本文關鍵詞：基于IEC的隱性目標決策問題的決策過程與決策方法研究

  更多相關文章： 多準則決策 隱性目標決策問題 交互式進化計算 交互式遺傳算法 i位改進子空間 多智能體

【摘要】：傳統(tǒng)的多準則決策研究中，決策目標函數(shù)及限制條件通常是結構化表示的，通過在決策過程中獲取決策者的偏好，可以使用適當?shù)臎Q策方法進行問題的求解。然而，在現(xiàn)實決策中還存在著這樣一類決策問題，其決策目標函數(shù)不能或者難以顯示定義。例如在服裝設計、汽車造型設計或旅游行程規(guī)劃問題中，對什么是“最適合、最滿意”的一套服裝、一款車型或者一張旅游行程計劃表，就難以建立起相應顯示表示的決策目標函數(shù)。而且此類問題中，決策者的偏好也難以在一開始就完全定義清楚，而需要決策者在交互的問題求解過程中逐漸加以確認。本文將這類決策問題稱之為“隱性目標決策問題”，由于它具有“決策目標難以完全數(shù)量化、結構化表示”、“決策者的偏好隨著決策分析的進行而改變”、“決策問題常常具有NP難性質(zhì)”的特點，使得求解這類問題充滿著挑戰(zhàn)。這類決策存在：決策問題如何表征、決策者的偏好不斷調(diào)整如何解決、搜索效率如何提高等問題。 本文從隱性目標決策問題的角度出發(fā)，分析此類問題的特點，研究求解該類問題的新算法，并建立處理隱性目標決策問題的求解過程框架。主要的研究內(nèi)容包括： (1) 提出了本文的研究對象—“隱性目標決策問題”，分析了該類問題的特征和研究難點，并給出問題的數(shù)學形式的概念描述；研究討論了隱性目標決策問題求解方法的要求，指出交互式進化計算(IEC)是適合處理隱性目標決策問題的技術方法�；诮换ナ竭M化計算，建立處理隱性目標決策問題的求解過程框架。 (2) 交互式遺傳算法(IGA)是IEC中研究最多的一個分支，針對IGA只能使用小規(guī)模的種群和較少的進化代數(shù)而造成的搜索能力有限和易陷入局部優(yōu)化的問題，利用i位改進子空間理論，提出了能夠提高遺傳算法(GA)和交互式遺傳算法性能的變異概率選取策略，并分析了該策略對變異算子和算法性能的影響。基于這種變異策略，提出了小種群自適應遺傳算法，說明了該策略能夠使得GA利用小規(guī)模的種群就可以獲得滿意的性能，適合在IGA中應用。利用此變異策略，并根據(jù)IGA的特點，設計了用于隱性目標決策問題求解的IGA，分析了算法的效率，并通過函數(shù)優(yōu)化和服裝設計問題的仿真實驗驗證變異策略和算法的有效性。 (3) 將基于智能體計算的思想應用于交互式進化計算領域，通過定義智能體、智能體生存環(huán)境及智能體在環(huán)境中的行為，如競爭、自學習、交叉、變異、死亡替換等操作，提出了交互式Multi-Agent遺傳算法和交互式多智能體進化算法，以有效求解隱性目標決策問題。所提出的兩種算法均具有較強的全局搜索能力，而其中的自學習操作又極大增強了算法的局部搜索能力；另外，算法還充分利用了人的智能和算法自身的特點，使得用戶每次只需選擇2個左右最感興趣的個體，而且用戶不用對系統(tǒng)個體給出具體的適應值，有效縮短了每一代用戶的評價時間，從而有利于減輕用戶評估個體適應值的疲勞。從服裝設計的仿真試驗可以看出，，這些優(yōu)良的特性使得所提出的算法具有較高的運行性能，并能夠有效緩解用戶的疲勞。
【關鍵詞】：多準則決策 隱性目標決策問題 交互式進化計算 交互式遺傳算法 i位改進子空間 多智能體
【學位授予單位】：合肥工業(yè)大學
【學位級別】：博士
【學位授予年份】：2006
【分類號】：C934
【目錄】：

