福建省自然科学基金(2012J01248)
- 作品数：8 被引量：38H指数：3
- 相关作者：汪慎文谢承旺谢大同郭肇禄胡玉荣更多>>
- 相关机构：华东交通大学石家庄经济学院武汉大学更多>>
- 发文基金：福建省自然科学基金国家自然科学基金江西省自然科学基金更多>>
- 相关领域：自动化与计算机技术机械工程电气工程电子电信更多>>
- 高维目标进化算法研究进展被引量：1
- 2012年
- 主流的多目标进化算法在解决目标数目较少的优化问题时具有较好的性能,但当优化目标数目超过4维,即具有高维目标时,算法的性能很快下降,而且搜索的开销快速增长.高维目标进化算法的研究受到了进化计算与工程优化领域的高度关注.鉴于此,对高维目标优化问题的困难进行了分析,并对高维目标进化算法的研究进展进行了综述,总结了各类算法的特点与缺陷,并指出了未来进一步研究的方向.
- 谢承旺汪慎文谢大同郭肇禄
- 关键词：PARETO支配进化算法收敛性
- 应用精英反向学习策略的混合差分演化算法被引量：23
- 2013年
- 针对传统差分演化算法在演化后期收敛速度变慢的问题,利用精英个体的良好信息,在一般反向学习方法的基础上,提出精英反向学习策略,并融合降低参数敏感性和变异策略敏感性的机制,设计了一种基于精英反向学习策略的混合差分演化算法(EOCoDE),从理论上证明了该算法的全局收敛性.新算法使用精英反向策略初始化种群,在进化过程中,如果满足预设定的学习概率,就执行精英反向算子,否则,随机组合参数知识库和策略知识库中的知识来产生差分演化种群.对比实验结果表明,精英反向学习策略比一般反向学习策略具有更强的搜索能力,EOCoDE算法的性能具有明显优势.
- 汪慎文丁立新谢承旺郭肇禄胡玉荣
- 关键词：差分演化
- 电力监控系统的脆弱性量化模型研究被引量：1
- 2013年
- 电力监控系统的脆弱性量化的研究,对于评估电力系统的安全有着重要的意义。利用层次分析法(AHP,analytic hierarchy process)对电子监控系统的脆弱度因子进行量化,并且根据IEC 61850标准构建了评估算例。实验结果表明,该方法能有效量化系统脆弱度,对安全策略的制定具有指导作用。
- 李素若
- 关键词：电力监控系统脆弱性
- 无线协作通信中的空频与网络联合编码及性能被引量：1
- 2013年
- 为解决DF(decode-and-forward)无线通信系统中空频编码的问题,首先分析传统三中继空频编码SER(Symbol-error-rate),并得出SER的上界和闭合表达式,提出一种联合空频编码和网络编码的方法,分析其SER性能.研究结果表明:在DF系统中,联合网络与空频编码的方法比传统的空频编码具有更好的SER性能.
- 李素若
- 关键词：中继协作网络编码空频编码中继系统误码率网络性能
- 机械臂动态响应传递函数矩阵模型被引量：2
- 2014年
- 为研究机械臂在力(力矩)作用下的动态响应,在建立机械臂简易模型的基础上,利用patron软件得到其在悬臂梁状态下中部受阶跃冲击时末端位移的变化数据.利用这些数据,提出一种基于传递函数矩阵参数估计的响应模型建立方法,分析在不同模型阶次下的模型精度.研究结果表明:该方法可建立高精度机械臂动态响应模型.该研究成果为机械臂控制及动态误差补偿奠定基础.
- 李素若
- 关键词：机械臂系统辨识最小二乘法
- 一种改进型多目标粒子群优化算法MOPSO-Ⅱ被引量：7
- 2014年
- 提出了一种改进型多目标粒子群优化算法(MOPSO-Ⅱ).该算法为粒子群中每个粒子增加一个"扰动向量",以利于粒子跳出局部最优并为粒子的全局最优位置赋予了时限的属性,可防止过于频繁地更新全局最优位置,有利于增强粒子搜索的持效性.该算法改进了粒子越界的处理方法,最大程度上保持粒子优秀的搜索方向.通过典型的多目标测试函数ZDT对该算法进行测试,实验结果表明,带ε-支配的MOPSO-Ⅱ算法在解群的分布性方面要优于使用了拥挤距离机制MOPSO-Ⅱ算法和NSGA2算法,对比实验还表明MOPSO-Ⅱ算法在收敛性方面要优于NSGA2.因此,MOPSO-Ⅱ在求解多目标优化问题上有一定优势,是一种有前途的算法.
- 谢承旺李凯徐君谢大同杜欣汪慎文
- 关键词：粒子群优化多目标优化
- 基于目标相关性的一种高维目标演化算法
- 2014年
- 针对高维目标问题中非支配解数量随目标数量增加而剧增的问题,提出一种基于目标相关性信息的降维方法.该方法利用非支配解的目标值分析目标之间的相关性,对正相关较强的目标进行合并,从而降低目标数量,使部分非支配解之间产生支配关系,达到减少非支配解数量的目的.该方法可与基于Pareto支配的演化算法结合.实验结果表明,结合该目标降维方法的演化算法可以取得收敛性更好的结果.
- 谢大同丁立新汪慎文胡玉荣姜磊
- 关键词：演化算法降维
- 采用渐变与突变机制的反向人工蜂群算法被引量：3
- 2013年
- 为克服人工蜂群算法容易陷入局部最优且后期收敛速度较慢的缺点,提出一种基于渐变与突变机制的反向人工蜂群算法并用于特征选择.采用反向学习策略,为每个初始解产生对应的反向解,并从所有解中选择最优的解构成初始种群,加快了收敛速度.引入渐变与突变机制,将个体按适应度大小分为渐变个体和突变个体,对它们采用不同的邻域搜索方法,避免了陷入局部最优.对比实验表明,新算法比其他特征选择算法能够得到更好的特征子集且具有更快的收敛速度.
- 胡玉荣丁立新谢大同汪慎文郭肇禄谢承旺
- 关键词：人工蜂群粗糙集
