【摘 要】
：
为提高求解多目标优化问题效率,对通用差异演化(GDE)算法及其自适应参数控制问题进行了研究。首先,分析了GDE3算法的编码、交叉、变异、选择等原理和算法流程;然后,利用个体的适应度作为参数调整的依据,并结合一定的调整概率提出一种新的对缩放因子和交叉概率参数自适应控制策略,提高算法的搜索能力;最后,通过典型的多目标函数对自适应控制参数的通用演化算法(selfGDE3)、GDE3和非劣分层遗传算法2(
【机 构】
：
解放军装备学院研究生管理大队,解放军装备学院重点实验室
论文部分内容阅读
为提高求解多目标优化问题效率,对通用差异演化(GDE)算法及其自适应参数控制问题进行了研究。首先,分析了GDE3算法的编码、交叉、变异、选择等原理和算法流程;然后,利用个体的适应度作为参数调整的依据,并结合一定的调整概率提出一种新的对缩放因子和交叉概率参数自适应控制策略,提高算法的搜索能力;最后,通过典型的多目标函数对自适应控制参数的通用演化算法(selfGDE3)、GDE3和非劣分层遗传算法2(NS-GA-Ⅱ)的性能进行比较分析,结果表明,selfGDE3算法具有良好的搜索性能。
其他文献
结合ID3算法的不足,提出一种基于属性重要度简化标准的ID3改进算法:a)简化ID3算法的信息熵从而降低算法的计算时间;b)引入属性重要度概念来弥补ID3算法属性选择标准的不足;c)综合a)和b)来实现新的属性选择标准即属性重要度简化标准。在开源的Weka数据挖掘软件环境下进行仿真实验,结果表明该改进算法是可行的,并且在算法的计算时间和准确度方面都优于ID3算法,尤其是在数据样本集规模达到一定数量
现有的求解周期性任务最小相对截止期的方法均假定任务集是采取抢占式EDF调度算法,并不适用于当任务为基于非抢占式EDF调度算法的场合,如实时通信领域。在分析了非抢占式EDF调度算法的可调度性判定条件基础上,提出了基于非抢占式EDF调度算法下周期性任务最小相对截止期的计算算法。算法通过逐渐增加任务的相对截止期直到使任务集变为可调度的方式,实现某个任务相对截止期的最小化。仿真实验表明该算法具有较好的计算
针对不确定信息的相似性度量方法无法充分反映信息之间的关联情况,提出了直觉模糊集关联趋势分析法(RTIFS法)。利用直觉模糊集之间的距离表示不确定信息的差别,通过区间数与直觉模糊集之间的等价关系,利用区间数的距离计算直觉模糊集的关联度,最后应用集对分析法对序列间的关联趋势进行分类。RTIFS法将关联度计算的范围推广到不确定信息环境下,并给出多特征序列关联趋势的分类结果。实验结果表明,RTIFS法的分
为了提高网络的整体安全性,提出了基于攻击图的网络安全评估方法。首先,在攻击图的基础上提出了脆弱点依赖图的定义;其次,将影响评估的因素分为脆弱性自身特点、网络环境因素和脆弱性关联关系三部分;最后,按照网络拓扑的规模,采用自下向上、先局部后整体的思想,直观地给出了漏洞、主机和整个网络系统三个层次的脆弱性指数评估值。通过大量反复的实验测试,该方法可以对网络系统存在的脆弱性进行定期的、全面的量化评估,及时
DV-distance是一种基于多跳机制的定位算法,其相邻节点间的距离通过RSSI测距技术实际测量得到。为了减少RSSI测距误差对定位精度的影响,首先对RSSI测距误差进行修正,再对已有的信标节点间计算距离误差修正值的方法作进一步改进,提出一种基于RSSI测距误差修正的改进型DV-distance差分定位算法。仿真结果表明,相比已有的定位算法,该改进算法不仅能提高节点的定位精度,还能减少网络通信开
针对WMSNs路由算法设计的需求,依据遗传算法的基本原理和Pareto多目标优化方法,提出WMSNs多路径多目标优化路由算法MMOR-GA。该算法充分利用基站的存储空间充裕、能量充足和计算能力强的优势,在全局范围内搜索WMSNs多路径多目标优化路由。同时构建了基于前向邻居概念的网络模型和多目标优化函数,设计特定的编码方案及选择、交叉、变异算子。将MMOR-GA和TPGF进行模拟仿真实验,结果表明M
针对现有的隐私保护关联规则挖掘算法无法满足效率与精度之间较好的折中问题,提出了一种基于安全多方计算与随机干扰相结合的混合算法。算法基于半诚实模型,首先使用项集随机干扰矩阵对各个分布站点的数据进行变换和隐藏,然后提出一种方法恢复项集的全局支持数。由于采用的是对项集进行干扰,克服了传统方法由于独立地干扰每个项而破坏项之间相关性,导致恢复精度下降的缺陷。将小于阈值的项集进行剪枝,再使用安全多方计算在剪枝
线性复杂度和k-错线性复杂度是研究流密码稳定性的两个重要概念。当改变序列某几位时不会使得序列的线性复杂度急剧减少,说明该序列的稳定性良好。运用Chan-Games给出了当k=4或5时,F2上固定线性复杂度为2n-2m-1的2n-周期二元序列的k-错线性复杂度所有可能值,LCk(s)=0或LCk(s)=2n-2m-2r+1+c,LCk(s)=2n-2r+1+c。这一结果对流密码稳定性的研究有重要的应
根据有限数目的参考点,通过二维单目观测图像估计三维目标的姿态参数(又称PnP问题,perspective-n-point)是计算机视觉研究中的一个经典难题。当参考点的数目n<6时,PnP问题为高度非线性问题并可能存在多个可行解。目前求解PnP问题的方法主要分为迭代解法和闭式解法两类。迭代解法数值精度高,但是只能收敛到多解中的一个解,无法同时得到全部可行解;闭式解法的优点是可以一次得到全部可行解,但
为解决数据集中关联属性之间的干扰问题,通过引进Mahalanobis距离,并对传统的k近邻孤立点检测方法进行了改进,提出了一种新的基于样本的参数选取方法。该方法通过训练数据集中的正常数据和孤立点数据,以获得最优的k距离值和阈值。实验仿真结果表明,提出的算法有更高的准确率,同时降低了误检率。