【摘 要】
：
设计并研究一种基于多标签k近邻方法(multi-label k-nearest neighbor,ML-kNN)推荐元启发式算法的实现框架.应用多标签k近邻分类学习技术,实现最佳元启发式算法的排名推荐.为了验证效果,以多模式资源约束项目调度问题(MRCPSP)为优化对象,选取不同规模的数百个算例分别提取问题基本特征和地标特征;选用遗传、粒子群、禁忌搜索、蜂群和蚁群5种元启发式算法,使用ML-kNN建立元推荐模型;利用海明损失、单错误率、覆盖率、排位损失和平均准确率5个指标对推荐效果做出分析和评价.实验结果
【机 构】
：
北京科技大学经济管理学院,北京100083
论文部分内容阅读
设计并研究一种基于多标签k近邻方法(multi-label k-nearest neighbor,ML-kNN)推荐元启发式算法的实现框架.应用多标签k近邻分类学习技术,实现最佳元启发式算法的排名推荐.为了验证效果,以多模式资源约束项目调度问题(MRCPSP)为优化对象,选取不同规模的数百个算例分别提取问题基本特征和地标特征;选用遗传、粒子群、禁忌搜索、蜂群和蚁群5种元启发式算法,使用ML-kNN建立元推荐模型;利用海明损失、单错误率、覆盖率、排位损失和平均准确率5个指标对推荐效果做出分析和评价.实验结果表明,基于ML-kNN方法推荐元启发式算法效果突出,其中基于地标特征的单错误率指标为18.4％,平均准确率达到88.9％.相对于kNN方法,ML-kNN取得了更好的推荐结果.此外,ML-kNN方法可以实现对所有备选算法的排名推荐,该研究结论有望推广应用于其他组合优化问题的优化算法推荐.
其他文献
作为CRH(China railway high-speed)高速列车的重要组成部分,悬挂系统的可靠性对列车的安全运行和乘坐舒适性具有重要意义,为此,利用悬挂系统传感器数据,提出一种基于数据驱动的早期故障检测方法.首先,根据系统动态搭建列车悬挂系统Simpack模型,其中作动器的主动控制力作为系统输入,轨道不平顺由不平顺功率谱模拟产生激励信号,并作为系统的扰动信号;然后,在悬挂系统离散模型的基础上,通过传感器的输出构建数据模型,并构造输入输出数据矩阵;最后,通过数据矩阵构造残差量,并依照离线和在线的故障检
光伏并网逆变器的直流侧电压在光照强度、温度等外界环境的影响下通常是波动的,这会对弱电网下光伏并网系统的稳定性产生影响.针对这一问题,在传统控制系统中引入基于功率前馈的电压控制回路,并给出其结构和参数的设计过程.在此基础上,对光伏并网逆变器的输出阻抗进行建模,并分析不同控制器下对应的输出阻抗的频率特性,并利用奈奎斯特稳定性判据,分析弱电网下光伏并网系统的稳定性.最后,通过仿真实验验证所提出控制策略的有效性.
