支配关系

摘要： 利用支配和指标度量结合的方式提出一种新的支配关系,通过该支配关系构造出新的多目标优化算法MOEA-PBI,该算法对多目标优化问题进行有效优化,从而得出一组可供选择的折中解。新算法与其他三种代表性的多目标进化算法一同在3,5和8目标的DTLZ基准测试问题上进行测试,结果表明MOEA-PBI算法具有较为优秀的收敛性和多样性。因此得出结论,MOEA-PBI算法是一种可以选择的多目标进化算法。

摘要： 个人信息权益的权益构造,包括内部构造和对外部其他主体相关权益的支配关系两个部分,由个人信息保护法治的价值取向所决定。

摘要： 近年来,超多目标优化问题(MaOPs)成为了进化计算领域的研究热点.然而,在处理各种优化问题中,如何有效地平衡收敛性和多样性仍是一个难题.为了解决上述的问题,该文提出了一种基于分解和支配关系的超多目标进化算法(DdrEA).首先利用权重向量把整个种群分解为一组子种群,这些子种群将进行协同优化;然后利用角度和角度支配关系计算子种群内每个解的值;最后根据适应度值进行精英选择,即在每个子空间内选取适应度值最小的解作为精英解进入下一代.DdrEA通过与当前较优的NSGA-II/AD,RVEA,MOMBI-II等多个超多目标进化算法进行实验对比,实验结果表明该文算法性能明显优于对比算法,能够有效平衡种群的收敛性和多样性.

摘要： 我校徐勇教授的新作《关系中的国家》第一卷《血缘—地域关系中的王制国家》、第二卷《地域—血缘关系中的帝制国家》,分别于2019年10月、2020年5月由社会科学文献出版社出版。该书是作者承担的国家社科基金重点项目“关系变迁视角下中国国家治理体系发展、演进和演化研究”的部分成果。作者从人类社会关系叠加式变迁的角度,对中国的国家和国家治理进行长时段透视,发掘其背后的多重支配关系和内在逻辑,力图揭示中国的国家治理是一个逐步改进、曲折发展、内生演化的过程,由此构成国家和国家治理现代化的历史根基和路径,是一部视角独特、思想深邃、自成一体、原创性强的多卷本重量级政治学著作。

摘要： 基于分解的多目标进化算法(MOEA/D)在解决多目标问题时,具有简单有效的特点.但多数MOEA/D采用固定的控制参数,导致全局搜索能力差,难以平衡收敛性和多样性.针对以上问题提出一种基于变异算子和邻域值自适应的多目标优化算法.该算法根据种群中个体适应度值的分散或集中程度进行判断,并据此对变异算子进行自适应的调节,从而增强算法的全局搜索能力;根据进化所处的阶段以及个体适应度值的集中程度,自适应地调节邻域值大小,保证每个个体在不同的进化代数都有一个邻域值大小;在子问题邻域中,统计子问题对应个体的被支配数,通过判断被支配数是否超过设定的上限,来决定是否将Pareto支配关系也作为邻域内判断个体好坏的准则之一.将提出的算法与传统的MOEA/D在标准测试问题上进行对比.实验结果表明,提出的算法求得的解集具有更好的收敛性和多样性,在求解性能上具有一定的优势.

摘要： This paper proposes a multi-objective particle swarm optimization algorithm. Firstly, the external ar-chives were obtained based on the Pareto domination. Secondly,the Pareto optimal solution of the archived set was fil-tered by the crowding function for the particles to be easily localized.Then,different mutations of the different sub-com-ponents of the particle population were used to increase the diversity of the solution. Finally,the preference information of the decision maker was introduced and the Pareto optimal solution was accorded with the decision maker's prefer-ence. Numerical experiments show that the final distance index of the Pareto solution is close to zero,which is close to the real Pareto boundary. The decision-making preference makes the final optimal solution not cover the entire Pareto boundary. Therefore,the search time is saved and the convergence is improved.%提出一种多目标粒子群算法.首先基于Pareto支配得到外部归档集,针对粒子容易陷入局部最优的问题,通过拥挤度函数来筛选归档集中的Pareto最优解;然后对粒子种群的不同子部分别采用不同突变来增加解的多样性;最后引入决策者的偏好信息,从而筛选出符合决策者偏好的Pareto最优解.通过测试函数进行数值实验,其结果表明:最终得出的Pareto解的当代距离指标值整体接近于0,与真实的Pareto边界较为接近;由于加入决策者偏好,最终得到的最优解并未覆盖整个Pareto边界,缩短了搜索时间,收敛性较好.

