基于白化值的区间DEA建模

传统数据包络分析要求输入输出数据为精确数,然而在某些实际应用中,区间形式的数据相较于精确数更容易获得.将区间数转化为白化值,并基于传统C~2R模型提出了基于白化值的区间C~2R模型.考虑到决策单元的有效性不易通过基于白化值的区间C~2R模型来判断,因此将非阿基米德无穷小概念引入到上述模型,构建了具有非阿基米德无穷小的区间C~2R模型.此外,还给出了用于判断决策单元有效性的区间目标规划方法:分别通过G_(IC~2R)模型和WG_(IC~2R)模型判断决策单元是否为区间DEA有效与区间弱DEA有效.     

基于MATLAB仿真的浴缸水温控制策略分析

一个合理的加水策略,既能使浴缸中的水长时间保持恒定的舒适温度,又能尽可能节约水.综合考虑影响浴缸水温的各种因素,通过浴缸热传导模型和多目标规划模型,求解包含加水时间、流速等信息的最优加水策略.     

集值映射多目标半定规划问题的epsilon-弱有效性

对于集值映射多目标半定规划问题, 在近似锥-次类凸的框架下, 建立了含矩阵和向量的择一性定理, 给出了问题的epsilon-弱有效解的epsilon-Lagrange乘子定理及标量化定理和epsilon-弱鞍点定理．     

基于遗传算法的光伏–热电耦合系统多目标优化研究

多因素共同作用下的系统优化设计是光伏–热电耦合系统研究的难点之一。本文建立了光伏–热电耦合系统与单一光伏系统的理论模型,以最高耦合效率与相对于单一光伏系统的最大效率差值为优化目标,采用多目标遗传算法,开展了耦合系统优化设计研究。结果表明,最高耦合效率与最大效率差值两个优化目标是负相关的,且其负相关性是由光伏参考效率所导致,需综合考虑系统经济性,确定最高耦合效率和最大效率差值的折中方案,从而获得耦合系统最佳设计。     

突发事件下应急物资多目标优化调度模型与算法研究：以新冠肺炎疫情为例

突发事件下应急物资调度具有高度不确定性与动态性,应急物资跨区域调度计划能否科学合理制定对应急救援的有效开展具有重要影响。以武汉市新冠肺炎疫情为例,考虑应急物资跨区域调配的时效差异、地域分散以及资金消耗等要素,建立多周期下包含软硬需求时间窗约束的多物资品种、运输方式的跨区域三级动态物资调度网络模型,并设计一种带变异操作的动态变惯性权重自适应粒子群算法(VDCWPSO),利用疫情算例验证该算法的有效性和可行性。研究结果表明,在保障应急物资供应时效性、公平性、经济性原则下,物资跨区域调度可以缓解资源严重短缺状况、提高医用物资利用率,研究可为突发事件下应急物资调度计划的制定与动态调整提供决策支持。     

面向绿色智能制造的高维多目标动态作业车间调度优化

在当前环境问题日益严峻情况下,绿色智能制造受到广泛关注。在动态柔性作业车间基础上考虑不同机器状态下的能耗情况、机器使用节能方法,构建以极小化总能耗、最大完工时间、机器总负荷和产品质量稳定性为目标的高维多目标绿色动态柔性作业车间调度模型,并设计改进的灰狼优化IMOGWO算法求解该问题。首先,采用反向学习初始化种群策略,以扩大种群多样性;然后,依据多目标问题和标准GWO算法的特点提出多级官员领导机制,并引入POX交叉和逆序变异算子;最后,改进精英保留策略用于多目标优化算法。为证明算法的有效性,设计两组仿真实验分别对三种算法进行比较。实验结果表明,运用本文改进的IMOGWO算法求解多目标问题有更好的收敛性和分布性。     

资源受限下森林火灾应急救援多目标调度优化

许多森林火灾由于救援资源受限而不能在第一时间扑灭,导致火灾扩大蔓延,进而造成更大的森林资源损失。因此,在救援资源受限情形下,如何对消防救援车辆进行合理的调度安排以快速和低成本地扑灭火灾已成为亟待解决的现实问题。本文研究了一类资源受限下森林火灾应急救援多目标调度优化问题,为该问题构建了多目标混合整数非线性规划模型,优化目标为同时最小化总灭火救援时间和救援车辆总行驶距离。为有效求解该问题,首先将上述非线性模型等价转化为线性模型。然后提出ε-约束法和模糊逻辑相结合的算法对问题进行求解。最后,以大兴安岭山发生的火灾案例和随机生成仿真算例对模型和算法有效性进行验证,结果表明所提出的模型和算法能够有效解决资源受限下森林火灾应急救援问题,并为决策者提供最优的消防调度方案。     

运动目标时空频信号变换与多维信息关联

提出了一种针对水中匀速直线运动目标的时空频信号变换方法。首先对接收信号作时频分析和频域波束形成,根据选定的目标航向对频率-方位-时间三维信号空间中的接收信号进行由基阵坐标系到目标坐标系的视在方位变换,使目标线谱信号由三维空间轨迹变换为变换域中对应平面切片上的二维轨迹,该切片由频率与方位信息联合构成的轴和时间轴构成。研究结果表明,该方法能够在变换后的信号空间中将目标线谱信号的三维轨迹转换为相应切片上的二维轨迹,相比三维信号空间更容易获得多维信息联合处理的信号处理增益。     

采用GAF-D3Net深度学习网络的水下目标有源识别方法

提出一种基于格拉姆角场(GAF)和卷积神经网络(CNN)的水下目标有源识别方法。该方法利用GAF将目标回波信号编码为二维图像,使用空洞卷积构建轻量级的卷积神经网络GAF-D3Net实现对目标的特征提取与分类识别。实验表明,与基于传统图像特征的分类方法相比,所提方法的分类精度有显著提高,达到99.65%。在泛化性测试中,对比了经典CNN使用声呐图像的迁移学习方法,本文方法的曲线下面积(AUC)达到89%,具有更好的泛化性能以及抗干扰能力,为实现水下目标有源识别提供了一种可靠方法。     

有限元/边界元耦合方法在海洋生物目标强度特性研究的应用*

目标强度特性是海洋生物声学识别与资源量评估的重要依据,其中,基于近似几何体和声阻抗特性的理论模型法是研究海洋生物目标强度的重要手段。由于对几何形态近似处理以及数值求解方法的限制,传统理论模型对声波频率、入射方位以及目标声阻抗、形态尺寸等均有各自不同的适用范围,单一模型难以满足不同种类或同一种类但不同尺寸海洋生物的目标强度求解。本文尝试将逐渐见诸应用的有限元/边界元耦合方法用于海洋生物目标强度特性研究,分别以球形生物、纺锤形鱼类尾明角灯鱼(Ceratoscopelus warmingii)和细长形浮游动物南极大磷虾(Euphausia superba)为例进行仿真计算,并与相适应的经典理论模型进行对比分析。结果表明,对于球形生物,有限元/边界元耦合方法与解析模型的目标强度频响曲线完全吻合;对于纺锤形鱼类,有限元/边界元耦合方法可有效弥补基于模态级数解的形变圆柱体模型在中低频和两端入射时的准确性问题;对于细长形浮游动物,有限元/边界元耦合方法与畸变波玻恩近似模型高度吻合。综上,有限元/边界元耦合方法对多种海洋生物目标强度求解均具有较好的适用性,未来有待进一步结合实验测定进行验证。