【摘 要】
：
无论在科学领域还是工程领域,连续优化问题是一类非常重要的研究课题。由于复杂连续优化问题通常呈现非线性、不可微、多模态等数学特征,这给传统的数学规划方法带来巨大的挑战。基于种群的演化算法由于其原理简单,对目标函数的数学性质要求低等优点,已被越来越多的研究者所青睐。然而,如何有效地平衡演化算法的探索与开发已成为智能优化领域研究的瓶颈,有鉴于此,本论文针对三类不同类型的复杂连续优化问题,研究演化算法的探
论文部分内容阅读
无论在科学领域还是工程领域,连续优化问题是一类非常重要的研究课题。由于复杂连续优化问题通常呈现非线性、不可微、多模态等数学特征,这给传统的数学规划方法带来巨大的挑战。基于种群的演化算法由于其原理简单,对目标函数的数学性质要求低等优点,已被越来越多的研究者所青睐。然而,如何有效地平衡演化算法的探索与开发已成为智能优化领域研究的瓶颈,有鉴于此,本论文针对三类不同类型的复杂连续优化问题,研究演化算法的探索与开发的平衡能力,主要研究工作如下:（1）针对边界约束的连续优化问题,提出一种基于水平学习的差分演化算法。该算法首先根据适应度值将个体划分为若干个水平,然后选择比目标个体更高水平的个体设计变异算子,这有利于有效平衡差分演化算法的探索与开发能力,最后在CEC2014测试平台上,验证了提出的算法比当前三个同类的算法更具竞争力。（2）针对一般约束的连续优化问题,提出一种基于改进随机排序的差分演化算法。该算法首先利用种群中的好的个体和外部存档中的差的个体来设计差分变异算子,并利用双模正态分布来调节交叉概率和变异概率,然后利用随机排序选择下一代个体,并设计一种基于小生境替换策略对种群进行修正,最后在CEC2006测试平台上,验证了提出算法的有效性。（3）针对多模态多目标连续优化问题,提出一种基于聚类的混合多目标遗传算法。该算法首先使用多模态多目标遗传算法进行全局搜索,使其能够找到有希望的全局和局部区域,然后通过聚类操作对每一个有希望的区域进行精细搜索,使其找到更精确的全局和局部Pareto最优解集,最后在CEC2020测试平台上,验证了提出的算法不仅能够找到全局Pareto最优解集,而且能够识别大部分局部Pareto最优解集。
其他文献
无线传感器网络（Wireless Sensor Network,WSN）是一种将传感器采集到的数据通过网络收集起来进行分析处理的无线通信网络。目前广泛用于军事、智能家居、交通控制和医疗等各行各业。由于WSN路由协议的设计受到本地拓扑信息的单一性质的限制,传感器节点必须具备体积小和价格便宜等特点,这些特点使得传感器节点在能源供应、数据计算、节点通信和数据存储等方面受到限制。因此节省网络的能量消耗,提
近年来,中国的铁路发展迅速。铁路的飞速发展急需要改进列车维护技术。道岔转换设备是较为重要的驱动装置,是铁路行车保障安全和铁路运输提高效率的关键性设备,是实现基础设施信号互锁的枢纽。然而,道岔数量众多,种类繁多,结构复杂,使用寿命短,安装环境多样等特点,增加了道岔维护的困难。为了检测道岔设备运行状态,当前绝大多数铁路道岔依靠的是传统性常规的预防测试以及人工计划维护。但现场维修的工作人员无法及时发现道
计算鬼成像通过散斑图案和对应总光强的关联计算进行成像。根据对包含散斑图案空间信息的参考臂和仅包含待成像物体信息的物臂进行关联计算从而得到目标物体。计算鬼成像因其特有的成像方式,在含大噪声和弱光条件下具有一定的优势。但其仍就存在着一定的弊病,首要问题就是低采样率下的鬼成像重建效果不如预期。本论文讨论了基于计算鬼成像的深度神经网络方法研究,从多个角度,运用多种深度神经网络机制对计算鬼成像重建进行讨论。
人体行为识别（Human Activity Recognition,HAR）是普适计算领域中重要的研究内容,在儿童运动监测、病人康复训练、老人跌倒检测等方面得到了广泛应用和发展。目前,基于深度学习的行为识别方法研究受到诸多学者的关注,但是大多数深度学习模型都旨在解决特定任务,当数据分布发生变化时,这些模型将需要大量计算能力并耗费大量时间来再次被重建。而迁移学习（Transfer Learning）
在下雨天,特别是在大雨和暴雨等极端雨天天气,户外计算机视觉系统所采集图像会产生严重雾化模糊,影响其应用性能。利用图像处理技术,消除雨雾模糊影响,提高计算机视觉系统图像画面的清晰度。对提升计算机视觉系统适应雨天天气的应用能力,具有重要意义和实际应用价值,是近几年图像处理和计算机视觉领域的研究热点。本文围绕图像去雨的深度学习方法展开研究。主要工作及取得成果如下:（1）针对现有图像去雨深度卷积神经网络方
在国家政策引导和行业需求推动下,旅游市场快速发展,旅游信息过载问题随之出现。由于用户旅游频次低,历史交互数据稀疏,目前常用的传统推荐算法如协同过滤、矩阵分解等推荐效果不佳。同时现有旅游系统主要是对旅游信息进行展示,缺乏个性化旅游资源定制功能。有鉴于此,本文面向旅游者的个性化需求,基于用户对景点的历史访问数据,设计了一种基于图卷积神经网络的景点推荐算法,在此基础上设计并实现了个性化旅游推荐系统。主要
C语言作为结构化程序设计语言的代表,被众多高校确定为理工科各专业的必修课程,提高编程实践能力是该课程的重要教学目标之一。为了更好提高的学习者的编程能力,在线测评系统（Online Judge）或实验支持系统成为需求迫切的教学支持平台。此类教学平台的作用是对学生提交的程序代码通过黑盒测试方式进行自动评测,并给出评判结果,促进课程的实践教学效果。然而,目前的大多数平台都只能给出评测结果,而不能对学习者
分布式计算已经被广泛应用于网络传输、数据处理等领域。随着分布式计算的普及,使得处理信息数据节省了大量的时间与空间,也让数据处理的计算效率远高于以往,而其中合理的任务调度与高效的数据处理方法是提高计算效率的重要关键。目前,任务调度设计方法在许多领域中主要包括基于分布式框架的任务调度算法、基于单一目标优化的传统任务调度算法以及基于多目标的智能化思想方法等。并行处理方法主要是基于分布式计算框架,通过集群
健康是人们对美好生活的基本诉求,越来越多的人们开始注重运动习惯的养成,因此运动处方的应用受到人们的关注。针对现有运动处方生成方法存在个性化不足、针对性不强、运动计划安排不合理等问题,本文结合运动处方的相关理论,研究并设计出一种个性化运动处方生成方法,并在此基础上,针对运动处方在实施过程中的安全性问题,构建出一种基于胶囊神经网络的运动风险监测模型,进一步降低运动过程中的风险。具体研究内容如下:首先,
随着容器技术的快速发展,Docker凭借轻量级、启动快、隔离性高和资源损耗低等优势,迅速成为了当前企业部署云平台的首选。在容器云平台中存在大量容器,因此需要一个高效的容器编排系统对集群进行管理。在市场上众多的产品中,具有代表性的开源工具Kubernetes作为新一代的佼佼者,其卓越的性能可以为广大用户提供更加便捷的服务。本文以Kubernetes作为研究对象,介绍了 Kubernetes的系统架构