集中式超大规模储能电站与其控制系统逐渐发展成为信息物理系统(cyber physical system,CPS),信息技术和监控系统能够使超大规模储能电站应对多样化场景和满足不同的需求,但也带来一定程度的安全运行风险,因此对其进行可靠性建模和分析具有非常重要的意义.首先,建立超大规模储能电站的CPS模型,并分析物理侧与信息侧的交互影响;其次,对信息系统中多种信息扰动的可靠性状态进行建模分析,并提出储能电站CPS可靠性评估指标;然后,分别采用非序贯和序贯蒙特卡洛方法对超大规模储能电站的信息层和物理层元件进行
多粒度形式概念分析是数据挖掘与知识发现的重要工具,但现有的多粒度形式概念分析理论中并未提出选择最优形式背景的标准,这导致只能对多个单粒度形式背景逐一研究其知识发现问题,因此无法应对含有多个粒度属性的形式背景.鉴于此,对多粒度形式背景的粒度树上的属性块进行组合,将信息熵作为组合形式背景优劣的判别标准以评价最优粒度选择的性能.首先,基于粒度树提出广义介粒度剪枝形式背景,它既能实现属性块内部跨粒度组合,又能实现属性块之间跨层组合;其次,给出广义介粒度剪枝形式背景的信息熵,以评价广义介粒度剪枝形式背景的优劣,并设
针对低碳分布式装配置换流水车间调度问题(LC_DAPFSP),建立以同时最小化总能耗和总完工时间为优化目标的数学模型,进而提出一种多维分布估计算法(MEDA)以进行求解.首先,采用随机方法和启发式算法共同生成初始化种群;其次,建立基于矩阵立方体的概率模型,用于合理学习并积累优质解的块结构信息和序关系信息,同时设计有效采样机制对概率模型采样以生成新种群,从而合理引导算法搜索方向并发现可行解空间中的优质解区域;然后,为平衡算法的全局探索与局部开发能力,提出基于问题特性的变邻域局部搜索方法,可对全局搜索发现的优
考虑到区间二型模糊数在描述高度不确定性信息方面的优势,将区间二型模糊数拓展到决策粗糙集中,提出两种区间二型模糊三支决策方法.在没有类标签的区间二型模糊信息系统中,解释损失函数与确定条件概率是需要解决的两个关键问题.首先,根据区间二型模糊数的性质,将其引入决策粗糙集中,为损失函数提供一种新的解释.其次,基于贝叶斯决策过程,构造区间二型模糊决策粗糙集的基础模型.然后,选取区间二型模糊数的组合排序与可能度排序,设计两种策略来推导区间二型模糊决策粗糙集的决策规则.对于条件概率,利用灰色关联分析方法对其评估.在此基
工业信息物理系统(ICPS)与基础设施的连接越来越密切,同时通信网络也易受到环境干扰和虚假数据注入攻击的影响.鉴于此,研究基于多信道传输框架和minimax控制器,提高ICPS在攻击、环境和噪声干扰下的弹性.通过设计minimax控制器以增强ICPS在噪音和干扰下的弹性,基于多信道传输框架建立发射机与攻击者之间的攻防博弈模型,通过多信道上的攻防博弈策略实现整个ICPS的弹性防御策略.通过OPNET和Matlab的联调仿真,验证模拟数据注入攻击下基于多信道传输框架的ICPS控制系统的性能.仿真结果表明,mi
针对危险驾驶行为引起的交通安全事故频发的现状,提出一种基于MobileNetV3和ST-SRU的危险驾驶姿态识别系统.首先,修改MobileNetV3的网络结构使其适用于人体姿态估计任务,输出关节点的热力图和偏移量图,用来估计J个关节点的二维坐标位置;其次,定义ST-SRU骨架动作识别算法,利用动作的骨架序列数据对动作进行分类.实验结果表明:MobileNetV3姿态估计算法在自建的AI Challenger上肢姿态数据集上测得PCP值(percentage correct parts)达到95.6％,测
机器人的装配策略受装配对象特性、装配工艺和装配控制方法的约束,针对装配过程接触阶段的位姿不确定性问题,提出一种装配姿态调整技能自学习的方法.首先描述多约束条件下的机器人装配技能问题,建立基于力/力矩、位姿、关节角度等多模信息描述的装配系统模型;然后构建融合竞争架构的机器人决策网络和策略优化网络,通过与环境的不断交互,进行装配姿态调整技能的学习;最后,在低压电器塑料外壳卡合装配实验平台上进行测试验证,结果表明,在工件特性、装配工艺、控制规律约束下,机器人采用技能学习的方法可以获得末端姿态调整的策略,完成卡合
考虑到充电站选址用户需求量的不确定性和突发状况的复杂性特点,以充电站选址服务效益最好、充电站风险最小以及“预选址-增建选址”两阶段经济成本最低为目标,基于传统p-median模型和多目标应急选址模型,构建两阶段多目标区间p-median模型.第1阶段在需求和设施损坏存在不确定因素的情况下,基于不确定需求模型模拟充电站遭遇突发情景下的不同需求量,构建出基于p-median的“预选址”模型;第2阶段针对瘫痪情景发生后的信息,建立一种反应式修复调整策略的“增建选址”模型.引入区间模糊集理论对模型进行转换,利用免