搜索到42687 篇“ 动态多目标优化 “的相关文章
一种巨型水库汛期水位动态 多 目标 优化 控制系统及方法 动态 多 目标 优化 控制系统及方法，属于水库优化 调度技术领域，根据降水预报信息、水库运行状态、实时决策需求等信息进行环境快速响应，灵活调整水库的运行方案，最大程度地发挥水库的效益，更好地协调水库...基于区域划分选择迁移学习的动态 多 目标 优化 方法 动态 多 目标 优化 方法，涉及人工智能技术领域，包括：生成初始种群；对初始种群进行优化 处理，获得初始帕累托最优集；在环境发生变化时，对历史帕累托最优集进行评估，将历史解分类为精英解和非精英...基于动态 多 目标 优化 的资源调度模型构建方法及系统 动态 多 目标 优化 的资源调度模型构建方法及系统，其方法包括：基于任务优化 总周期、任务优化 子周期、优化 目标 模型、决策变量、时不变约束条件和时变约束条件构建资源调度模型；基于历史数据确定影响资源调度模型的可变...基于迁移学习的航空发动机轮盘结构动态 多 目标 优化 方法 动态 多 目标 优化 方法，基于气动分析和动态 强度分析，对构建的动态 多 目标 模型进行多 变量优化 ，所得到的解能够在优化 空间中满足最大许用应力要求下质量最轻；本发明方法结合集成环境检测、环境...目标 个数不规则变化的动态 多 目标 优化 算法2024年 目标 个数随时间不规则变化的动态 多 目标 优化 问题。HIPPA依据目标 个数判断环境是否发生变化,根据不同的目标 个数划分环境类型。在种群初始化阶段,初始种群由3种机制产生。首先,利用历史种群信息训练改进的神经网络算法,生成一部分初始种群。其次,改进的精英策略利用历史种群信息生成一部分初始种群。最后,使用改进的随机策略生成一部分种群,以保持种群的多 样性。本文使用基准实验F1-F5验证所提算法的有效性,并将结果与其他动态 优化 算法对比。实验结果表明,HIPPA可以更加有效地解决目标 个数随时间不规则变化的动态 多 目标 优化 问题。关键词：动态多目标优化 神经网络 动态 多 目标 优化 方法、装置、设备及存储介质动态 多 目标 优化 方法、装置、设备及存储介质，涉及人工智能领域。该方法包括：对动态 多 目标 优化 场景分析，获取所述优化 场景的初始种群，采用预设的静态多 目标 优化 算法对初始种群寻优，获取当前时刻的帕累托前沿；当环境变化...使用指数平滑预测的动态 多 目标 优化 算法 2024年 动态 多 目标 优化 算法。首先,对新环境下的种群中心点进行指数平滑预测,计算种群进化方向。其次,结合种群进化方向预测种群,并对预测后的种群采用切比雪夫聚合方法筛选出80%的个体。其余20%的个体通过对上一时刻最优解集多 项式变异产生。最后,对新种群进行边界检测。另外,在种群进化操作中,提出了一种新的交叉算子。通过与现有动态 多 目标 优化 算法在多 个测试函数上比对分析,所提算法在大多 数测试函数上的逆世代距离指标和收敛指标优于对比算法,展现了所提算法处理动态 多 目标 优化 问题的优越性。关键词：动态多目标优化 基于混合预测策略的动态 多 目标 优化 算法 2024年 动态 多 目标 问题时,预测策略发挥着重要作用。但对于一些复杂的变化环境,仅使用单一的预测策略来响应环境变化,算法的性能往往不高。因此,提出一种基于混合预测策略的动态 多 目标 优化 算法。采用四分位点方法对目标 空间进行划分,从而避免空域的形成。根据不同时刻子区域中位点的信息,分别采用线性预测策略和振荡序列灰色预测策略生成新个体,同时设计一种基于变量相关系数的选择策略,确定新环境下初始种群的部分个体。设计一种自适应群体多 样性维持策略,生成部分新个体,确保良好的种群多 样性。为证明所提出算法的有效性,使用3种经典比较算法在9个不同动态 特征的测试函数上进行仿真实验。结果表明,该算法在大多 数动态 优化 问题上具有更好的性能。关键词：动态多目标优化 进化算法 基于源域选择的动态 多 目标 优化 算法 2024年 动态 多 目标 优化 问题的有效方法,但当源域和目标 域差异性较大时,会产生负迁移,大大降低求解优化 问题的效率。针对这种现象该算法提出一种基于源域选择策略的迁移学习方法。该方法首先根据历史环境的最优解集与新环境目标 域的差异性对历史环境数据进行排序,选择一个差异性最小的历史环境数据作为迁移解;同时,对t时刻环境的最优解集进行交叉变异生成多 样性解,将其与迁移解合进行非支配排序得到源域数据;然后将源域数据映射到嵌入空间,求出最优解作为新环境下的初始种群进行下一时刻迭代运算。这种方法考虑了多 个历史环境知识的重用,可以加强种群全局搜索能力,有效抑制负迁移的产生,从而提高算法效率。通过实验,结果证明本文提出的算法能显著提高动态 多 目标 优化 方法的性能。关键词：动态多目标优化 基于决策变量关系的动态 多 目标 优化 算法 被引量：3 2024年 动态 多 目标 优化 问题(DMOPs)需要进化算法跟踪不断变化的Pareto最优前沿,从而在检测到环境变化时能够及时有效地做出响应.为了解决上述问题,提出一种基于决策变量关系的动态 多 目标 优化 算法.首先,通过决策变量对收敛性和多 样性贡献大小的检测机制将决策变量分为收敛性相关决策变量(CV)和多 样性相关决策变量(DV),对不同类型决策变量采用不同的优化 策略;其次,提出一种局部搜索多 样性维护机制,使个体在Pareto前沿分布更加均匀;最后,对两部分产生的组合个体进行非支配排序构成新环境下的种群.为了验证DVR的性能,将DVR与3种动态 多 目标 优化 算法在15个基准测试问题上进行比较,实验结果表明, DVR算法相较于其他3种算法表现出更优的收敛性和多 样性.关键词：动态多目标优化 进化算法
相关作者
刘淳安 作品数：57 被引量：246 H指数：9 供职机构：宝鸡文理学院 研究主题：进化算法 多目标优化 动态多目标优化 遗传算法 PARETO最优解 马永杰 作品数：123 被引量：973 H指数：14 供职机构：西北师范大学物理与电子工程学院 研究主题：遗传算法 图像处理 卷积神经网络 多目标优化 进化算法 李二超 作品数：110 被引量：383 H指数：10 供职机构：兰州理工大学电气工程与信息工程学院 研究主题：机器人 移动机器人 模糊控制 未知环境 进化算法 焦李成 作品数：3,357 被引量：8,724 H指数：41 供职机构：西安电子科技大学 研究主题：SAR图像 图像 极化SAR 遥感图像 地物分类 尚荣华 作品数：652 被引量：175 H指数：9 供职机构：西安电子科技大学 研究主题：SAR图像 极化SAR 图像 变化检测 高光谱图像
