多目標(biāo)優(yōu)化算法有哪些，該文圍繞包含柴油發(fā)電機(jī)、風(fēng)力發(fā)電、光伏發(fā)電和鉛酸蓄電池的獨(dú)立微網(wǎng)系統(tǒng)中的容量配置問(wèn)題，提出了包含微網(wǎng)全壽命周期內(nèi)的總成本現(xiàn)值、負(fù)荷容量缺失率和污染物排放的多目標(biāo)優(yōu)化設(shè)計(jì)模型。該
2021-07-12 06:52:54
測(cè)量電能質(zhì)量的主要指標(biāo)是頻率、電壓和波形。頻率：額定頻率為50Hz。頻率的變化對(duì)應(yīng)于系統(tǒng)中有源負(fù)載的變化，頻率的調(diào)整是調(diào)度的主要職責(zé)之一。電壓：國(guó)家標(biāo)準(zhǔn)規(guī)定的額定電壓標(biāo)準(zhǔn)包括：低壓?jiǎn)蜗?20V，三相
2023-04-06 09:51:01
目錄穩(wěn)壓電源的指標(biāo)質(zhì)量指標(biāo)特性指標(biāo)穩(wěn)壓電源的分類(lèi)線性穩(wěn)壓電源開(kāi)關(guān)穩(wěn)壓電源穩(wěn)壓電源的指標(biāo)質(zhì)量指標(biāo)穩(wěn)壓系數(shù)電壓調(diào)整率電流調(diào)整率輸出電阻溫度系數(shù)波紋電壓特性指標(biāo)允許的輸入電壓輸出電壓輸出電流輸出電壓調(diào)節(jié)
2021-11-12 08:56:34
提出多目標(biāo)隱寫(xiě)檢測(cè)評(píng)估方法，分析隱寫(xiě)檢測(cè)的應(yīng)用領(lǐng)域，針對(duì)目前隱寫(xiě)檢測(cè)指標(biāo)過(guò)于粗略的問(wèn)題，對(duì)隱寫(xiě)檢測(cè)評(píng)估指標(biāo)進(jìn)行擴(kuò)展和描述。結(jié)合隱寫(xiě)檢測(cè)應(yīng)用領(lǐng)域的不同需求，應(yīng)用
2009-03-20 15:19:56
20 多目標(biāo)跟蹤是多傳感器數(shù)據(jù)融合中的一個(gè)重要問(wèn)題。基于模式識(shí)別理論,提出了一種通過(guò)對(duì)傳感器測(cè)量數(shù)據(jù)集類(lèi),以區(qū)分源于不同目標(biāo)的測(cè)量數(shù)據(jù)集合。對(duì)各個(gè)類(lèi)對(duì)應(yīng)的目標(biāo)狀態(tài)估計(jì)進(jìn)
2009-07-01 08:40:5418 針對(duì)多物資多點(diǎn)出救多目標(biāo)應(yīng)急調(diào)度問(wèn)題的特點(diǎn),本文建立了一種以時(shí)間最短、成本最小為目標(biāo)的數(shù)學(xué)模型,應(yīng)用模糊理想點(diǎn)法作為多目標(biāo)模糊判決的求解算法,把多目標(biāo)決策問(wèn)題
2010-01-15 16:03:258 應(yīng)用可分解的多目標(biāo)進(jìn)化算法,同時(shí)優(yōu)化這兩個(gè)目標(biāo),以獲得期望的Pareto Front(PF)。實(shí)驗(yàn)證明,該設(shè)計(jì)方法易于實(shí)現(xiàn),且效果良好、穩(wěn)定性強(qiáng)。優(yōu)化的PDN的輸入阻抗?jié)M足設(shè)計(jì)要求并且優(yōu)化的去
2012-01-10 17:12:3621 考慮風(fēng)電消納能力的含風(fēng)電場(chǎng)電力系統(tǒng)
多目標(biāo)優(yōu)化調(diào)度研究_辛?xí)詣?/div>
2016-12-29 14:35:280 基于決策者偏好的微電網(wǎng)經(jīng)濟(jì)_環(huán)保多目標(biāo)優(yōu)化調(diào)度研究_李昕
2016-12-30 15:16:360 H_2O_LiBr雙吸收式熱變換器系統(tǒng)多目標(biāo)參數(shù)優(yōu)化_王漢治
2017-01-02 15:36:120 基于Matlab_Simulin_省略_發(fā)電機(jī)電能質(zhì)量指標(biāo)仿真計(jì)算與分析_孫凱
2017-01-02 15:24:000 磁懸浮開(kāi)關(guān)磁阻電機(jī)多目標(biāo)優(yōu)化設(shè)計(jì)_孫玉坤
2017-01-07 17:16:232 分散式風(fēng)電場(chǎng)不同時(shí)間等級(jí)的多目標(biāo)無(wú)功優(yōu)化控制_邢作霞
