摘要：在多目标最优化问题中,如何求解一组均匀散布在前沿界面上的有效解具有重要意义.MOEA?D是最近出现的一种杰出的多目标进化算法,当前沿界面的形状是某种已知的类型时,MOEA?D使用高级分解的方法容易求出均匀散布在前沿界面上的有效解.然而,多目标优化问题的前沿界面的形状通常是未知的.为了使MOEA?D能求出一般多目标优化问题的均匀散布的有效解,利用幂函数对目标进行数学变换,使变换后的多目标优化问题的前沿界面在算法的进化过程中逐渐接近希望得到的形状,提出了一种求解一般的多目标优化问题的MOEA?D算法的权重设计方法,并且讨论了经过数学变换后前沿界面的保距性问题.采用建议的权重设计方法,MOEA?D更容易求出一般的多目标优化问题均匀散布的有效解.数值结果验证了算法的有效性.

摘要：现有的大多数进化算法在求解大规模优化问题时性能会随决策变量维数的增长而下降。通常,多目标优化的Pareto有效解集是自变量空间的一个低维流形,该流形的维度远小于自变量空间的维度。鉴于此,提出一种基于自变量简约的多目标进化算法求解大规模稀疏多目标优化问题。该算法通过引入局部保持投影降维,保留原始自变量空间中的局部近邻关系,并设计一个归档集,将寻找到的非劣解存入其中进行训练,以提高投影的准确性。将该算法与四种流行的多目标进化算法在一系列测试问题和实际应用问题上进行了比较。实验结果表明,所提算法在解决稀疏多目标问题上具有较好的效果。因此,通过自变量简约能降低问题的求解难度,提高算法的搜索效率,在解决大规模稀疏多目标问题方面具有显著的优势。

摘要：随着无人机应用的日益广泛,对无人机路径规划的需求也越来越大,但大多数现有的基于进化算法的路径规划将整条路径作为一个个体进行优化,这可能导致一些潜在的路径点被忽视。此外,由于3D环境难以网格化,传统的基于网格的智能搜索算法,如蚁群算法等,在复杂3D环境中难以有效解决无人机路径规划问题。鉴于此,本文提出一种基于点集进化的无人机路径规划算法,该算法将每个控制点作为一个个体,根据路径的有序性设计了一种高效的杂交算子来生成新的控制点,基于控制点集使用经典的Dijkstra算法搜索并构建路径,从而计算每个控制点的适应度用来更新控制点集。该算法将经典路径规划算法与进化算法相结合,既具有经典算法的高搜索效率,又具有进化算法的全局搜索能力。实验结果表明,所提算法在解决复杂3D环境中的无人机路径规划问题时表现良好且稳定。

摘要：在新工科建设背景下,结合交叉学科特点,从知识结构、教学组织、教学参与者三个方面分析了当前高校教学中存在的难点。针对这些难点,采用二元分析法,并结合BOPPPS模式,对知识模块进行了深入分析与合理归类,提出了新兴交叉学科教学设计系统的核心策略。基于此策略构建的教学设计系统能够在详细分析不同类型知识模块特点的基础上,给出具体的教学设计方案,为新兴交叉学科的有效教学提供新思路,为提升人才培养的质量和效率助力。

摘要：多目标优化在无线网络规划、资源调度、数据挖掘和工程设计中得到了广泛的应用,是运筹学和人工智能等多个科学领域共同关注的核心课题.党的二十大报告提出,到2035年基本实现新型工业化,加快建设制造强国.这一目标的实现依靠以无线技术为代表的新一代信息技术创新带来的广泛产业变革.为抢占这一制高点,需对无线网络资源、用户体验、碳排放等多个目标进行优化,这些目标通常是相互冲突的,并且具有目标函数性态复杂及目标量纲不一致等特征,为优化算法的设计带来了巨大的挑战.