导读:本文包含了多目标分配论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:目标,算法,分配,货位,火力,公差,蜂群。
多目标分配论文文献综述
胡西彪,张卫[1]（2019）在《求解多目标公差优化分配问题的HVG-ABC算法》一文中研究指出针对公差优化分配问题的特点,提出了一种为求解多目标公差优化分配问题的基于杂交变异操作的全局人工蜂群(Hybridization Variation Global-Artificial Bee Colony,HVG-ABC)算法。以加工成本和质量损失成本为优化指标,以装配精度和加工能力为约束条件,建立了基于加权平均法的多目标优化模型。针对传统人工蜂群算法精于探索、疏于开发的特性,采用杂交变异和最优解引导的方法,不仅很好的平衡了算法探索和开发的能力,并且在一定程度上提高了算法的全局寻优能力。以拉舍尔型高速经编机中的编花部件为例,验证了该方法的有效性。(本文来源于《机械设计与制造》期刊2019年12期）
王宸,向长峰,王生怀[2]（2019）在《变尺度教与学算法的公差分配多目标优化研究》一文中研究指出为提高公差分配精度,通过分析确定以制造成本和质量损失作为目标函数,建立基于成本和质量的公差分配多目标优化函数模型。使用违背度函数法处理模型约束,对初始种群进行分组并计算组内最优解X_(teacher);在"教"阶段,采用DFP变尺度法对X_(teacher)加强局部搜索,保证学生解向教师学习;在"学"阶段,采用有向学习策略,引导学生向组内最优学生学习,使学习具有一定方向性。最后以减速箱装配体公差设计实例验证所提算法和模型的有效性。(本文来源于《制造技术与机床》期刊2019年10期）
宣贺君,向勇,和晓强,刘道华[3]（2019）在《联合火力打击中武器目标分配问题的多目标优化模型及算法》一文中研究指出联合火力打击中确定最优的武器目标分配方案是具有挑战性的问题.为解决该问题,考虑需要在潜在打击目标中确定打击目标,建立了一个以最大化期望毁伤收益和最小化打击成本为目标的多目标优化模型.采用加权求和法以及偏好将多目标优化模型转化为全局约束优化模型.设计了具有较好搜索能力的交叉和变异算子的遗传算法.实验结果表明,所提出的算法可以得到比对比算法更好的分配方案.(本文来源于《信阳师范学院学报(自然科学版)》期刊2019年04期）
夏晖,王思逸,蔡强[4]（2019）在《多目标碳配额分配下的减排技术投资策略研究》一文中研究指出本文研究政府在多目标碳配额分配条件下,行业内减排效率差异企业的最优减排技术投资策略.通过建立政府与企业的博弈模型,采用理想点法对多目标规划问题进行求解,分析碳配额政策对企业技术投资决策的影响.数值分析结果显示,在政府兼顾社会效益和经济效益的多目标配额分配条件下,低减排效率企业更有可能投资进行技术升级,以获得政府分配的更多配额,而高效率企业的投资动力不足.另外,技术投资成本下降或减排技术代际差异扩大时,行业内两企业投资升级技术的可能性增加.所得结论对于政府制定合适的碳配额分配政策,以及相关配套措施促进全行业的技术升级具有重要意义.(本文来源于《系统工程理论与实践》期刊2019年08期）
褚骁庚,马政伟,陈行军[5]（2019）在《面向多目标优化火力目标分配问题的前瞻式边际贪婪算法》一文中研究指出针对现有面向多目标优化的火力目标分配(weapon target assignment,WTA)问题的求解算法相对较少、有关算法的求解效能不稳定等特点,提出了前瞻式边际贪婪构造(look-ahead margin-greedy constructive,LAMGC)算法。首先,对火力目标分配问题的多目标优化模型进行了深入分析,通过定理证明优化了LAMGC算法的求解效率;然后,明确了LAMGC算法具体的求解步骤,分析了算法计算复杂度;最后,以超体积和计算时间为评价指标,通过实验验证了LAMGC算法的合理性和有效性,LAMGC算法很好地满足了轻量型智能作战平台的使用需求。实验数据显示,相比于求解此类问题的有关算法,LAMGC算法具有更高的求解效率、求解质量和求解稳定性。(本文来源于《系统工程与电子技术》期刊2019年10期）