2017-01-07 17:16:230 基于CMGA的SoC測(cè)試多目標(biāo)優(yōu)化研究_談恩民
2017-01-07 18:39:171 基于演化硬件的多目標(biāo)進(jìn)化算法的研究
2017-01-08 14:47:530 開(kāi)關(guān)磁阻電機(jī)多目標(biāo)協(xié)同優(yōu)化設(shè)計(jì)_宋受俊
2017-01-08 11:28:380 安全儀表系統(tǒng)設(shè)計(jì)的多目標(biāo)優(yōu)化_左信
2017-01-18 20:21:170 基于分解思想的導(dǎo)航星座多目標(biāo)優(yōu)化_劉欣
2017-03-17 16:10:450 基于多目標(biāo)蟻群優(yōu)化的交通路徑優(yōu)化研究_項(xiàng)前
2017-03-17 15:54:230 基于多工況的車(chē)門(mén)結(jié)構(gòu)多目標(biāo)優(yōu)化設(shè)計(jì)方法研究_易輝成
2017-03-17 15:44:140 混合WSNs中基于多目標(biāo)優(yōu)化的覆蓋控制算法_祁育仙
2017-03-19 19:07:040 在高維多目標(biāo)優(yōu)化問(wèn)題中，Pareto支配關(guān)系存在非支配解隨優(yōu)化目標(biāo)數(shù)增加呈指數(shù)級(jí)增長(zhǎng)和種群選擇壓力下降等問(wèn)題。針對(duì)這些問(wèn)題，基于線性權(quán)重聚合函數(shù)和支配關(guān)系兩種比較多目標(biāo)解方法的思想，提出一種線性權(quán)重
2017-11-24 16:56:490 時(shí)間和執(zhí)行費(fèi)用作為目標(biāo)，提出了一種基于分解的多目標(biāo)工作流調(diào)度算法。該算法結(jié)合了基于列表的啟發(fā)式算法和多目標(biāo)進(jìn)化算法的選擇過(guò)程，采用一種分解方法，將多目標(biāo)優(yōu)化問(wèn)題分解為一組單目標(biāo)優(yōu)化子問(wèn)題，然后同時(shí)求解這些單目標(biāo)子
2017-11-27 11:11:360 在面向?qū)ο筌浖O(shè)計(jì)與實(shí)現(xiàn)過(guò)程中，類(lèi)職責(zé)分配是其中最重要且復(fù)雜的步驟之一，它在很大程度上影響軟件質(zhì)量。為了實(shí)現(xiàn)類(lèi)職責(zé)自動(dòng)分配的目標(biāo)，從軟件內(nèi)聚與耦合度量的角度出發(fā)，建立了類(lèi)職責(zé)分配問(wèn)題多目標(biāo)優(yōu)化模型
2017-11-28 17:35:250 針對(duì)可重構(gòu)系統(tǒng)硬件任務(wù)劃分并行度最大問(wèn)題，提出一種基于并行度最大的多目標(biāo)優(yōu)化任務(wù)劃分算法。首先，該算法在滿足可重構(gòu)硬件面積資源和合理依賴關(guān)系的約束下，按廣度優(yōu)先的遍歷方式搜索待劃分的操作節(jié)點(diǎn)；然后
2017-11-30 09:59:130 針對(duì)軟件定義網(wǎng)絡(luò)（SDN）中控制平面的負(fù)載均衡問(wèn)題，提出了一種基于多目標(biāo)優(yōu)化的動(dòng)態(tài)交換機(jī)遷移算法（ M-DSMA）。該算法首先將交換機(jī)與控制器之間的映射關(guān)系轉(zhuǎn)變?yōu)?-1矩陣優(yōu)化問(wèn)題；其次，通過(guò)
2017-12-01 16:26:520 在全局中尋求優(yōu)化，以防落入局部最優(yōu)；然后利用云模型對(duì)較好的布谷鳥(niǎo)巢位置局部優(yōu)化來(lái)提高精度；最后將兩種方法對(duì)比得到相對(duì)更好的解作為最優(yōu)值以完成優(yōu)化。對(duì)比誤差估計(jì)值及多樣性指標(biāo)，由5個(gè)常用多目標(biāo)測(cè)試函數(shù)仿真結(jié)果可知，CCMMOCS比傳統(tǒng)多目
