1、“.....由于传统的拥挤度距离的分布性保持策略存在如下两个缺陷如图实心黑点表示非支配个体图个体的拥挤度距离由于个体的拥挤度距离都比较小，若次性去除所有拥挤度距离较小的个体，则会出现个体与之间个体的缺失，从而影响解的分布性。对于个体来说，由于其在其中维目标上的差值很大，而在另维目标上差值却很小，这使得的拥挤度距离也比较小。而对于个体，由于其在各个维目标上的差值都相差不是很大，使得的拥挤度距离也比较第章算法大，此时传统算法会误认为的分布性比要好，但事实上，的分布性要比好。由此可见，基于传统的拥挤度距离来保持解的分布性策略中，个体的拥挤度距离是不变的。也就是说，在次种群维护中，种群中个体的拥挤度距离只计算次。针对上述拥挤度距离的两个缺陷，提出以下相应的解决方法。对于缺陷，可以在种群维护过程中，每去除个个体后重新计算种群中剩余个体的拥挤度距离。对于缺陷，个体的新拥挤度距离可以根据下式进行计算其中，是传统的拥挤度距离，可根据式计算可以根据下式得出表示个体在各个维目标上其相邻个体的拥挤度距离的方差，它能反映出各个维目标拥挤度距离的差异程度。例如，对于图中个体与来说......”。

2、“.....如此，式中定义的新拥挤度距离计算公式，可以使种群中类似个体的解个体，即在不同维目标上拥挤度距离差异程度较大的个体，在种群维护过程中有更多的机会得到保留。下面讨论基于新拥挤度距离保持解的多样性策略的具体描述。若种群规模大小为，当前非支配集的大小为，且，则根据从中去除个个体的具体描述如下根据式计算中每个个体的动态聚集距离。对中的个体按新拥挤度距离进行升序排序。将中拥挤度距离最小的个体从中去除。若，则结束种群维护否则返回步骤，继续执行。由以上可以看出，利用经过改进的拥挤度距离计算公式来维护种群时表现出两个重要特点燕山大学本科生毕业设计论文每次只去除当前非支配集中最小的个个体。在去除个个体后，重新计算中个体的。这样就可以避免次性去除过多个体而造成解个体在区域的缺失，最终可以得到分布更为均匀度不够，淘汰图精英策略的执行步骤首先，要将第代产生的子代种群与父代种群合并在起，组成种群规模大小为的新种群。然后将种群进行非支配排序，求出系列非支配集并且计算每个个体的拥挤度。因为父代和子代的个体都包含在种群中，所以经过非支配排序后的非支配集所包含个体是整个种群中最好的个体集合......”。

3、“.....若此时种群的规模小于，那么需要继续向中填加下级的非支配集，直到添加到非支配集时，种群的大小超出，则对中的每个个体使用拥挤度比较算子，取前个个体，使种群的规模达到。然后通过遗传算子，如选择交叉变异，来产生新的子代种群。在算法中，通过引入拥挤度比较算子来确保非劣解的多样性。由于比较的是种群中所有个体的拥挤度，所以在这过程中没有依赖在算法中出现的共享参数。算法的拥挤度距离公式改进在传统的算法中，如果种群规模大小为，当前非支配集大燕山大学本科生毕业设计的前沿。由于使用式来计算个体的，在式中不仅考虑了种群个体之间的拥挤情况，而且还考虑了种群个体在不同维目标上拥挤度距离的差异情况。这有利于维护在不同维目标上拥挤度距离差异较大的前沿的分布性。算法流程算法的基本流程是首先，随机产生种群规模大小为的父代种群，然后由父代种群产生子代种群，其种群规模大小同样为。将两个种群混合在起，形成了种群规模大小为叉参数作不同取值时的最终结果。图不同交叉参数下的最终优上述快速非支配排序算法步骤的和需要次计算。于是，整个迭代过程的计算复杂度最大是。这样......”。

