国家社会科学基金(10GBL095)
- 作品数：8 被引量：54H指数：3
- 相关作者：王丽萍邱飞岳吴裕市戴海容吴秋花更多>>
- 相关机构：浙江工业大学浙江金融职业学院浙江大学更多>>
- 发文基金：国家社会科学基金国家自然科学基金浙江省自然科学基金更多>>
- 相关领域：自动化与计算机技术社会学经济管理文化科学更多>>
- 基于双极偏好占优的多目标进化算法及其应用
- 2012年
- 为有效处理决策者能够提供双极偏好信息的多目标优化问题,加快原有算法的收敛速度,借鉴逼近理想解方法和搜索空间区域划分思想,定义了一种新型双极偏好占优关系,并引入到NSGA-Ⅱ算法中,设计了相应的非支配排序策略、种群多样性策略和约束处理策略,提出一种基于双极偏好占优的NSGA-Ⅱ算法(2p-NSGA-Ⅱ)。将该算法应用于求解两桁架结构设计的工程问题,对比仿真实验结果表明了2p-NSGA-Ⅱ算法的有效性。
- 邱飞岳吴裕市王丽萍
- 关键词：多目标优化进化算法
- 基于双极偏好的滑动窗口参数优化方法
- 2014年
- 滑动窗口是形状匹配中的常用检测方法,可以检测图像中不同尺度不同位置的多个物体。检测效果采用检测率和误检率来衡量。在传统的滑动窗口检测方法中,通常基于经验选取滑动步长和图像缩放规模这两个参数值,来获得较高的检验率和较低的误检率。然而这是典型的两目标优化问题,传统方法未考虑决策者对检验率与误检率的不同偏好。根据实际情况,考虑到决策者的正偏好(高检验率与低误检率)及负偏好(低检验率和高误检率),引入双极偏好控制策略,提出基于双极偏好的多目标粒子群算法(BPMOPSO)的滑动窗口参数优化方法。通过Leeds Cows图像数据集上图像的检测实验结果表明,与传统算法相比,该算法显著改善了滑动窗口检测中的检验率和误检率,且大大提高了运行效率。
- 邱飞岳金锋涛王丽萍张维泽
- 关键词：多目标算法参数优化
- 网络环境下个体行为向群体行为演化路径分析被引量：1
- 2013年
- 随着互联网的发展,个体行为向群体行为演化的过程发生了根本性变化。本文通过对人民网舆情频道等权威媒体发布的众多网络群体行为进行分析,提炼出网络环境下群体行为的相关特征,构建出网络环境下个体行为向群体行为的演化路径,并对演化路径中传播和放大阶段的个体行为向群体行为演化的具体过程做出说明。
- 戴海容王丽萍
- 关键词：互联网网络环境
- 基于4C/ID模式的复杂学习支持平台构架探究被引量：23
- 2012年
- 随着对复杂学习研究的深入,面向复杂学习的4C/ID模式在教学设计领域产生了重要影响。本文采用质性研究方法,系统介绍了复杂学习的含义及三大学习理论(即行为主义、认知主义和建构主义)对复杂学习的不同解释,并从4C/ID模式的本质属性、基本原理和四大核心要素出发,深入探究了面向复杂学习的4C/ID模式,分析了目前网络学习平台存在的不足,架构了基于4C/ID模式的复杂学习平台,并详细阐述学习平台的体系结构、功能模块以及平台的学习流程,为将来开发复杂学习平台提供一种解决方案。
- 邱飞岳刘朋飞王丽萍谢雨晨
- 关键词：教学设计
- 基于双极偏好占优的高维目标进化算法被引量：16
- 2013年
- 高维目标优化是目前多目标优化领域的研究热点和难点.提出一种占优机制,即双极偏好占优用于处理高维目标优化问题.该占优机制同时考虑决策者的正偏好和负偏好信息,在非支配解之间建立了更加严格的占优关系,能够有效减少种群中非支配解的比例,引导算法向靠近正偏好同时远离负偏好的Pareto最优区域收敛.为检验该方法的有效性,将双极偏好占优融入NSGA-II中,形成算法2p-NSGA-II,并在2到15目标标准测试函数上进行测试,得到了良好的实验结果.同时,将所提出的占优机制与目前该领域的两种占优机制g占优和r占优进行性能对比,实验结果表明,2p-NSGA-II算法无论是在求解精度还是运行效率上,整体上均优于g-NSGA-II和r-NSGA-II.
- 邱飞岳吴裕市邱启仓王丽萍
- 关键词：PARETO占优进化算法
- 社会冲突视野下网络群体行为分析被引量：10
- 2013年
- 随着互联网的发展,个体行为向群体行为演化的过程发生了根本性的变化。网络个体通过网络进行信息互动交流,从而提高个体参与感与群体感,使得网络个体突破时空限制,实现网络个体冲突参与者在网络社会的聚合。本文从社会冲突理论出发,参考欧文·戈夫曼的仪式互动理论和兰德尔·科林斯的社会冲突模型,在仪式互动理论和社会冲突模型的基础上,给出了社会冲突视野下网络群体行为的形成路径,对网络环境下个体行为向群体行为演化过程做出相应的解释。
- 戴海容
- 关键词：社会冲突
- 局部搜索与改进MOPSO的混合优化算法及其应用被引量：3
- 2012年
- 为弥补粒子群后期收敛缓慢与早熟的不足,提出了一种局部搜索与改进MOPSO的混合优化算法(H-MOP-SO)。该算法首先采用非均匀变异算子和自适应惯性权重,强化全局搜索能力;继而建立混合算法模型,并利用侧步爬山搜索算法对粒子群作周期性优化,使远离前沿的粒子朝下降方向搜索,而靠近前沿的粒子朝非支配方向搜索,加快粒子群的收敛并改善解集多样性。对标准测试函数的求解表明,该算法比MOPSO、NSGA-II和MOEA/D具有更好的多样性和收敛性。供应商优选问题的求解进一步验证了H-MOPSO的有效性。
- 王丽萍吴秋花邱飞岳吴裕市
- 关键词：多目标优化粒子群算法局部搜索混合算法
- 基于侧步爬山策略的混合多目标粒子群算法研究被引量：2
- 2012年
- 为提高多目标粒子群算法(MOPSO)的收敛性与解集多样性,提出一种基于侧步爬山策略的混合多目标粒子群算法(H-MOPSO).通过建立局部搜索与粒子群优化的混合模型,在该模型中后期引入基于侧步爬山策略的局部搜索,周期性代替粒子群搜索并优化混合参数,使粒子根据距离前沿的远近朝下降或非支配方向搜索,加快粒子群收敛并改善其分布.同时采用非均匀变异算子和线性递减的惯性权重策略,避免算法早熟.通过标准测试函数的对比实验表明,该算法整体上比MOPSO、NSGA-II和MOEA/D具有更好的多样性与收敛性.
- 王丽萍吴秋花邱飞岳吴裕市林思颖
- 关键词：多目标优化粒子群算法混合算法
