题名 基于改进MOEA/D的钢铁多介质能源计划优化
被引量：1
1
作者
欧阳洪才 吴定会 范俊岩 汪晶
机构
江南大学物联网技术应用教育部工程研究中心 上海宝信软件有限公司
出处
《系统仿真学报》
CAS
CSCD
北大核心
2023年第3期568-578,共11页
基金
国家重点研发计划(2020YFB1711102,2020YFB1711100)。
文摘
针对多介质钢铁能源计划模型存在变量较多、约束复杂和模型求解难度高等问题,提出基于自适应邻域的改进MOEA/D(decomposition-based multi-objective evolutionary algorithm)实现多介质能源计划优化。考虑分时电价特性和煤气柜的缓冲作用,构建以最小化运行成本和总能耗的目标函数,设计能源介质供需和工序饱和度等模型约束;基于能源产耗规则的解码方法确定目标值,定义归一化的切比雪夫聚合函数和种群进化程度的自适应邻域更新,设计改进MOEA/D的能源计划优化算法。仿真对比实验验证了改进MOEA/D有效实现能源计划优化,提高解的收敛性,降低运行成本1.3%和能耗1.2%。
关键词
能源计划 多目标 能耗 MOEA/D 邻域更新
Keywords
energy plan multi-objective energy consumption MOEA/D(decomposition-based multiobjective evolutionary algorithm) neighborhood update
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP391.9
[自动化与计算机技术—控制科学与工程]
题名 一种新的MOEA/D中邻域更新策略研究
被引量：4
2
作者
周欢 王丽萍 林梦嫚 江波
机构
浙江工业大学浙江省通信网技术应用研究重点实验室 浙江工业大学信息智能与决策优化研究所 浙江工业大学现代教育技术研究所
出处
《小型微型计算机系统》
CSCD
北大核心
2017年第4期852-856,共5页
基金
国家自然科学基金项目(61472366 61379077 +3 种基金 61503340)资助 浙江省自然科学基金项目(LZ13F020002 LY13F030010 LQ16F030008)资助
文摘
MOEA/D算法使用聚合方法将多目标问题分解成单目标问题并行进化.然而,在优化的过程中,子代在固定的邻域内替换父代,并没有考虑固定邻域不利于算法选择较合适的父代参与繁殖.针对此问题,提出一种新的邻域更新策略.首先,利用各子问题的解,求出该解与所有权重向量的聚合函数值,以这些聚合函数值作为参考信息,更新父代解;其次,利用该参考信息,更新子问题对应的邻域结构.并将领域更新策略MOE/D算法应用子ZDT,DTLZ1-2等三个系列问题进行性能测试,并与M OEA/D、M OEA/D-GR算法进行性能对比.实验结果表明,与M OEA/D和M OEA/D-GR算法相比,结合邻域更新的M OEA/D策略,算法的收敛性明显提高.
关键词
多目标优化 MOEA/D 全局替换 邻域更新
Keywords
multi-objective evolutionary MOEA/D global replace neighborhood update
分类号
TP393
[自动化与计算机技术—计算机应用技术]
题名 基于改进混合高斯模型的运动目标检测方法
3
作者
张国平 高兆彬
机构
中国石油大学(华东)计算机与通信工程学院
出处
《计算机系统应用》
2017年第4期130-134,共5页
文摘
针对传统高斯模型易将背景显露区域检测为前景问题与对复杂场景下噪音处理效果差的缺陷,提出了一种混合了三帧差算法的改进混合高斯模型算法.利用三帧差算法快速确定背景显露区域与前景的优势,提高了算法对背景显露区域的适应性;提出一种背景模式邻域更新法,提高了对复杂背景噪音的抗干扰性.通过实验证明,该算法与传统方法相比,在复杂背景下减少了大量噪音,学习周期短,提高了对天气、摄像头震动等干扰的抗性,优化了背景显露引起的"影子"噪音问题.