4、“.....根据上述快速非支配排序算法的步骤，相应的伪代码为对于种群第章算法拥挤度拥挤度的确定在原来的算法中，采用共享的小生境技术确保证种群的多样性，但这需要由决策者指定共享参数的值。为了克服算法中的这种不足，中引用了拥挤度的概念拥挤度表示在种群中给定点的周围个体的密度，用表示，直观上用个体周围包含个体但不包含其余个体的最大长方形的长来表示，具体如图所示。图个体的拥挤度在带精英策略的非支配排序遗传算法中，拥挤度的计算是确保种群多样性的个重要因素，其计算步骤如下燕山大学本科生毕业设计论文每个点的拥挤度置为针对每个优化目标，对种群进行非支配排序，令边界上的两个个体的拥挤度为无穷大，即对种群中其他个体的拥挤度进行计算在上式中，表示点的拥挤度，表示点第个目标函数的函数值，表示点的第个目标函数的函数值。拥挤度比较算子经过前面的快速非支配排序以及拥挤度计算之后，种群中的每个个体都拥有如下两个属性非支配排序决定的非支配序拥挤度根据这两个属性，可以定义拥挤度比较算子个体与另个个体进行比较......”。

5、“.....则个体获胜。若个体所处的非支配层优于个体所处的非支配层，即。若种群中两个个体有相同的等级处在相同的非支配层，且个体的拥挤距离大于个体的拥挤距离，即且。条件用来确保被选择的个体属于在种群中比较优秀的非劣等级。条件是根据它们的拥挤距离来选择处在相同的非支配层的两个个体，位于较不拥挤区域的个体有较大的拥挤度会被选择。根据这两个条件，选出种群中胜出的个体进入下个操作。精英策略算法引入了精英策略，以防止在种群的进化过程中优秀个体的流失，通过将父代种群与其产生的子代种群混合后进行非支配排序的方法，能够有较好地避免父代种群中优秀个体的流失。精英策略的执行步骤如图所示第章算法拥挤度比较算子非支配排序优越论文小为，并且有。那么需要从当前的非支配集中除去个个体，这些被去除的个体不是随机选取的，而是根据拥挤度比较算子选择性地去除优秀度不够的个体。基于拥挤度距离来保持个体解的多样性策略就是根据式，计算种群中个非支配个体的拥挤度距离，然后对这个个体按拥挤度距离升序排序，最后将个拥挤度距离最小的个体次性去除，从而使新父代种群规模大小维持不变。显然，这种维持多样性的策略过于粗糙......”。

6、“.....效应被称之为警戒效应，这是因为在提供跟踪功能时，控制器并不会盲目地将估计的参数当作真实值来加以利用。效应称为试探效应，原因是控制器能产生加快参数收敛的信号。这就是积极自适应控制器。双效控制能够提供对其他自适应方案的改进作用，特别当控制范围很短初始参数的不确定性很大或参数变化很快的时候更是如此。在些特殊的应用场合，例如在经济系统的最优化以及纸浆工业的碎屑均料机控制中，双效控制都展示了改善系统性能的作用。典型情况而言，个双效控制器的目的就是要找出个控制作用输入使得如下阶准则达到最小其中是系统参考输入，是受控的输出表示所有随机变量其中包括参数的数学期望，而是时刻的信息状态，定义为。理论上讲，这控制输入能够通过求解所谓贝尔曼方程，由动态规划而获得。然而在大多数实际应用场合，却不可能做到这点，这是因为对计算量和存储量的要求都过于庞大。由于这个原因，大多数实际自适应控制器完全不管的双效特征，仅仅涉及到非双效的控制器。这种情况的两个例子是推断确定性等价和警戒控制器。这些控制器经常导致不恰当的暂态响应，前者的超调量大而后者响应太慢。文献中提到的有些类型神经网络控制方案......”。