摘要： In order to improve the performance of data test algorithm,this paper proposed a gray encoding evolutionary algorithm with control flow dominating tree for test data generation.Firstly,it constructed the control flow chart of data test by using the triangle classification program,and then also constructed the data flow analysis of the test data by using the control tree,which established the relationship set between program variables.Secondly,combined with the genetic algorithm and using the dominance relation and branch distance,it constructed the fitness function of test data generation.Meanwhile,in the application of genetic algorithm,it used the gray encoding to replace the binary encoding,which could simplify the encoding update process.Finally,by comparing the experimental results in the test program,the proposed method significantly improves the three evaluation indicators of average number of data generation,the average convergence rate and the distribution of the number of data generated.%为进一步提高数据测试算法性能,提出一种基于控制流图支配树的测试数据灰度编码进化生成算法.利用三角分类程序示例构建数据测试的数据流控制流图,并利用其支配树关系构建测试数据的数据流分析,建立程序变量间的支配关系集.结合遗传算法并利用支配关系及分支距离构建测试数据生成的适应值函数,同时在应用遗传算法时,采用灰度编码方式取代二进制编码,简化编码更新过程.通过在测试程序样例中的实验对比显示,所提方法在平均数据生成数、平均收敛比率和数据生成数分布三个评价指标上得到明显提升.

摘要： In Many-objective Optimization Problems (MaOP),the Pareto dominance has exponential increase of non-dominated solutions and the decrease of selection pressure with increasing optimization objectives.To solve these issues,a new type of dominance,namely Linear Weighted Minimal/Maximal dominance (LWM-dominance) was proposed based on the ideas of comparing multi-objective solutions by using linear weighted aggregation and Pareto dominance.It is theoretically proved that LWM non-dominated solution set is a subset of Pareto non-dominated solution set,meanwhile the important comer solutions are reserved.Furthermore,an MaOP algorithm based on LWM dominance was presented.The empirical studies proved the corollaries of the proposed LWM dominance.In detail,the experimental results in random objective space show that the LWM dominance is suitable for the MaOPs with 5-15 objectives;the experiment on comparing the number of LWM non-dominated solutions and Pareto non-dominated solutions with subjects of DTLZ1-DTLZ7 shows that the proportion of non-dominated solutions decreases by about 17％ on average when the number of optimization objectives is 10 and 15.%在高维多目标优化问题中,Pareto支配关系存在非支配解随优化目标数增加呈指数级增长和种群选择压力下降等问题.针对这些问题,基于线性权重聚合函数和支配关系两种比较多目标解方法的思想,提出一种线性权重最优支配关系(LWM-dominance),并理论证明了LWM非支配解集是Pareto非支配解集的子集,同时保留了种群中重要的角解.进一步地,基于LWM支配关系,实现了一个高维多目标进化优化算法,基于该算法的实验验证了LWM支配关系的性质.在随机解空间中的实验结果表明LWM支配关系适用于5～15个目标的高维多目标优化问题,通过DTLZ1～DTLZ7高维多目标优化问题进化过程中LWM非支配解集与Pareto非支配解集规模的对比实验,结果表明优化目标数为10和15时非支配解的比例平均下降了约17％.

摘要： 网络账号的法律属性至今未有定论。本文不打算解决定性问题,而只是希望探讨法律可能对网络账号作出怎样的权利义务配置。本文主要分析了网络账号在实践中可以具体表现为哪些类型,具有怎样的使用价值,以及在什么情况下具有财产价值。本文还认为,法律可以通过权属规则、转让规则、保护规则和注销规则这四个变量,来设计不同的网络账号制度,也即在账号提供者与用户之间进行权利配置。网络账号的法律属性问题不宜作为纯粹的形而上问题来讨论,我们应当更多关注不同主体之间的利益分配或者对账号的支配关系。至少就目前来看,法律还没有必要给出统一且单一的网络账号定性以及权利配置方案。

