基于IEC的隐性目标决策问题的决策过程与决策方法研究

发布时间：2017-08-03 02:18

  本文关键词：基于IEC的隐性目标决策问题的决策过程与决策方法研究

  更多相关文章： 多准则决策 隐性目标决策问题 交互式进化计算 交互式遗传算法 i位改进子空间 多智能体

【摘要】：传统的多准则决策研究中，决策目标函数及限制条件通常是结构化表示的，通过在决策过程中获取决策者的偏好，可以使用适当的决策方法进行问题的求解。然而，在现实决策中还存在着这样一类决策问题，其决策目标函数不能或者难以显示定义。例如在服装设计、汽车造型设计或旅游行程规划问题中，对什么是“最适合、最满意”的一套服装、一款车型或者一张旅游行程计划表，就难以建立起相应显示表示的决策目标函数。而且此类问题中，决策者的偏好也难以在一开始就完全定义清楚，而需要决策者在交互的问题求解过程中逐渐加以确认。本文将这类决策问题称之为“隐性目标决策问题”，由于它具有“决策目标难以完全数量化、结构化表示”、“决策者的偏好随着决策分析的进行而改变”、“决策问题常常具有NP难性质”的特点，使得求解这类问题充满着挑战。这类决策存在：决策问题如何表征、决策者的偏好不断调整如何解决、搜索效率如何提高等问题。 本文从隐性目标决策问题的角度出发，分析此类问题的特点，研究求解该类问题的新算法，并建立处理隐性目标决策问题的求解过程框架。主要的研究内容包括： (1) 提出了本文的研究对象—“隐性目标决策问题”，分析了该类问题的特征和研究难点，并给出问题的数学形式的概念描述；研究讨论了隐性目标决策问题求解方法的要求，指出交互式进化计算(IEC)是适合处理隐性目标决策问题的技术方法。基于交互式进化计算，建立处理隐性目标决策问题的求解过程框架。 (2) 交互式遗传算法(IGA)是IEC中研究最多的一个分支，针对IGA只能使用小规模的种群和较少的进化代数而造成的搜索能力有限和易陷入局部优化的问题，利用i位改进子空间理论，提出了能够提高遗传算法(GA)和交互式遗传算法性能的变异概率选取策略，并分析了该策略对变异算子和算法性能的影响。基于这种变异策略，提出了小种群自适应遗传算法，说明了该策略能够使得GA利用小规模的种群就可以获得满意的性能，适合在IGA中应用。利用此变异策略，并根据IGA的特点，设计了用于隐性目标决策问题求解的IGA，分析了算法的效率，并通过函数优化和服装设计问题的仿真实验验证变异策略和算法的有效性。 (3) 将基于智能体计算的思想应用于交互式进化计算领域，通过定义智能体、智能体生存环境及智能体在环境中的行为，如竞争、自学习、交叉、变异、死亡替换等操作，提出了交互式Multi-Agent遗传算法和交互式多智能体进化算法，以有效求解隐性目标决策问题。所提出的两种算法均具有较强的全局搜索能力，而其中的自学习操作又极大增强了算法的局部搜索能力；另外，算法还充分利用了人的智能和算法自身的特点，使得用户每次只需选择2个左右最感兴趣的个体，而且用户不用对系统个体给出具体的适应值，有效缩短了每一代用户的评价时间，从而有利于减轻用户评估个体适应值的疲劳。从服装设计的仿真试验可以看出，，这些优良的特性使得所提出的算法具有较高的运行性能，并能够有效缓解用户的疲劳。
【关键词】：多准则决策 隐性目标决策问题 交互式进化计算 交互式遗传算法 i位改进子空间 多智能体
【学位授予单位】：合肥工业大学
【学位级别】：博士
【学位授予年份】：2006
【分类号】：C934
【目录】：