关键词
混合高斯模型 运动目标检测 帧差法 复杂背景 邻域更新法
Keywords
Gaussian mixture model moving object detection frame difference method complex background neighborhood update
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 耦合中心游移和双权重因子的鲸鱼算法及应用
被引量：6
4
作者
程浩淼 王梦磊 汪靓 章小卫
机构
扬州大学环境科学与工程学院 扬州大学水利科学与工程学院 扬州大学信息工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2022年第13期74-84,共11页
基金
国家自然科学基金(42177365,52079119,51809226)。
文摘
针对鲸鱼优化算法(WOA)收敛精度低、收敛速度慢、易陷入局部优化等问题,提出耦合中心游移和双权重因子的鲸鱼算法(C-A-WWOA)。该算法采用中心游移和边界邻域更新策略,提高了种群质量、收敛精度和收敛速度;通过算法参数的非线性改进,平衡了算法的局部开发与全局搜索能力;还采用双权重因子对后期种群进行随机扰动,以避免算法后期陷入局部最优。通过18个测试函数的计算表明,相较于WOA和其他改进方案,C-A-WWOA在没有增加算法复杂度的基础上,提高了收敛精度和适用性。同时,不同改进策略下对算法性能的影响排序为:C-A-WWOA>W-WOA>C-WOA≈A-WOA>WOA;此外,改进算法在两个工程结构设计实例的应用中,也验证了其有效性和优越性。
关键词
改进鲸鱼优化算法 中心游移 边界邻域更新 双权重因子 工程优化
Keywords
improved whale optimization algorithm center wander boundary neighborhood update s double weight factors engineering optimization
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 基于差分进化邻域自适应的大规模多目标算法
被引量：5
5
作者
闫世瑛 颜克斐 方伟 陆恒杨
机构
江南大学人工智能与计算机学院
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2022年第7期2112-2124,共13页
基金
国家自然科学基金(62073155,62002137,62106088,61673194)资助课题。
文摘
对于大规模决策变量给求解大规模多目标优化问题带来的难以收敛及解集分布不均匀问题,通过分析变量特征将其分类再分别优化是当前较为有效的求解方法,但存在变量分类不够准确、变量处理不够有针对性等不足。对此,提出一种基于差分进化邻域自适应策略的大规模多目标优化算法。首先,通过分析扰动解的支配关系将混合变量分为多样性变量和收敛性变量,使变量分类更为准确。其次,通过对收敛性变量主成分分析降噪,降低计算成本,并设计种群的交替进化策略及差分进化的邻域自适应更新操作以提升种群进化过程中的收敛性。实验结果表明,所提算法在收敛速度和解集的分布均匀性上表现出良好的性能。
关键词
大规模多目标优化 协同进化 决策变量分析 主成分分析 邻域自适应更新
Keywords
large-scale multi-objective optimization cooperative coevolution decision variable analysis principal component analysis neighborhood adaptive update
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 法国波尔多Chartrons城市街区改造研究
被引量：4
6
作者
胡珊
机构
武汉大学城市设计学院
出处
《沈阳农业大学学报（社会科学版）》
2012年第4期484-488,共5页
基金
国家自然科学基金(50608091)
文摘
针对法国波尔多Chartrons特殊的历史背景及商议发展区((Zones d’Aménagement Concerté,缩写为ZAC)的运作模式,研究分析了夏尔冬商议发展区(ZAC Des Chartrons)的更新模式,该城区改造模式对中国城区改造具有许多有益的启示:中国历史街区的保护更新应加强历史街区保护立法,使历史街区的保护更新有法可依;坚持保护与更新相结合,让历史街区成为城市中有生命的有机体;尊重历史街区原有空间肌理及城市特征,使街区完整保留自身的历史特色;不仅要保护有形的历史街区物质实体内容,还要保护无形的历史文化遗产等内容。
关键词
法国历史街区 街区保护更新 规划设计 可持续发展 历史文化资源 城市发展 文化遗产
Keywords
French historic districts protective neighborhood updat ing planning and design sustainable development historical and cultural resources urban development cultural heritage
分类号
TU984.114
[建筑科学—城市规划与设计]
TU242
题名 基于自适应邻域策略的改进型MOEA/D算法
被引量：2
7
作者
耿焕同 韩伟民 丁洋洋 周山胜
机构
南京信息工程大学计算机与软件学院
出处
《计算机工程》
CAS
CSCD
北大核心
2019年第5期161-168,共8页
基金
国家重点研发计划(2017YFC1502104) 江苏省自然科学基金(BK20151458)
文摘
为避免传统MOEA/D算法使用固定领域规模易造成种群进化效率降低的情况,提出一种基于自适应邻域策略的改进算法。设计一种能够反映子问题进化幅度和种群进化状态的判断机制。针对进化过程中的收敛性和分布性需求,提出基于进化状态判断的自适应邻域策略,从而根据种群和子问题的进化状态设定不同的邻域规模。使用WFG系列测试函数进行实验,结果表明,该算法能有效平衡进化过程中种群的收敛性与分布性,提高解集的整体性能。
关键词
基于分解的多目标进化算法 邻域更新能力 进化状态 判断机制 自适应邻域策略
Keywords
Multi-objective Evolutionary Algorithm based on Decomposition (MOEA/D) neighborhood updat ing capabilityevolutionary state judgment mechanism Adaptive neighborhood Strategy(ANS)
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
