交互式遗传算法及其在隐性目标决策问题中的应用研究

发布时间：2017-04-07 23:22

  本文关键词：交互式遗传算法及其在隐性目标决策问题中的应用研究，由笔耕文化传播整理发布。

【摘要】：隐性目标决策问题是指决策目标无法或很难显式化、结构化表征的一类复杂最优化问题,广泛存在于现实生活的方方面面,例如服装设计问题、旅游行程规划问题与汽车造型设计问题等等,故研究支持隐性目标决策问题求解的决策方法具有重大理论意义及实用价值。隐性目标决策问题除了“决策目标模糊难言,无法显式化表达”之外,还具备“决策者偏好随交互决策过程动态调整”及“问题决策空间大、可行解方案多”的特征,导致传统的最优化决策方法不能直接用以求解,其求解过程需借助具有交互机制的决策方式来开展。交互式遗传算法(IGA)正是一种具有人机交互决策机制的智能决策方法,它基于人的主观评价来给定个体适应度值,在传统遗传算法(GA)中融入交互式进化思想,充分发挥了人的主观能动性及智能信息处理能力,是一类适合求解隐性目标决策问题的决策方法,可作为其求解方法基础。然而,传统IGA存在着收敛效率低、用户易疲劳与种群多样性缺失等问题,很大程度上限制了算法的进一步应用与推广本文在对国内外IGA及GA研究概况及基本操作分析总结的基础上,构建了基于IGA的隐性目标决策问题求解模型,并针对现有IGA研究的不足之处,从以下三个方面对IGA进行了深入研究与探讨：结合用户偏好的交互式遗传算法研究、结合共享机制小生境技术的交互式遗传算法研究以及多用户参与的交互式遗传算法研究,提出了多种面向隐性目标决策问题求解的改进IGA方法,并且以汽车前脸造型设计这一典型的隐性目标决策问题作为应用实例,构建起辅助算法求解的智能决策支持系统,验证了所提算法的有效性。完成的主要研究内容总结如下：(1)针对限制IGA性能的用户疲劳问题,设计了一种基于用户偏好模型的交互式遗传算法。该方法从进化个体整体及部分评价两方面结合入手,摸索用户认知规律以构建用户偏好模型,并根据算法交互过程中获取的用户较偏爱个体评价信息,提取出进化个体各构成部分的适应值,综合考虑各构成部分的权重及构成部分组合对用户整体偏好的影响,设计出进化个体适应度值估算公式,作为用户疲劳时机器替代人工的依据。汽车前脸造型设计仿真实验结果表明,该算法能大大降低迭代次数及用户评价次数,从而有效减轻了用户疲劳。(2)针对限制IGA性能的求解效率低的问题,构建了一种基于用户局部偏好的交互式遗传算法。首先讨论了用户局部偏好固定／剔除操作的实现,然后描述了改进的交叉变异算子,之后对算法流程及性能进行分析,最后将算法应用于汽车前脸造型设计仿真实验,结果显示了该算法能有效加快收敛速度并提高寻得最优造型个体的成功率。(3)针对IGA种群多样性维持问题,通过共享机制小生境技术的概述,引入小生境熵来度量种群多样性,并基于此构建起基于改进共享机制的小生境交互式遗传算法。该算法中,设计了共享机制小生境半径的自适应选择策略、适应度值估算方法及交叉、变异操作的自适应确定方案,用户仅需从每代种群中选择一个作为当代最优个体,无需给出具体适应度值,有效降低了其评价疲劳。汽车前脸造型设计系统仿真实验结果也验证了算法在保持高效寻优性能的同时,能够有效维持种群多样性。(4)针对多人参与的隐性目标群决策问题,描述了其智能决策过程,并提出一种基于单种群协同的新型多用户交互式遗传算法。该算法重点探讨了多用户权重的自适应设置、群体适应度值的计算方式、交叉变异概率的自适应调整、算法收敛条件选取问题以及局域网络平台的搭建。仍以汽车前脸造型设计问题为例进行了仿真实验,实验数据表明了该算法在寻优效率及结果群体满意度方面优越性,也体现出其在种群多样性维持及控制方面的有效性。(5)为辅助IGA方法的系统实现,提出了基于IGA的智能决策支持系统结构模型,即支持隐性目标决策问题求解的一般概念模型,并针对模型中六个组成部分进行了展述。将汽车前脸造型设计问题作为隐性目标决策问题应用实例,开发了基于IGA的汽车前脸造型设计系统,重点分析了汽车前脸造型设计编码问题,并讨论了基于IGA的汽车前脸造型设计系统的实现流程及系统功能。
【关键词】：隐性目标决策问题 交互式遗传算法 用户疲劳 用户偏好 共享机制小生境技术 种群多样性 汽车前脸造型设计
【学位授予单位】：合肥工业大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP18;O225
【目录】：