闫庆友,秦超[6]（2019）在《天然气消费结构多目标优化分配模型》一文中研究指出近年来冬季供暖期天然气消费需求持续旺盛,供需形势较为严峻,天然气紧缺又造成燃气机组(电网重要的调峰电源)的调峰能力无法有效发挥,严重制约了风电消纳能力。如何在冬季天然气供应紧张时期,考虑天然气的各类用途,实现天然气的合理分配,成为值得研究的重要课题。为此,引入粒子群多目标优化理论,充分考虑供给侧风电消纳与需求侧天然气负荷,综合设计了天然气供应收入最大化、供给侧风电消纳量最大化与天然气供应不确定性最小化3个目标函数,结合效用理论构建了考虑供应不确定性和调峰能力约束的天然气消费结构多目标优化分配模型,并以北京市城六区(东城区、西城区、朝阳区、海淀区、丰台区和石景山区)为例进行了模拟优化。研究结果表明:①天然气定价宜同时考虑社会效用和用户效用;②燃气机组调峰所带来的风电消纳效益受机组基本负荷利用小时数、燃气发电用气量以及供热期等因素的影响,从而验证了天然气消费结构的优化效果;③上述城六区应在原有天然气消费结构的基础上,小幅度增加发电、供热用气比例,保持商业及其他用气消费量稳定,大幅度缩减工业及天然气汽车用气量,以尽量满足居民用气量增加的需求。结论认为:北京市城六区优化后的天然气消费结构在满足各方天然气消费需求的同时,增加了总收入,提升了燃气机组调峰消纳风电的能力,证明该多目标优化分配模型能够为区域天然气消费结构优化调整提供理论和技术支撑。(本文来源于《天然气工业》期刊2019年06期）
李天龙,张军超[7]（2019）在《基于融合算法的空—地多目标攻击火力分配》一文中研究指出空地多目标火力分配是机载空地多目标攻击系统的核心。分析了空地多目标火力分配问题的特点,提出了不同的最优评价标准,并根据其对应的目标函数建立了3种空地多目标火力分配模型。以自适应蚁群算法为基础,利用遗传算子进行交叉变异操作,结合粒子群算法的思想修改信息素更新规则,给出了融合算法求解空地多目标火力分配问题的步骤。通过仿真实验验证了融合算法的有效性。(本文来源于《电光与控制》期刊2019年11期）
蔡安江,蔡曜,郭师虹,耿晨[8]（2019）在《集成多目标遗传算法在货位分配中的应用》一文中研究指出根据效率优先原则、稳定性原则建立适合同端式出/入库立体仓库的多目标货位分配模型。基于向量评估、非支配排序、小生境Pareto等理论方法设计了叁种多目标遗传算法(MGA)。根据集成学习理论,将若干多目标遗传算法集成,构建集成多目标遗传算法(EMGA),使优化算法适应搜索过程的任意阶段。以某铝厂实际工况进行仿真验证,结果表明,集成多目标遗传算法受问题规模影响小,收敛速度快,较单独其他多目标遗传算法性能更优越,是适用于立体仓库调度研究的高效算法。(本文来源于《机械设计与制造》期刊2019年05期）
马硕,马亚平[9]（2019）在《基于分层聚类拍卖的集群UUV多目标分配方法》一文中研究指出针对水下UUV集群协作多目标任务分配问题,提出一种基于市场拍卖机制的分层聚类目标分配方法,研究异步/同步2种任务分配模式及模型。相对已有相关研究工作,该方法改进了任务分组的方式,任务分配机制能够较好地适应动态变化的条件。该方法分为3步:首先基于最小生成树距离的分层聚类对目标集分组为若干任务包,然后由UUV群根据各自的状态对各任务包计算执行代价并投标,最后拍卖方根据投标结果确定中标的UUV及所执行的任务包,同时根据UUV系统状态可动态调整任务分配。仿真结果表明,该方法能够较好地解决集群UUV任务分配问题。(本文来源于《舰船科学技术》期刊2019年09期）
牛福强[10]（2019）在《动态多目标测试资源分配问题研究》一文中研究指出在软件工程领域中,软件测试是减少系统漏洞、检测和修正错误最为行之有效的一种方法。然而随着计算机技术的飞速发展,软件系统的规模在不断扩大,系统结构越发复杂,软件测试资源的投入以及成本的消耗也在显着增加。因此,系统可靠性不再是软件项目经理唯一关注的目标。如何分配有限的测试资源,在系统可靠性、测试资源消耗以及耗费成本之间寻求一个令人满足的平衡,已成为近年来软件工程领域中的一个研究热点。然而,现有研究大都局限于测试资源的多目标静态分配。为了应对测试阶段的环境或用户需求变化导致系统结构以及测试资源分配的不确定性,本文主要研究测试资源的动态多目标分配问题。