摘要： 通过对《春秋左传》中介词“隐现”研究，探讨了两种句式，即“特殊动宾语义”的支配关系和补充关系的确认与分化问题。

摘要： 在数据流环境下,此前有关Skyline计算的研究涉及到滑动窗口上全空间Skyline的维护或子空间Skyline的计算,未考虑到满足约束条件的子空间Skyline计算.在首次研究数据流上约束的子空间Skyline渐进计算问题中,给出了具有良好渐进性的约束的子空间Skyline计算算法-CSSC,该算法首先通过增量维护滑动窗口中元组之问的非多余支配关系来计算约束的Skyline,然后在此基础上,将文献[8]中介绍的子空间Skyline计算方案引入到约束条件下,从而实现约束的子空间Skyline的计算.

摘要： 本发明公开了一种基于初始行波时差关系的多分支配电网故障测距方法，属于配电网保护与控制领域，该方法在配电网主干线首末两端与各分支末端节点配置相关行波同步检测装置，首先根据变电站各主干线首末两端初始行波时差关系确定故障线路，然后对故障线路划分主‑分区段，根据线路参数构建主‑分区段特征时差矩阵，利用行波初始波头到达各检测装置时差构建主‑分区段真实矩阵，近而形成故障区段判别矩阵，确定故障区段，最后利用故障区段真实时差行波双端测距。该发明适用于多分支配电网故障测距，不受故障类型、故障位置、过渡电阻的影响，测距精度较高，具有较好的经济性和较强的实用价值。

摘要： 本发明公开了一种双目标非支配排序遗传算法的渐进约束支配法则，是通过对优化目的建立约束条件与目标函数，通过计算种群Ra中每个个体xai的目标函数，在约束条件下求得各个体xai的总渐进反约束度和渐进被支配数，根据所得渐进被支配数对种群Ra进行分集排序，以排序后的种群U’a中前M个个体作为下一代的父代种群，计算该下一代父代种群生成的种群Ra+1中各个体的目标函数以输出新的父代种群，直至满足迭代终止条件，输出最终种群，得优化结果。与现有技术相比，本发明利用种群进化过程中不可行解的信息，避免解集陷入局部最优解，并拥有较快的收敛速度，从而提高了算法在可行域内的寻优能力。

摘要： 本发明涉及一种深层渗透阻断胰腺导管腺癌神经支配的乏氧/ROS响应型前药和该前药的制备方法：(1)以N‑α‑芴甲氧羰基‑N‑ε‑叔丁氧羰基‑L‑赖氨酸与5‑氨基‑1，3，4‑噻二唑‑2‑磺酰胺反应得(A)；(A)与哌啶反应得(B)；(2)将二甲基二硫代丙酸基甲烷和二氯亚砜反应得(C)；(C)与喜树碱反应得化合物(D)；(3)以偶氮苯‑4，4‑二碳酰氯与拉罗替尼反应得(E)；(4)马来酰亚胺基聚乙二醇与偶氮苯‑4，4‑二碳酰氯反应得(F)；(F)与(B)反应得(G)；(G)与三氟乙酸反应得(H)；(H)依次与N6‑苄氧羰基‑L‑赖氨酸环内酸酐、N5‑叔丁氧羰基‑L‑鸟氨酸环内酸酐反应得(I)；(I)与三氟乙酸反应后，加入(D)反应得(J)；(J)与氢溴酸、乙酸反应后，加入(F)、iRGD反应得聚合物前药(K)。本发明还公开了该聚合物前药制备纳米药物的方法。

摘要： 本发明涉及一种基于重叠连通支配集的间接信任计算与分发方法，包括以下步骤：构建至少3层的重叠连通支配集；当第一节点请求获取第二节点的信誉值时，第一节点分别在每层连通支配集中发布请求信息；当某个节点发现恶意行为时，将所述恶意行为的相关信息发布到整个网络中；所述恶意行为相关的节点的邻居节点存储所述恶意行为的相关信息，并更新所述恶意行为相关的节点的信誉值。本发明能够可靠传输信任信息。