• 致谢9-10
• 摘要10-12
• ABSTRACT12-21
• 第一章 绪论21-43
• 1.1 隐性目标决策问题概述21-27
• 1.1.1 问题描述21-23
• 1.1.2 问题定义23-24
• 1.1.3 问题求解方法24-27
• 1.2 交互式遗传算法概述27-39
• 1.2.1 遗传算法的研究概况27-33
• 1.2.2 交互式遗传算法的研究概况33-39
• 1.3 论文的研究内容39-41
• 1.4 论文的结构框架41-43
• 第二章 交互式遗传算法的方法基础43-61
• 2.1 遗传算法43-51
• 2.1.1 遗传算法的基本知识43-44
• 2.1.2 遗传算法的工作流程44-46
• 2.1.3 遗传算法的基本操作46-51
• 2.2 交互式遗传算法51-55
• 2.2.1 交互式遗传算法的基本思想51
• 2.2.2 交互式遗传算法的工作流程51-53
• 2.2.3 交互式遗传算法的特征与不足53-55
• 2.3 面向隐性目标决策问题的IGA求解模型55-59
• 2.3.1 隐性目标决策问题的决策过程55-57
• 2.3.2 基于IGA的问题求解模型57-59
• 2.4 本章小结59-61
• 第三章 结合用户偏好的交互式遗传算法及应用61-77
• 3.1 基于用户偏好模型的交互式遗传算法及应用61-69
• 3.1.1 算法背景61-62
• 3.1.2 用户偏好模型62-64
• 3.1.3 基于用户偏好模型的交互式遗传算法设计64-66
• 3.1.4 在汽车前脸造型设计中的应用66-69
• 3.2 基于用户局部偏好的交互式遗传算法及应用69-76
• 3.2.1 算法背景69-70
• 3.2.2 用户局部偏好固定/剔除操作的实现70-71
• 3.2.3 改进的交叉变异算子71-72
• 3.2.4 基于用户局部偏好的交互式遗传算法72-73
• 3.2.5 在汽车前脸造型设计中的应用73-76
• 3.3 本章小结76-77
• 第四章 结合共享机制小生境技术的交互式遗传算法及应用77-93
• 4.1 小生境技术概述77-79
• 4.1.1 小生境技术的基本思想77-78
• 4.1.2 基于遗传算法的小生境技术78-79
• 4.2 改进共享机制的小生境技术79-82
• 4.2.1 基本共享机制小生境技术79-81
• 4.2.2 小生境熵的引入81-82
• 4.3 基于改进共享机制的小生境交互式遗传算法82-86
• 4.3.1 算法设计82-85
• 4.3.2 算法性能分析85-86
• 4.4 在汽车前脸造型设计中的应用86-91
• 4.4.1 应用背景86-87
• 4.4.2 参数设置87
• 4.4.3 实验过程87-88
• 4.4.4 实验结果及对比分析88-91
• 4.5 本章小结91-93
• 第五章 多用户参与的交互式遗传算法及应用93-107
• 5.1 背景介绍93-95
• 5.2 隐性目标群决策问题的智能决策过程95-96
• 5.3 基于单种群协同的新型多用户交互式遗传算法96-101
• 5.3.1 基本思想96-97
• 5.3.2 算法设计97-100
• 5.3.3 基于局域网络的实现100-101
• 5.4 在汽车前脸造型设计中的应用101-105
• 5.4.1 应用背景101
• 5.4.2 参数设置101-102
• 5.4.3 实验设计及结果分析102-105
• 5.5 本章小结105-107
• 第六章 隐性目标决策问题的智能决策支持系统及实例107-119
• 6.1 隐性目标决策问题的智能决策支持系统结构模型107-110
• 6.2 基于IGA的汽车前脸造型设计系统110-118
• 6.2.1 汽车前脸造型设计编码110-112
• 6.2.2 基于IGA的汽车前脸造型设计系统流程设计112-114
• 6.2.3 基于IGA的汽车前脸造型设计系统功能实现114-118
• 6.3 本章小结118-119
• 第七章 总结与展望119-123
• 7.1 论文工作总结119-120
• 7.2 展望120-123
• 参考文献123-137
• 攻读博士学位期间的学术活动及成果情况137-139

