摘要：对于高维多目标优化问题,随着目标维数的增加,种群中非被支配解的比例剧增,严重降低了种群的进化压力.为了对数量众多的非被支配解进行有效的拥挤控制并提升种群的多样性,本文在提出张角概念的基础上设计了一种新的拥挤控制策略(Congestion control strategy based on open angle,CCSOA),它的时间复杂度并不会随着目标维数的增加而增大.与目前优秀的进化多目标优化(Evolutionary multiobjective optimization,EMO)算法IBEA(Indicator-based evolutionary algorithm)、NSGAIII(Nondominated sorting genetic algorithm III)和Gr EA(Grid-based evolutionary algorithm)的比较结果表明,融合了CCSOA的高维多目标优化算法在收敛效果和解集分布的均匀性两个方面均有较大的优势.

摘要：在进化多目标优化算法中,种群的多样性、对目标空间的搜索能力及算法的鲁棒性直接影响算法的收敛能力和解集的分散性。针对这些问题,提出了一种混合分散搜索的进化多目标优化算法(SSMOEA)。SSMOEA在混合分散搜索算法架构的同时,重新设计其多样性的选取策略,并引入协同进化机制。此外,为了提高算法的自适应性和鲁棒性,采用了一种新颖的自适应多交叉算子选择方法。SSMOEA与经典的多目标进化算法SPEA2、NSGA-Ⅱ和MOEA/D在12个基准测试函数上的对比结果表明,SSMOEA不仅在求得的Pareto最优解集的宽广性、均匀性和逼近性上有明显优势,而且算法的鲁棒性也有明显的提高。

摘要：针对大数据时代数据库的读写速度以及移植性能急需得到提升的问题,开发了基于Docker的数据库微服务系统。首先,分析了Docker容器的技术原理、Docker容器的架构、以及内部模块的功能,并与传统虚拟机相比,在速度、效率、管理等方面具有很大提升;其次,针对需要开发的数据库微服务系统所需要包含的功能,分别在Redis、MongoDB和MySQL 3种数据库中进行需求分析,并建立了上层人机交互界面包括数据层、管理层、功能层的架构,并根据需求以及架构进行了数据库微服务系统的开发;最后,采用实际计算机系统对开发的数据库系统进行功能以及性能测试,分析系统的读写能力,数据库功能,以及人机交互界面的测试结果,验证了本文所开发系统在实际应用中的有效性以及可靠性。