摘要： 本发明公开了一种基于支配关系的测试用例生成方法与装置，以生成满足all‑uses数据流测试准则的测试用例，包括：基于构建的待测试程序的控制流图CFG模型分析程序的数据流，计算程序中的定义‑使用对；定义基于支配关系的适应度函数，利用面向多目标的遗传算法生成满足all‑uses准则的测试用例集。本发明的有益效果为：面向all‑uses数据流测试准则，提出了有效的测试用例生成方法。定义了基于支配关系的适应度函数，在分析测试用例对定义‑使用对的覆盖程度中考虑了杀死定义的存在可能性，且考虑了定义结点和使用结点在执行路径中的先后顺序，可以更有效地指导遗传算法搜索出输入域内覆盖所有定义‑使用对的测试用例，从而满足all‑uses测试准则。

摘要： 本发明公开了一种基于AR支配关系的铝电解节能减排智能控制方法。首先，利用递归神经网络对铝电解生产过程进行建模，然后决策者设定期望目标值，引入AR‑dominance偏好支配方法，结合多目标量子粒子群算法对生产过程模型进行优化，得到最满足决策者期望的最优决策变量，以及对应的电流效率、槽电压、全氟化物排放量和吨铝能耗。MQPSO算法不需要进行交叉、变异等复杂操作，只有最简单的位置更新步骤，并且引入量子特性，使得粒子具有强全局搜索能力，容易保证种群进化过程中偏好最优取值的完整性，满足决策者偏好需求。利用该方法获得铝电解生产过程中工艺参数的最优值，可有效提高电流效率，降低槽电压，减少温室气体排放量和吨铝能耗。

摘要： 本发明公开了一种基于角度支配关系的铝电解偏好多目标优化算法，首先利用递归神经网络对铝电解生产过程进行建模，然后决策者设定期望目标值，再利用偏好多目标量子个体群算法对生产过程模型进行优化，得到各决策变量的一组最满足决策者期望的最优解以及该最优解对应的电流效率、槽电压、全氟化物排放量和吨铝能耗。利用差分进化算法中变异、交叉和选择操作，对决策变量进行偏好寻优，以此确定铝电解生产过程中工艺参数的最优值，可有效提高电流效率，降低槽电压，减少温室气体排放量和吨铝能耗，满足决策者偏好的同时，达到节能减排的目的。

摘要： 本发明公开了一种基于支配关系的测试用例生成方法与装置，以生成满足all‑uses数据流测试准则的测试用例，包括：基于构建的待测试程序的控制流图CFG模型分析程序的数据流，计算程序中的定义‑使用对；定义基于支配关系的适应度函数，利用面向多目标的遗传算法生成满足all‑uses准则的测试用例集。本发明的有益效果为：面向all‑uses数据流测试准则，提出了有效的测试用例生成方法。定义了基于支配关系的适应度函数，在分析测试用例对定义‑使用对的覆盖程度中考虑了杀死定义的存在可能性，且考虑了定义结点和使用结点在执行路径中的先后顺序，可以更有效地指导遗传算法搜索出输入域内覆盖所有定义‑使用对的测试用例，从而满足all‑uses测试准则。

摘要： 本发明公开了一种基于角度支配关系的铝电解偏好多目标优化算法，首先利用递归神经网络对铝电解生产过程进行建模，然后决策者设定期望目标值，再利用偏好多目标量子个体群算法对生产过程模型进行优化，得到各决策变量的一组最满足决策者期望的最优解以及该最优解对应的电流效率、槽电压、全氟化物排放量和吨铝能耗。利用差分进化算法中变异、交叉和选择操作，对决策变量进行偏好寻优，以此确定铝电解生产过程中工艺参数的最优值，可有效提高电流效率，降低槽电压，减少温室气体排放量和吨铝能耗，满足决策者偏好的同时，达到节能减排的目的。

摘要： 本发明公开了一种基于AR支配关系的铝电解节能减排智能控制方法。首先，利用递归神经网络对铝电解生产过程进行建模，然后决策者设定期望目标值，引入AR‑dominance偏好支配方法，结合多目标量子粒子群算法对生产过程模型进行优化，得到最满足决策者期望的最优决策变量，以及对应的电流效率、槽电压、全氟化物排放量和吨铝能耗。MQPSO算法不需要进行交叉、变异等复杂操作，只有最简单的位置更新步骤，并且引入量子特性，使得粒子具有强全局搜索能力，容易保证种群进化过程中偏好最优取值的完整性，满足决策者偏好需求。利用该方法获得铝电解生产过程中工艺参数的最优值，可有效提高电流效率，降低槽电压，减少温室气体排放量和吨铝能耗。