基于近似最优性条件的鲁棒进化算法及其在需求不确定库存管理的应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61763008
  • 项目类别：
    地区科学基金项目
  • 资助金额：
    37.0万
  • 负责人：
    封全喜
  • 依托单位：
    桂林理工大学
  • 学科分类：
    F0305.生物、医学信息系统与技术
  • 结题年份：
    2021
  • 批准年份：
    2017
  • 项目状态：
    已结题
  • 起止时间：
    2018-01-01 至2021-12-31

项目摘要

The effect of uncertain factors of noise and error results in poor robustness. Generally, evolutionary algorithm, robust response model and optimal condition are considered independently, which lead to poor robustness. For the sake of these, robust evolutionary algorithm, are applied in inventory management with uncertain demand, are proposed by considering these factors. The set of uncertain parameters is analyzed based on mathematic programming theory. For the egular set, the approximate KKT condition of robust counterpart model is investigate first, and then design robust evolutionary algorithm based on this condition. Fort the irregular set, robust model is established and transformed into bilevel programming first, and then the approximate robust KKT condition of inner programming is investigate, the robust evolutionary algorithm based on robust KKT condition last. Based on the research before, robust model of one-product multi-stage inventory control with uncertain demand is established first, and then the robust evolutionary algorithm with feature of the problem is designed for solving the problem. The program for inventory control with uncertain demand is planned..This project emphasize the integration of optimization theory with evolutionary algorithm. The research can provide thinking for robust evolutionary algorithm with uncertain parameter, and give theoretical foundation for the application problem with uncertain parameters.
由于噪声干扰、测量误差等不确定性因素影响，导致最优解的鲁棒性差。设计鲁棒进化算法时，通常是将进化算法、鲁棒模型及其最优性条件独立进行讨论，导致算法效果差。针对此问题，本项目拟综合考虑进化算法、鲁棒模型及其近似最优性条件，研究基于最优性条件的鲁棒进化算法及其在需求不确定库存管理的应用。首先基于数学规划理论分析不确定参数所属集合。针对规则集合，研究鲁棒对应模型的近似最优性条件，设计基于该条件的鲁棒进化算法；针对不规则集合，首先建立鲁棒模型并转化为双层规划模型，然后研究内层规划的鲁棒近似最优性条件，并设计基于该近似条件的鲁棒进化算法；以此为基础，建立需求不确定多阶段库存控制问题的鲁棒优化模型，然后设计鲁棒进化算法；最后得出需求不确定库存管理问题的鲁棒最优解。.本项目注重最优化理论和进化算法的有机结合。本研究成果对含不确定参数的鲁棒进化算法设计提供思路，并为解决参数不确定问题提供理论依据。

结项摘要

由于测量仪器、样品差异、测量技术等不确定性因素影响，出现噪声干扰、测量误差等不确定因素，导致导致数据分析鲁棒性差，影响实际应用效果。充分考虑不确定因素的进化算法和演化学习能够有助于提升数据处理效果。本项目以进化算法和演化学习为研究对象，重点研究进化算法和基于进化算法的机器学习、深度学习的参数优化及其数据分析中的应用。（1）本项目基于算法的设计问题，设计混合变异策略、参数控制机制和变异概率选择机制，用于解决算法进化不同阶段的变异策略选择问题和参数需求问题。并利用编制测试函数，验证提出算法的有效性。(2) 本项目研究利用多种群进化模式的优势，提出一种基于多种群框架的约束差分进化算法；同时，考虑种群内部个体间的相关关系，提出一种基于相关关系的协方差矩阵学习的差分进化算法。通过数值仿真，严重算法的有效性.(3) 本项目探讨将研究的进化算法与机器学习、深度学习相结合，应用于存在不确定因数的数据分析。.基于项目的研究成果发表期刊论文8篇，其中SCI、EI会议论文5篇，培养了硕士研究生13名，其中毕业6名。

项目成果

期刊论文数量（17）
专著数量（0）
科研奖励数量（0）
会议论文数量（3）
专利数量（0）
Genetic algorithm-based optimization framework for control parameters of ventricular assist devices introduction (under preparation)
一种基于遗传算法的新型优化框架，用于改进近红外定量校准模型
  • DOI：
    10.1155/2020/7686724
  • 发表时间：
    2022-01-01
  • 期刊：
    Front Cardiovasc Med.
  • 影响因子：
    --
  • 作者：
    Konstantinos, M.;Leonardo, NR.;Schmid Daners, M.
  • 通讯作者：
    Schmid Daners, M.
我国消费行业间风险度量及相依性研究
  • DOI：
    --
  • 发表时间：
    2020
  • 期刊：
    桂林理工大学学报
  • 影响因子：
    --
  • 作者：
    李世君;唐国强;杜诗雪
  • 通讯作者：
    杜诗雪
Price discrimination in dynamic Cournot Competition
动态古诺竞争中的价格歧视
  • DOI：
    10.1155/2019/9231582
  • 发表时间：
    2019
  • 期刊：
    Discrete Dynamics in Nature and Society
  • 影响因子：
    1.4
  • 作者：
    Wei-li Zhang;Qi-Qing Song;Yi-Rong Jiang
  • 通讯作者：
    Yi-Rong Jiang
Kernel functions embedded in support vector machine learning models for rapid water pollution assessment via near-infrared spectroscopy
支持向量机学习模型中嵌入的核函数，用于通过近红外光谱快速评估水污染
  • DOI：
    10.1016/j.scitotenv.2020.136765
  • 发表时间：
    2020-04-20
  • 期刊：
    SCIENCE OF THE TOTAL ENVIRONMENT
  • 影响因子：
    9.8
  • 作者：
    Chen, Huazhou;Xu, Lili;Cai, Ken
  • 通讯作者：
    Cai, Ken
Differential Evolution Algorithm Based on Ensemble of Constraint Handling Techniques and Multi-Population Framework
基于约束处理技术和多群体框架集成的差分进化算法
  • DOI：
    10.4236/ijis.2020.102003
  • 发表时间：
    2020-04
  • 期刊：
    International Journal of Intelligence Science
  • 影响因子：
    --
  • 作者：
    Yanting Wei;Quanxi Feng;Sainan Yuan
  • 通讯作者：
    Sainan Yuan

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

几类特殊矩阵及性质
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    兰州大学学报(自然科学版)
  • 影响因子：
    --
  • 作者：
    雍龙泉;刘三阳;史加荣;熊文涛;封全喜
  • 通讯作者：
    封全喜
求解方程组的正交差分进化算法
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    计算机科学
  • 影响因子：
    --
  • 作者：
    封全喜;刘三阳;唐国强;林亮
  • 通讯作者：
    林亮

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

封全喜的其他基金

基于分布式进化算法的双层规划问题研究
  • 批准号：
    62166015
  • 批准年份：
    2021
  • 资助金额：
    36 万元
  • 项目类别：
    地区科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码