2017-12-04 16:32:510 數(shù)（AVDEVTCN）。針對(duì)圖的AVDEVTC問(wèn)題，提出了一種基于多目標(biāo)優(yōu)化的染色算法。設(shè)計(jì)了一個(gè)總目標(biāo)函數(shù)和四個(gè)子目標(biāo)函數(shù)，在染色矩陣上通過(guò)每個(gè)點(diǎn)的顏色集合的迭代交換操作，使得每個(gè)子目標(biāo)函數(shù)都達(dá)到最優(yōu)，進(jìn)而滿足總目標(biāo)函數(shù)的要求，完成染色。經(jīng)過(guò)理論分析和實(shí)驗(yàn)對(duì)
2017-12-06 14:53:240 移動(dòng)無(wú)線傳感器網(wǎng)絡(luò)（WSN）的應(yīng)用中，因?yàn)閭鞲衅鞴?jié)點(diǎn)的感知范圍受限，其覆蓋分析就是一個(gè)針對(duì)目標(biāo)區(qū)域的掃描覆蓋問(wèn)題。提出了一種基于多目標(biāo)優(yōu)化的掃描覆蓋算法。在目標(biāo)區(qū)域中，采用雙目標(biāo)優(yōu)化策略對(duì)單個(gè)移動(dòng)
2017-12-07 16:41:380 多虛擬機(jī)分布穩(wěn)定性的基于多目標(biāo)優(yōu)化的動(dòng)態(tài)資源配置方法，結(jié)合各應(yīng)用負(fù)載的當(dāng)前狀態(tài)和未來(lái)的預(yù)測(cè)數(shù)據(jù)，綜合考慮虛擬機(jī)重新放置的開(kāi)銷(xiāo)以及新虛擬機(jī)放置狀態(tài)的穩(wěn)定性，并設(shè)計(jì)了面向虛擬機(jī)分布穩(wěn)定性的基于多目標(biāo)優(yōu)化的遺傳算
2017-12-12 16:17:400 針對(duì)單目視覺(jué)對(duì)多個(gè)相似的目標(biāo)跟蹤因遮擋等因素影響而失效的問(wèn)題，提出一種基于改進(jìn)霍夫森林框架的多目標(biāo)跟蹤算法。在將多目標(biāo)跟蹤問(wèn)題歸結(jié)為基于目標(biāo)檢測(cè)的軌跡關(guān)聯(lián)過(guò)程基礎(chǔ)上，通過(guò)引入在線學(xué)習(xí)霍夫森林框架
2017-12-14 17:09:390 軟件產(chǎn)品線中，產(chǎn)品定制的核心是選擇合適的特征集．由于多個(gè)非功能需求間往往相互制約甚至發(fā)生沖突，特征選擇的本質(zhì)是多目標(biāo)優(yōu)化過(guò)程，優(yōu)化過(guò)程的搜索空間被特征間錯(cuò)綜復(fù)雜的依賴和約束關(guān)系以及明確的功能需求大大
2017-12-25 16:33:340 數(shù)據(jù)進(jìn)行算例仿真，驗(yàn)證了模型的有效性，比較了單目標(biāo)優(yōu)化和多目標(biāo)優(yōu)化對(duì)微電網(wǎng)優(yōu)化運(yùn)行的影響。利用非線性規(guī)劃工具進(jìn)行求解，獲得全局最優(yōu)解。算例結(jié)果表明，計(jì)及可中斷負(fù)荷的考慮特定時(shí)段聯(lián)絡(luò)線削峰填谷微電網(wǎng)多目標(biāo)優(yōu)
2017-12-26 11:47:130 一種綜合考慮系統(tǒng)運(yùn)行成本以及常規(guī)機(jī)組低谷時(shí)刻負(fù)調(diào)峰能力的多目標(biāo)機(jī)組組合優(yōu)化模型，并使用高效易行的歸一化法線約束方法求解該多目標(biāo)問(wèn)題。為應(yīng)對(duì)風(fēng)電的隨機(jī)性，將所得的Pareto解集與風(fēng)電預(yù)測(cè)區(qū)間結(jié)合，對(duì)不同的機(jī)組組合
2017-12-26 16:28:0512 以系統(tǒng)的經(jīng)濟(jì)成本和C0，排放量最小為優(yōu)化目標(biāo)，兼顧發(fā)電側(cè)與需求側(cè)柔性負(fù)荷的雙側(cè)協(xié)調(diào)配合，建立了考慮柔性負(fù)荷的多目標(biāo)安全約束機(jī)組組合優(yōu)化模型。針對(duì)傳統(tǒng)法線邊界交叉（normal boundary
2017-12-26 16:55:3114 為多目標(biāo)遺傳算法優(yōu)化問(wèn)題，在保證當(dāng)前時(shí)刻的聚類(lèi)質(zhì)量的同時(shí)，又能使當(dāng)前聚類(lèi)結(jié)果與前一時(shí)刻網(wǎng)絡(luò)結(jié)構(gòu)保持一致．該算法在初始化過(guò)程中加入標(biāo)簽傳播算法。提高了初始個(gè)體的聚類(lèi)質(zhì)量．提出基于標(biāo)簽的變異算法。增強(qiáng)了算法的聚類(lèi)效果和
