摘要：提出一种自适应进化粒子群优化算法(AEPSO),以提高多目标优化PSO算法的性能。AEPSO算法把非支配排序技术、自适应惯性权重和特殊的变异操作引入到PSO算法中,来提高算法的全局搜索能力和粒子的多样性。与常用的整体加权方法来处理多目标优化问题不同,AEPSO算法采用非劣解排序来引导粒子的飞行,以改进算法的收敛性,同时采用特殊的变异操作防止早熟收敛并增加优化解的多样性。所提算法的有效性经过四种代表性benchmark函数进行验证,并与几种典型同类型算法进行比较。该算法已成功地用于合金材料的多目标优化设计。实验结果表明AEPSO算法能够较好地兼顾收敛精度与优化解的多样性,满足多目标优化设计的要求。

摘要：为提高企业回收积极性,构建了一个以以旧换新为收购方式的新的逆向物流网络优化设计的混合整数非线性规划(mixed-integer nonlinear programming,MINLP)模型,以确定最优选址(位置和数量)和折扣价格,使回收中心净利润最大。提出了启发式算法来解决大规模选址问题,并利用算例验证了模型和算法的有效性和可行性。最后分别算例分析了企业的品牌差异和采用两种策略(单一折扣价格策略和质量依赖折扣价格策略)对回收中心净利润的影响。

摘要：为解决运动想象脑电信号(EEG)的多分类问题,本文提出了一种基于粒子群优化支持向量机(PSO-SVM)的EEG分类方法,采用NEUROSCAN平台设计实验自测数据,对想象左手握握力器,右手握握力器,右脚踩油门三类运动想象任务进行了分类识别研究。采用FFT和IFFT对信号进行预处理,采用离散小波分析(DWT)提取能量值,并结合小波系数作为组合特征,分类效果明显好于BP和自组织神经网络(SOM)分类器。