基于强Pareto原则的偏爱规则及其性质

基于强Pareto原则提出了一种新的偏爱规则,此种规则有Pareto原则的特性且构成序,成为SWF(社会福利函数),并且满足Arrow提出的3个公理:无限制定义域条件、Pareto原则和非独裁性。

一种改进的求解多目标优化问题的蚁群算法

针对传统蚁群算法在求解多目标优化问题过程中的一些缺陷提出了一种改进的多目标优化蚁群算法。该方法在一定程度上避免了传统算法中解群体单一、收敛速度慢等缺点,并以实例加以证明。

改进多目标蚁狮算法的WSNs节点部署策略

针对无线传感网络节点部署中需要均衡覆盖率、连通度、节点数目等问题,构建了最低覆盖率与节点间连通性为约束条件的多目标节点部署模型,利用Pareto最优解集的思想,提出了一种基于改进多目标蚁狮算法的节点部署策略。首先,使用Fuch混沌映射初始化种群,以增加种群的多样性,同时引入自适应收缩边界因子改善算法易陷入局部最优的缺点;然后,利用时变策略对蚂蚁位置扰动以增强算法的寻优能力;再后,通过测试函数与其他多目标算法进行对比分析,结果表明改进后的算法在不同的测试函数上均能获得最小的世代距离与反向世代距离值,验证了所提策略的有效性;最后,将改进多目标蚁狮算法应用于无线传感器网络多目标节点部署中。仿真结果表明,相对于其他几种多目标算法,改进多目标蚁狮算法能有效解决无线传感器网络节点的多目标优化部署问题,提高了监测区域覆盖率与连通性,并为决策者提供更多可行解。

基于代理模型的气动外形平面参数多目标匹配设计

将Kriging代理模型和Pareto遗传算法引入气动外形平面参数匹配设计中,提出一种基于代理模型的多目标平面参数匹配设计方法。将拉丁超立方试验设计用于平面参数筛选,确定出参数匹配方案库;基于方案库的计算流体力学（CFD）分析结果构建Kriging气动代理模型;将Kriging模型替代CFD分析,用于气体布局参数匹配优化设计,提高了设计效率并保证了可信度;通过Pareto遗传算法优化解决多点设计要求下气动布局参数匹配问题,一次性给出参数匹配方案的最优解集,从Pareto前沿中根据设计偏向选择气动布局最佳匹配方案。以典型的双后掠布局平面参数多点匹配优化设计问题作为算例,研究结果表明：Kriging气动代理模型与实际CFD分析结果的误差均小于5%,满足精度要求;根据不同设计偏向,选择了3种参数匹配Pareto优化方案,与原样本方案相比超声速阻力减小6.0%~12.8%,跨声速升阻比增加0.01%~3.40%,证明了匹配设计方法的有效性;通过试验设计的Pareto分析与主、交互效应分析,获得了气动布局平面参数对气动性能影响的定量关系,能够为参数匹配设计提供依据。所提出的平面参数匹配设计方法可应用于其他常规与非常规气动布局型式。