2017-12-27 13:38:300 的角度建立了供電能力多目標(biāo)優(yōu)化模型。該模型以供電能力最大和負(fù)荷均衡度最高為目標(biāo)，并滿足N-1安全準(zhǔn)則。采用非支配排序遺傳算法搜索多目標(biāo)Pareto前沿，并用熵權(quán)理想度排序法進(jìn)行折中最優(yōu)解的決策。算例分析結(jié)果顯示，相比于現(xiàn)
2017-12-29 16:00:2413 針對(duì)傳統(tǒng)的優(yōu)化算法求解多目標(biāo)動(dòng)態(tài)環(huán)境經(jīng)濟(jì)調(diào)度（ MODEED）模型時(shí)極難獲得高質(zhì)量的可行解，且收斂速度慢等問(wèn)題，根據(jù)MODEED模型約束特征，設(shè)計(jì)了一種約束修補(bǔ)策略；然后將該策略嵌入非支配排序算法
2018-01-05 14:31:380 多目標(biāo)優(yōu)化問(wèn)題是需要同時(shí)處理多個(gè)相互沖突和相互影響的目標(biāo)，一個(gè)子目標(biāo)的改善有可能會(huì)引起另一個(gè)或者另幾個(gè)子目標(biāo)的性能降低，需要在他們中間進(jìn)行協(xié)調(diào)處理。起初，多目標(biāo)優(yōu)化問(wèn)題往往通過(guò)加權(quán)等方式轉(zhuǎn)化為單目標(biāo)
2018-01-13 09:48:430 針對(duì)傳統(tǒng)的模糊聚類(lèi)算法大都針對(duì)單一目標(biāo)函數(shù)的優(yōu)化，而無(wú)法獲得更全面、更準(zhǔn)確的聚類(lèi)結(jié)果的問(wèn)題，提出一種基于改進(jìn)多目標(biāo)螢火蟲(chóng)優(yōu)化算法的模糊聚類(lèi)方法。首先在多目標(biāo)螢火蟲(chóng)算法中引入一種動(dòng)態(tài)調(diào)整的變異機(jī)制
2018-01-14 11:08:371 ，對(duì)精英雜草局部深入挖掘，并通過(guò)反解碼過(guò)程將調(diào)度空間的優(yōu)良解反饋回雜草空間。對(duì)比實(shí)驗(yàn)表明，變鄰域雜草算法在求解多目標(biāo)基準(zhǔn)問(wèn)題時(shí)，非劣解集中解的數(shù)量和質(zhì)量有一定優(yōu)勢(shì)。變鄰域雜草算法是求解多目標(biāo)柔性作業(yè)車(chē)間調(diào)度問(wèn)題
2018-01-15 16:52:370 充電站最大化其收入與電力系統(tǒng)最大化其負(fù)載因子形成一個(gè)多目標(biāo)優(yōu)化問(wèn)題。本文提出多目標(biāo)最優(yōu)化方法來(lái)解決此多目標(biāo)優(yōu)化問(wèn)題，進(jìn)而產(chǎn)生柏雷多(Pareto)最優(yōu)電動(dòng)汽車(chē)充電策略。文末進(jìn)行數(shù)值分析來(lái)驗(yàn)證所提出方法的有效性。
2018-01-16 13:52:29
5965 
針對(duì)現(xiàn)有制定的解編方案無(wú)法有效地滿足鐵路技術(shù)站階段計(jì)劃配流工作，基于牽引質(zhì)量和換長(zhǎng)的不同硬時(shí)間窗滿軸約束，并綜合考慮車(chē)流接續(xù)和編組去向約束，以總車(chē)流量、滿軸出發(fā)列車(chē)最多為目標(biāo)，建立了技術(shù)站多目標(biāo)動(dòng)態(tài)
2018-01-16 14:16:230 和投資經(jīng)濟(jì)性最優(yōu)為目標(biāo)的VSC-HVDC多目標(biāo)優(yōu)化布點(diǎn)模型，并采用快速非支配排序遺傳算法求解；通過(guò)多端口網(wǎng)絡(luò)等值模型約簡(jiǎn)可行解
2018-01-29 10:09:513 在微電網(wǎng)調(diào)度過(guò)程中綜合考慮經(jīng)濟(jì)、環(huán)境、蓄電池的循環(huán)電量，建立多目標(biāo)優(yōu)化數(shù)學(xué)模型。針對(duì)傳統(tǒng)多目標(biāo)粒子群算法（multi-objective particle swarm optimization
2018-01-30 18:07:2011 為充分利用有限的計(jì)算資源提高多目標(biāo)無(wú)功優(yōu)化的實(shí)用性和計(jì)算效率，提出一種考慮決策者偏好信息的配電網(wǎng)無(wú)功多目標(biāo)優(yōu)化方法。該方法將優(yōu)化過(guò)程分為2個(gè)階段，第1階段完成Pareto前沿的粗略描繪，并利用等值線