7、“.....该问题之所以可能产生，其原因是忽视了对这样种情况的警戒为了将受控对象辨识出来，并且为了降低先期参数的不确定性而首先进行了彻底的开环离线训练。随后才将神经网络的参数设置到这些预先训练好的数值基本上接近真实值，接着开始个控制和辨识阶段。在我们的工作中，避免了这预先训练阶段，对参数的不确定性就可以予以考虑了。通过个由双效自适应原理导出的控制规律还可以影响这种不确定性。这样的做法在实际应用中更为有效和经济，原因是离线训练法可能耗时，因而耗资。为了解决其复杂性与贝尔曼方程紧密相关的问题，种方法是要推导出特殊的控制规律。此控制规律应该是可以实现的，但在定程度上要保持理想双效控制的期望特性,,,,,,,,性物质再生的叫原电池，也称次性电池。放电后可以用充电的方式使内部活性物质再生，把电能储存为化学能，需要放电时再次把化学能转换为电能的电池，叫蓄电池，也称二次电池。二铅酸蓄电池定义铅酸蓄电池是蓄电池的种，主要特点是采用稀硫酸做电解液，用二氧化铅和绒状铅分别做为电池的正极和负极的种酸性蓄电池。分类按蓄电池极板结构分类有形成式涂膏式和管式蓄电池......”。

8、“.....按蓄电池维护方式分类有普通式少维护式免维护式蓄电池。按我国有关标准规定主要蓄电池系列产品有起动型蓄电池主要用于汽车拖拉机柴油机船舶等起动和照明。固定型蓄电池主要用于通讯发电厂计算律用来调整网络参数以便获得良好的控制性能。至今以来，用于神经自适应控制中具有代表性的方法都用到了启发性的可靠性等效过程。这就意味着，完全忽略了网络的不确定性，而将网络近似值当作真实系统用在控制规律中。当不确定性很大时，例如在启动过程中，这种做法会导致不恰当地暂态响应。为了考虑未知当中的差。由于传统的拥挤度距离的分布性保持策略存在如下两个缺陷如图实心黑点表示非支配个体图个体的拥挤度距离由于个体的拥挤度距离都比较小，若次性去除所有拥挤度距离较小的个体，则会出现个体与之间个体的缺失，从而影响解的分布性。对于个体来说，由于其在其中维目标上的差值很大，而在另维目标上差值却很小，这使得的拥挤度距离也比较小。而对于个体，由于其在各个维目标上的差值都相差不是很大，使得的拥挤度距离也比较第章算法大，此时传统算法会误认为的分布性比要好，但事实上，的分布性要比好。由此可见......”。

9、“.....个体的拥挤度距离是不变的。也就是说，在次种群维护中，种群中个体的拥挤度距离只计算次。针对上述拥挤度距离的两个缺陷，提出以下相应的解决方法。对于缺陷，可以在种群维护过程中，每去除个个体后重新计算种群中剩余个体的拥挤度距离。对于缺陷，个体的新拥挤度距离可以根据下式进行计算其中，是传统的拥挤度距离，可根据式计算可以根据下式得出表示个体在各个维目标上其相邻个体的拥挤度距离的方差，它能反映出各个维目标拥挤度距离的差异程度。例如，对于图中个体与来说，个体的明显大于的。如此，式中定义的新拥挤度距离计算公式，可以使种群中类似个体的解个体，即在不同维目标上拥挤度距离差异程度较大的个体，在种群维护过程中有更多的机会得到保留。下面讨论基于新拥挤度距离保持解的多样性策略的具体描述。若种群规模大小为，当前非支配集的大小为，且，则根据从中去除个个体的具体描述如下根据式计算中每个个体的动态聚集距离。对中的个体按新拥挤度距离进行升序排序。将中拥挤度距离最小的个体从中去除。若，则结束种群维护否则返回步骤，继续执行。由以上可以看出......”。