本文的主要研究内容如下:(1)分析了测试资源分配问题的研究现状以及实际应用的问题;讨论了测试资源分配问题中的多目标优化模型,包括测试资源、可靠性以及成本的相关数学描述。介绍了多目标进化算法的发展历程、原理、相关技术以及特点,并重点介绍两个性能优越的多目标进化算法:第二代非支配排序遗传算法NSGA-II和第叁代广义差分进化算法GDE3。(2)针对在优化过程中,由于用户需求的变化而导致的系统结构中子系统内模块数的增加、子系统数的增加等动态变化,分别设计了相应的种群重新初始化策略和约束处理机制,并提出了一种基于GDE3的系统结构动态变化的多目标测试资源分配算法D-GDE3。D-GDE3同时考虑系统可靠性、测试成本和耗费的测试资源,能够通过历史解重新初始化种群以适应系统结构的变化,并对新解进行约束处理以保证解的可行性。对比实验结果表明,D-GDE3能够快速收敛并获得质量较好的解集。(3)构建了一种最小化系统剩余错误总数和测试时间消耗的多阶段两目标动态测试资源分配问题数学模型,并提出了一种基于NSGA-II的多阶段两目标动态测试资源分配算法MS-NSGA-II。MS-NSGA-II以NSGA-II为基础,嵌入了参数估计、种群重新初始化和约束处理技术,实现了多阶段的动态反馈与多目标优化,能够自适应的调整每个测试阶段的测试资源分配。对比实验结果表明,MSNSGA-II能够很好的适应每个测试阶段之间的环境变化,提供更多更高质量的测试资源分配方案。(4)构建了一种最大化系统可靠性、最小化测试成本和测试资源消耗的多阶段叁目标动态测试资源分配数学模型,并提出了一种基于GDE3的多阶段叁目标动态测试资源分配算法MP-GDE3。根据构建的模型,在MP-GDE3算法中设计了相应的参数估计、种群重新初始化和约束处理技术。参数估计是多阶段不可缺少的技术,也是软件可靠性增长模型的基础;种群重新初始化可以节省测试资源,充分利用历史信息获得具有一定收敛程度的初始种群;约束处理可以帮助个体自我修正、加快解集的收敛速度,从而获得高质量的分配方案。对比实验结果验证了上述策略的有效性。(本文来源于《合肥工业大学》期刊2019-05-01）
多目标分配论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为提高公差分配精度,通过分析确定以制造成本和质量损失作为目标函数,建立基于成本和质量的公差分配多目标优化函数模型。使用违背度函数法处理模型约束,对初始种群进行分组并计算组内最优解X_(teacher);在"教"阶段,采用DFP变尺度法对X_(teacher)加强局部搜索,保证学生解向教师学习;在"学"阶段,采用有向学习策略,引导学生向组内最优学生学习,使学习具有一定方向性。最后以减速箱装配体公差设计实例验证所提算法和模型的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多目标分配论文参考文献
[1].胡西彪,张卫.求解多目标公差优化分配问题的HVG-ABC算法[J].机械设计与制造.2019
[2].王宸,向长峰,王生怀.变尺度教与学算法的公差分配多目标优化研究[J].制造技术与机床.2019
[3].宣贺君,向勇,和晓强,刘道华.联合火力打击中武器目标分配问题的多目标优化模型及算法[J].信阳师范学院学报(自然科学版).2019
[4].夏晖,王思逸,蔡强.多目标碳配额分配下的减排技术投资策略研究[J].系统工程理论与实践.2019
[5].褚骁庚,马政伟,陈行军.面向多目标优化火力目标分配问题的前瞻式边际贪婪算法[J].系统工程与电子技术.2019
[6].闫庆友,秦超.天然气消费结构多目标优化分配模型[J].天然气工业.2019
[7].李天龙,张军超.基于融合算法的空—地多目标攻击火力分配[J].电光与控制.2019
[8].蔡安江,蔡曜,郭师虹,耿晨.集成多目标遗传算法在货位分配中的应用[J].机械设计与制造.2019
[9].马硕,马亚平.基于分层聚类拍卖的集群UUV多目标分配方法[J].舰船科学技术.2019
[10].牛福强.动态多目标测试资源分配问题研究[D].合肥工业大学.2019
论文知识图