【相似文献】

中国期刊全文数据库 前10条

1 刘雅琴,迟洪钦;最优合并构成的有序遗传算法[J];上海师范大学学报(自然科学版);2001年04期

2 陈科燕,肖冬荣;基于遗传算法的最优证券投资组合模型[J];南京气象学院学报;2003年05期

3 石先军;一种改进的遗传算法及其应用[J];武汉科技学院学报;2003年06期

4 解滨;应用不定量凸模型的遗传算法解决结构设计的优化问题[J];长春工程学院学报(自然科学版);2003年04期

5 曹晓夏,缪淮扣,高晓雷;一种将遗传算法应用于谓词求精的方法[J];应用科学学报;2003年03期

6 郭宇,韩战钢;周期振荡环境对遗传算法的影响[J];北京师范大学学报(自然科学版);2004年02期

7 李医民,胡寿松;引入生态位技术的遗传算法研究及应用[J];系统工程;2004年05期

8 刘丹杰;遗传算法的编码研究[J];甘肃科技;2004年06期

9 郭文忠,陈国龙;一种新型的遗传算法及其应用[J];福州大学学报(自然科学版);2004年04期

10 张新燕;用遗传算法划分模糊量的语言变量覆盖范围[J];新疆师范大学学报(自然科学版);2004年03期

中国重要会议论文全文数据库 前10条

1 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

2 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

3 林家恒;李国锋;田国会;刘长有;;遗传算法在旋转货架拣选优化中的应用[A];1996中国控制与决策学术年会论文集[C];1996年

4 史骏;裘聿皇;;遗传算法中基因排列方式对运行的影响[A];1996年中国控制会议论文集[C];1996年

5 韩战钢;;遗传算法及在经济中的应用[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

6 唐毅;葛运建;王定成;江建举;;遗传算法在运动员技术动作优化中的应用研究[A];2003年中国智能自动化会议论文集（下册）[C];2003年

7 文泾;朱玉文;;用遗传算法进行航线规划[A];全国第16届计算机科学与技术应用（CACIS）学术会议论文集[C];2004年

8 于春梅;黄玉清;杨胜波;;遗传算法在参数辨识中的应用进展[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年

9 王志宏;王斌;;基于遗传算法的非确定性目标优化[A];中国自动化学会全国第九届自动化新技术学术交流会论文集[C];2004年

10 王晓东;刘全利;金吉凌;王伟;;基于序次优化策略的改进遗传算法[A];第二十三届中国控制会议论文集（下册）[C];2004年

中国重要报纸全文数据库 前2条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

2 高雪娟;协同设计的平台策略[N];中国计算机报;2006年

中国博士学位论文全文数据库 前10条

1 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

2 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

3 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

4 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

5 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

6 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

7 刘冀成;基于改进遗传算法的生物电磁成像与磁场聚焦应用研究[D];四川大学;2005年

8 袁丽华;基于物种进化的遗传算法研究[D];南京航空航天大学;2009年

9 李航;遗传算法求解多模态优化问题的研究[D];天津大学;2007年

10 石玉;提高实数遗传算法数值优化效率的研究[D];南京航空航天大学;2002年

中国硕士学位论文全文数据库 前10条

1 谷克;遗传算法在公路路线智能决策系统中的应用研究[D];长安大学;2008年

2 李艳娇;基于改进遗传算法的刚架结构截面力学特性参数优化的研究[D];吉林大学;2009年

3 任巍;求解极小碰集的遗传算法的研究与改进[D];吉林大学;2009年

4 王赫;混沌遗传算法在模式识别中的应用[D];东北电力大学;2009年

5 于蕾蕾;双种群遗传算法的改进及其应用研究[D];合肥工业大学;2009年

6 王婧;遗传算法及其在聚类分析中的应用[D];华中师范大学;2009年

7 胡文斯;基于遗传算法的车间作业调度问题的研究[D];中国海洋大学;2009年

8 吴明华;基于遗传算法的养护机械生产车间作业调度问题的研究[D];长安大学;2007年

9 尉钰;基于改进遗传算法的桥梁模型动力优化[D];长安大学;2007年

10 王银年;遗传算法的研究与应用[D];江南大学;2009年

  本文关键词：交互式遗传算法及其在隐性目标决策问题中的应用研究，由笔耕文化传播整理发布。

，

本文编号：291577