2018-01-31 17:07:153 是典型的多目標(biāo)優(yōu)化問(wèn)題，且兩個(gè)優(yōu)化目標(biāo)具有不同維度，并可能互相沖突，很難在優(yōu)化中互相協(xié)調(diào)。因此，通過(guò)定義目標(biāo)隸屬度函數(shù)對(duì)模型中的子優(yōu)化目標(biāo)進(jìn)行模糊化，將原始優(yōu)化問(wèn)題轉(zhuǎn)換為基于最大滿意度的單目標(biāo)優(yōu)化問(wèn)題，并
2018-02-26 09:57:041 短時(shí)調(diào)度考慮從技術(shù)、經(jīng)濟(jì)和環(huán)境等方面對(duì)各類(lèi)微電源進(jìn)行能量優(yōu)化配置，并使用Pareto支配法對(duì)微電網(wǎng)多目標(biāo)優(yōu)化問(wèn)題進(jìn)行了求解。對(duì)單步求解生成的Pareto解集，使用權(quán)重系數(shù)法、附加目標(biāo)法和調(diào)度空間法進(jìn)行了調(diào)度方案篩選，確定
2018-03-01 16:01:531 為了優(yōu)化永磁渦流驅(qū)動(dòng)器的幾個(gè)關(guān)鍵結(jié)構(gòu)參數(shù)，研究了基于多種群遺傳算法的多目標(biāo)優(yōu)化算法。首先，在磁場(chǎng)分析模型的基礎(chǔ)上，推導(dǎo)出關(guān)鍵結(jié)構(gòu)參數(shù)的解析表達(dá)式。以永磁體厚度、極弧系數(shù)和銅盤(pán)厚度為變量，以輸出轉(zhuǎn)矩
2018-03-02 11:05:250 為了更好地利用固定串聯(lián)補(bǔ)償電容器改善網(wǎng)架薄弱、供電半徑大以及長(zhǎng)線路末端有重負(fù)荷配電網(wǎng)的電壓偏差，研究了確定固定串聯(lián)補(bǔ)償電容器選址定容的多目標(biāo)優(yōu)化方法。以電壓整體偏差、串聯(lián)補(bǔ)償容抗和有功網(wǎng)絡(luò)損耗最小
2018-03-05 11:37:460 效益最優(yōu)的多目標(biāo)優(yōu)化模型。根據(jù)工作日、周末和晴、陰雨天組合設(shè)計(jì)了四種典型場(chǎng)景，在滿足功率平衡等約束的前提下實(shí)現(xiàn)獨(dú)立微網(wǎng)的經(jīng)濟(jì)調(diào)度。針對(duì)優(yōu)化變量多、場(chǎng)景復(fù)雜的微網(wǎng)優(yōu)化模型，提出了改進(jìn)的混沌粒子群算法（Chaos Par
2018-03-06 16:14:350 對(duì)磁性聯(lián)軸器進(jìn)行了多目標(biāo)優(yōu)化設(shè)計(jì)。通過(guò)半經(jīng)驗(yàn)半理論設(shè)計(jì)得到了磁性聯(lián)軸器設(shè)計(jì)參數(shù)作為初始參考設(shè)計(jì)參數(shù)，采用巾心組合試驗(yàn)設(shè)計(jì)（central composite design，CCD）方法與NSGA
2018-03-06 16:28:140 針對(duì)60 MN力標(biāo)準(zhǔn)機(jī)承壓板結(jié)構(gòu)輕量化拓?fù)?b class="flag-6" style="color: red">優(yōu)化時(shí)，既要求結(jié)構(gòu)的剛度最大化又要求結(jié)構(gòu)的低階固有頻率最大化的多目標(biāo)拓?fù)?b class="flag-6" style="color: red">優(yōu)化問(wèn)題，提出了針對(duì)多個(gè)目標(biāo)采用加權(quán)平均的方法把多目標(biāo)優(yōu)化問(wèn)題轉(zhuǎn)化為單目標(biāo)優(yōu)化
2018-03-15 13:33:540 相鄰區(qū)域內(nèi)的微網(wǎng)因互聯(lián)互供所需可組成多微網(wǎng)系統(tǒng)，有助于提高該區(qū)域內(nèi)微網(wǎng)能效。針對(duì)離網(wǎng)模式下串聯(lián)結(jié)構(gòu)多微網(wǎng)，提出一種綜合考慮負(fù)荷供電率和負(fù)荷持續(xù)供電時(shí)間的負(fù)荷供電性能多目標(biāo)優(yōu)化控制算法。建立各層
