计算时间.

约束预测控制的一种快速算法

针对约束模型预测控制在线求解的计算复杂性 ,在标准预测控制滚动求解思想的基础上提出了一种有效可行的快速算法 ,即在每一时刻 ,只精确求解当前要实施的控制量 ,对未来的控制序列则用线性反馈控制器来近似 ,从而降低了预测控制在线求解的维数 ,提高了算法实施的快速性 .简化造纸机控制系统的仿真结果说明了该算法的有效性 .