• 摘要7-9
• Abstract9-16
• 第一章 绪论16-26
• 1.1 问题的提出16-19
• 1.1.1 隐性目标决策问题16-18
• 1.1.2 隐性目标决策问题的归属与范围18-19
• 1.2 文献讨论19-24
• 1.2.1 决策方法19-21
• 1.2.2 决策支持系统21-24
• 1.3 本文的主要研究工作和结构安排24-26
• 第二章 隐性目标决策问题的表征与求解方法26-33
• 2.1 隐性目标决策问题的表征26-27
• 2.2 隐性目标决策问题求解方法的要求27-29
• 2.3 隐性目标决策问题的求解方法与求解过程29-31
• 2.4 本章小结31-33
• 第三章 基于IEC的隐性目标决策问题的基础方法33-50
• 3.1 进化计算33-37
• 3.2 交互式进化计算37-41
• 3.3 遗传算法的基本概念与构成要素41-48
• 3.4 交互式遗传算法48-49
• 3.5 本章小结49-50
• 第四章 基于加速收敛变异策略的IGA求解算法50-65
• 4.1 IGA面临的挑战50-51
• 4.2 一种加速收敛变异概率选取策略51-55
• 4.2.1 i位改进子空间及其有关结论51-52
• 4.2.2 变异算子对遗传算法性能的影响分析52-54
• 4.2.3 加速收敛变异策略54-55
• 4.3 基于加速收敛变异策略的小种群自适应遗传算法55-60
• 4.3.1 小种群自适应遗传算法设计56
• 4.3.2 小种群自适应遗传算法实验及其分析56-60
• 4.4 基于加速收敛变异策略的交互式遗传算法60-63
• 4.4.1 基于加速收敛变异策略的交互式遗传算法设计61-62
• 4.4.2 服装设计实验62-63
• 4.5 本章小结63-65
• 第五章 结合多智能体系统的IEA求解算法65-85
• 5.1 智能体与基于智能体的计算65-72
• 5.1.1 分布式人工智能65-66
• 5.1.2 智能体与多智能体系统66-70
• 5.1.3 AER模型简介70-72
• 5.1.4 用于问题求解的多智能体系统方法研究概述72
• 5.2 交互式Multi-Agent遗传算法72-78
• 5.2.1 智能体及有关操作72-74
• 5.2.2 交互式Multi-Agent遗传算法设计74-75
• 5.2.3 交互式Multi-Agent遗传算法的效率分析75-76
• 5.2.4 服装设计实验76-78
• 5.3 交互式多智能体进化算法78-84
• 5.3.1 智能体及有关操作78-80
• 5.3.2 交互式多智能体进化算法设计80-81
• 5.3.3 交互式多智能体进化算法的效率分析81-82
• 5.3.4 服装设计实验82-84
• 5.4 本章小结84-85
• 第六章 隐性目标决策问题求解的概念模型及实例85-93
• 6.1 隐性目标决策问题的一个概念模型85-87
• 6.2 基于IEC／IGA方法的服装设计系统87-92
• 6.2.1 服装设计编码87-88
• 6.2.2 基于IEC／IGA的服装设计系统流程88-89
• 6.2.3 基于IEC／IGA的服装设计系统89-92
• 6.3 本章小结92-93
• 第七章 总结与展望93-95
• 参考文献95-104
• 在读期间的主要研究工作和发表的论文104-105

【引证文献】

中国期刊全文数据库 前1条

1 黄永青;陆青;张冲;;隐性目标决策问题的表示与研究进展[J];滁州学院学报;2011年05期

中国博士学位论文全文数据库 前4条

1 吴胜;网站信息分类体系优化方法及其应用[D];南京林业大学;2009年

2 沈琪;崇明生态岛建设空间决策支持模型研究[D];华东师范大学;2009年

3 陆青;基于IEC的隐性目标智能决策方法研究[D];合肥工业大学;2009年

4 张俊岭;基于IEC的混合型隐性多目标决策方法研究[D];合肥工业大学;2009年

中国硕士学位论文全文数据库 前1条

1 石丽雯;混合计算智能在包装生产线外观风格研究中的应用[D];天津大学;2012年

本文编号：612236