2018-03-20 14:14:440 提出一種高維多目標(biāo)電力系統(tǒng)無(wú)功優(yōu)化模型。相比于傳統(tǒng)的電力系統(tǒng)無(wú)功優(yōu)化模型，該模型能夠在無(wú)功優(yōu)化中同時(shí)兼顧系統(tǒng)的有功損耗、電壓水平、靜態(tài)電壓穩(wěn)定性以及供電能力。針對(duì)已有的求解多目標(biāo)無(wú)功優(yōu)化模型的算法
2018-03-28 10:13:530 內(nèi)重要負(fù)荷及一般負(fù)荷的日前預(yù)測(cè)，在滿足系統(tǒng)供需平衡的前提下，記及蓄電池充放電功率及SOC范圍、風(fēng)電和光伏最大發(fā)電功率、柴油機(jī)最大最小發(fā)電功率等約束條件。采用混合整數(shù)線性優(yōu)化方法對(duì)多目標(biāo)日前優(yōu)化調(diào)度模型進(jìn)行求解。
2018-03-29 15:37:557 為了實(shí)現(xiàn)可再生分布式能源的充分消納以及配網(wǎng)負(fù)荷峰谷差的降低，提出了一種考慮儲(chǔ)能系統(tǒng)和空調(diào)負(fù)荷的主動(dòng)配電網(wǎng)多目標(biāo)調(diào)度優(yōu)化方法。首先，基于空調(diào)負(fù)荷等效熱參數(shù)模型和狀態(tài)列隊(duì)控制方法，給出了空調(diào)負(fù)荷虛擬電廠
2018-04-10 09:55:460 的系統(tǒng)運(yùn)行風(fēng)險(xiǎn)，并同時(shí)獲取正、負(fù)旋轉(zhuǎn)備用量。采用一種新型高效的場(chǎng)景生成技術(shù)來(lái)描述風(fēng)電功率的隨機(jī)性。基于花授粉算法及差分進(jìn)化算法提出一種具有時(shí)變模糊選擇機(jī)制的多目標(biāo)優(yōu)化算法。將所提模型及求解方法在具有一個(gè)并
2018-04-19 15:24:430 針對(duì)在分類(lèi)問(wèn)題中，數(shù)據(jù)之間存在大量的冗余特征，不僅影響分類(lèi)的準(zhǔn)確性，而且會(huì)降低分類(lèi)算法執(zhí)行速度的問(wèn)題，提出了一種基于多目標(biāo)骨架粒子群優(yōu)化（ BPSO）的特征選擇算法，以獲取在特征子集個(gè)數(shù)與分類(lèi)精確度
2018-11-27 17:32:093 任何一種產(chǎn)品，都具有它的質(zhì)量指標(biāo)，電能也有一定的質(zhì)量指標(biāo)，只有當(dāng)送到用戶的電能符合質(zhì)量指標(biāo)時(shí)，它才能發(fā)揮最佳的效益。
2019-01-28 16:18:035120 上期疑問(wèn)，以及新建工程多目標(biāo)
2020-03-12 14:12:452137 
衡量檢波器的質(zhì)量指標(biāo)有四個(gè)：1、電壓傳輸系數(shù)（檢波效率）2、失真度（頻率失真及非線性失真）3、檢波器的等效輸入電阻。
2021-01-12 10:28:004 為避免多目標(biāo)優(yōu)化過(guò)程中子目標(biāo)相互沖突，提高Ｐａｒｅｔｏ最優(yōu)解的質(zhì)量，提出一種基于差分進(jìn)化（ＤＥ）和第二代非支配遺傳算法（ＮＳＧＡⅡ）的混合算法。采用帶有自適應(yīng)參數(shù)的ＤＥ算法對(duì)初始種群進(jìn)行變異和交叉
2020-10-26 17:08:005 導(dǎo)讀 本文是一篇多目標(biāo)跟蹤方向的調(diào)研報(bào)告，從相關(guān)方向、核心步驟、評(píng)價(jià)指標(biāo)和最新進(jìn)展等維度出發(fā)，對(duì)MOT進(jìn)行了全面的介紹，不僅適合作為入門(mén)科普，而且能夠幫助大家加深理解。 最近做了一些多目標(biāo)跟蹤方向
2020-11-05 10:01:553258 
空氣質(zhì)量差不僅會(huì)造成環(huán)境惡化，而且會(huì)嚴(yán)重影響我們的日常生活以及身體健康。因此有必要對(duì)空氣質(zhì)量進(jìn)行實(shí)時(shí)監(jiān)控，由于環(huán)境不同環(huán)境下需要重點(diǎn)監(jiān)測(cè)的空氣質(zhì)量指標(biāo)有所不同，于是本文分室內(nèi)、室外兩處空氣質(zhì)量指標(biāo)進(jìn)行分析。
2020-12-25 22:33:31812 向量，以鏈接的錨文本相關(guān)度、鏈接所在網(wǎng)頁(yè)主題相關(guān)度以及鏈接指向網(wǎng)頁(yè)主題相關(guān)度為指標(biāo)判斷鏈接是否與主題相關(guān)，并建立鏈接主題相關(guān)度的多目標(biāo)優(yōu)化模型，將基于多目標(biāo)優(yōu)化的蟻群算法引入主題爬蟲(chóng)的鏈接選擇過(guò)程，采用非支
2021-03-23 15:39:347 VNE-MOPSO算法。針對(duì)該問(wèn)題，提出一種多目標(biāo)虛擬網(wǎng)絡(luò)映射 VNE-MOPSO算法。通過(guò)引入 Pareto熵多目標(biāo)優(yōu)化模型，計(jì)算兩次迭代過(guò)程的差熵，評(píng)估群體進(jìn)化情況并將其作為反饋信息設(shè)計(jì)動(dòng)態(tài)自適應(yīng)的粒子參數(shù)策略，以達(dá)到近似最優(yōu)多目標(biāo)優(yōu)化映射方案
2021-04-01 10:45:2816 基于非支配排序遺傳算法Ⅱ（non- dominated sorting genetic algorithmⅡ，NsGA-Ⅱ）的冷源機(jī)房設(shè)備運(yùn)行參數(shù)多目標(biāo)優(yōu)化方法。以制冷量最大和能耗最低為目標(biāo)函數(shù)，以冷凍岀水溫度、冷凍回水溫度、冷卻回水溫度、冷凍水流量和冷卻水流量5饣變量
2021-05-08 14:30:073 基于隨機(jī)有限集理論的多伯努利濾波方法能夠有效處理多目標(biāo)跟蹤中數(shù)目未知且時(shí)變的問(wèn)題，但難以適應(yīng)復(fù)雜環(huán)境下視頻多目標(biāo)跟蹤中目標(biāo)之間或背景等干擾問(wèn)題，尤其是目標(biāo)相互緊鄰和被遮擋時(shí)，會(huì)導(dǎo)致跟蹤精度下降，甚至
2021-05-12 15:18:1111 針對(duì)工業(yè)生產(chǎn)中計(jì)算量大、故障原因復(fù)雜的故障診斷任務(wù)，提出一種基于 MPSO/D的激活規(guī)則多目標(biāo)優(yōu)化算法。采用置信規(guī)則庫(kù)系統(tǒng)（EBRB）實(shí)現(xiàn)任務(wù)分解，以激活規(guī)則的不一致性與激活權(quán)重和作為多目標(biāo)優(yōu)化
2021-05-12 16:19:462 社區(qū)結(jié)構(gòu)作為復(fù)雜網(wǎng)絡(luò)的重要特性，對(duì)理解網(wǎng)絡(luò)的功能和結(jié)構(gòu)具有重要意義。為了解決復(fù)雜網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)問(wèn)題，提出了一種多目標(biāo)五行環(huán)優(yōu)化算法（ Multi-objective Five-elements
2021-05-17 16:47:322 高維多目標(biāo)連續(xù)優(yōu)化問(wèn)題已得到廣泛研究，而高維多目標(biāo)組合優(yōu)化問(wèn)題的進(jìn)展相對(duì)較小，雖然人工蜂群（ Artificial beeColony，ABC）算法已成功應(yīng)用于多種生產(chǎn)調(diào)度問(wèn)題，但很少被用來(lái)求解
2021-05-18 15:57:107 用戶升級(jí)請(qǐng)求的最合適的升級(jí)方案。優(yōu)化準(zhǔn)則由幾個(gè)不同方向的優(yōu)化目標(biāo)組成，因此軟件升級(jí)問(wèn)題本質(zhì)上是一個(gè)多目標(biāo)優(yōu)化問(wèn)題。現(xiàn)有的解決軟件升級(jí)問(wèn)題的方法均是將多個(gè)優(yōu)化目標(biāo)聚合成為單個(gè)目標(biāo)的形式再進(jìn)行處理。這些方法都可能沒(méi)有恰
2021-05-19 10:58:020 針對(duì)云制造環(huán)境下的多目標(biāo)任務(wù)調(diào)度問(wèn)題，改進(jìn)非支配排序生物地理優(yōu)化算法，提出一種反映用戶偏好的任務(wù)調(diào)度算法（ UPTSA）。通過(guò)基于權(quán)重均勻分配策略定義的用戶偏好度來(lái)評(píng)估制造任務(wù)調(diào)度方案的質(zhì)量
2021-05-25 14:05:343 多目標(biāo)優(yōu)化算法在復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)中具有很強(qiáng)的競(jìng)爭(zhēng)力，然而，在處理社區(qū)結(jié)構(gòu)較為模糊、網(wǎng)絡(luò)數(shù)據(jù)規(guī)模大的問(wèn)題時(shí)難以得到滿意的效果。為克服現(xiàn)有多目標(biāo)方法的不足，提岀一種基于譜聚類(lèi)的多目標(biāo)復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法
2021-06-17 15:02:3511 高速列車(chē)多目標(biāo)約束橫向半主動(dòng)控制算法
2021-06-29 14:44:134 電網(wǎng)與一般工業(yè)用戶在日常工作中，對(duì)電能質(zhì)量指標(biāo)監(jiān)測(cè)一般采用連續(xù)、不定期、和專(zhuān)項(xiàng)檢測(cè)三種方式：
2022-06-07 10:25:291872 一、主要內(nèi)容 程序是對(duì)文章《基于多目標(biāo)粒子群算法的配電網(wǎng)儲(chǔ)能選址定容》的方法復(fù)現(xiàn)，具體內(nèi)容如下： 以系統(tǒng)節(jié)點(diǎn)電壓水平（電網(wǎng)脆弱性）、網(wǎng)絡(luò)損耗以及儲(chǔ)能系統(tǒng)總?cè)萘?為目標(biāo)建立了儲(chǔ)能選址定容優(yōu)化模型。求解
2023-04-14 11:55:550 容介紹
為了解決現(xiàn)有冷熱電聯(lián)供型綜合能源系統(tǒng)大多只單一考慮系統(tǒng)機(jī)組投資成本或系統(tǒng)環(huán)境污染，影響系統(tǒng)整體優(yōu)化運(yùn)行的問(wèn)題，
以系統(tǒng)經(jīng)濟(jì)性和環(huán)保性為目標(biāo)，對(duì)冷熱電聯(lián)供系統(tǒng)進(jìn)行研究分析。構(gòu)建含燃?xì)廨啓C(jī)
2023-04-14 11:34:080 近日，矽典微發(fā)布了兩款XenP系列毫米波傳感器。該系列命名為“影”旨在幫助客戶優(yōu)化智能設(shè)備對(duì)人體測(cè)距定位和多目標(biāo)識(shí)別的需求。
2023-04-15 09:34:351267 TBD(Tracking-by-Detection)與DFT（Detection-Free Tracking）也即基于檢測(cè)的多目標(biāo)跟蹤與基于目標(biāo)外形的先驗(yàn)知識(shí)無(wú)需檢測(cè)器的多目標(biāo)跟蹤。TBD是目前學(xué)界業(yè)界研究的主流。
2023-06-15 17:22:40868 
質(zhì)量指標(biāo)液晶電子看板能夠?qū)崿F(xiàn)實(shí)時(shí)監(jiān)控和展示生產(chǎn)進(jìn)度、任務(wù)狀態(tài)、設(shè)備狀態(tài)等信息，幫助管理人員和員工及時(shí)了解生產(chǎn)情況，優(yōu)化生產(chǎn)計(jì)劃和調(diào)度，提高生產(chǎn)效率和質(zhì)量。
2023-07-27 10:51:50457 
3D點(diǎn)云目標(biāo)跟蹤的評(píng)價(jià)指標(biāo)，可以根據(jù)跟蹤的目標(biāo)是單個(gè)還是多個(gè)，分為單目標(biāo)跟蹤（SOT）和多目標(biāo)跟蹤（MOT）兩種。一般來(lái)說(shuō)，SOT的評(píng)價(jià)指標(biāo)主要關(guān)注跟蹤的準(zhǔn)確性和魯棒性，而MOT的評(píng)價(jià)指標(biāo)則需要考慮跟蹤的完整性和一致性。
2023-08-02 12:38:04630 ，造成了實(shí)際電壓在幅值、波形和對(duì)稱(chēng)性上與理想電壓之間的偏差。電壓的質(zhì)量是按照國(guó)家制定的標(biāo)準(zhǔn)或規(guī)范，通過(guò)對(duì)電壓的偏移、波動(dòng)和波形的質(zhì)量指標(biāo)評(píng)估得出的。 1、電壓偏移 1）電壓偏移的概念 電壓偏移是指電網(wǎng)實(shí)際電壓與額定電壓之
2023-09-28 16:25:481056 
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論