• 摘要7-9
• Abstract9-16
• 第一章 緒論16-26
• 1.1 問題的提出16-19
• 1.1.1 隱性目標決策問題16-18
• 1.1.2 隱性目標決策問題的歸屬與范圍18-19
• 1.2 文獻討論19-24
• 1.2.1 決策方法19-21
• 1.2.2 決策支持系統(tǒng)21-24
• 1.3 本文的主要研究工作和結構安排24-26
• 第二章 隱性目標決策問題的表征與求解方法26-33
• 2.1 隱性目標決策問題的表征26-27
• 2.2 隱性目標決策問題求解方法的要求27-29
• 2.3 隱性目標決策問題的求解方法與求解過程29-31
• 2.4 本章小結31-33
• 第三章 基于IEC的隱性目標決策問題的基礎方法33-50
• 3.1 進化計算33-37
• 3.2 交互式進化計算37-41
• 3.3 遺傳算法的基本概念與構成要素41-48
• 3.4 交互式遺傳算法48-49
• 3.5 本章小結49-50
• 第四章 基于加速收斂變異策略的IGA求解算法50-65
• 4.1 IGA面臨的挑戰(zhàn)50-51
• 4.2 一種加速收斂變異概率選取策略51-55
• 4.2.1 i位改進子空間及其有關結論51-52
• 4.2.2 變異算子對遺傳算法性能的影響分析52-54
• 4.2.3 加速收斂變異策略54-55
• 4.3 基于加速收斂變異策略的小種群自適應遺傳算法55-60
• 4.3.1 小種群自適應遺傳算法設計56
• 4.3.2 小種群自適應遺傳算法實驗及其分析56-60
• 4.4 基于加速收斂變異策略的交互式遺傳算法60-63
• 4.4.1 基于加速收斂變異策略的交互式遺傳算法設計61-62
• 4.4.2 服裝設計實驗62-63
• 4.5 本章小結63-65
• 第五章 結合多智能體系統(tǒng)的IEA求解算法65-85
• 5.1 智能體與基于智能體的計算65-72
• 5.1.1 分布式人工智能65-66
• 5.1.2 智能體與多智能體系統(tǒng)66-70
• 5.1.3 AER模型簡介70-72
• 5.1.4 用于問題求解的多智能體系統(tǒng)方法研究概述72
• 5.2 交互式Multi-Agent遺傳算法72-78
• 5.2.1 智能體及有關操作72-74
• 5.2.2 交互式Multi-Agent遺傳算法設計74-75
• 5.2.3 交互式Multi-Agent遺傳算法的效率分析75-76
• 5.2.4 服裝設計實驗76-78
• 5.3 交互式多智能體進化算法78-84
• 5.3.1 智能體及有關操作78-80
• 5.3.2 交互式多智能體進化算法設計80-81
• 5.3.3 交互式多智能體進化算法的效率分析81-82
• 5.3.4 服裝設計實驗82-84
• 5.4 本章小結84-85
• 第六章 隱性目標決策問題求解的概念模型及實例85-93
• 6.1 隱性目標決策問題的一個概念模型85-87
• 6.2 基于IEC／IGA方法的服裝設計系統(tǒng)87-92
• 6.2.1 服裝設計編碼87-88
• 6.2.2 基于IEC／IGA的服裝設計系統(tǒng)流程88-89
• 6.2.3 基于IEC／IGA的服裝設計系統(tǒng)89-92
• 6.3 本章小結92-93
• 第七章 總結與展望93-95
• 參考文獻95-104
• 在讀期間的主要研究工作和發(fā)表的論文104-105

【引證文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 黃永青;陸青;張沖;;隱性目標決策問題的表示與研究進展[J];滁州學院學報;2011年05期

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 吳勝;網(wǎng)站信息分類體系優(yōu)化方法及其應用[D];南京林業(yè)大學;2009年

2 沈琪;崇明生態(tài)島建設空間決策支持模型研究[D];華東師范大學;2009年

3 陸青;基于IEC的隱性目標智能決策方法研究[D];合肥工業(yè)大學;2009年

4 張俊嶺;基于IEC的混合型隱性多目標決策方法研究[D];合肥工業(yè)大學;2009年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 石麗雯;混合計算智能在包裝生產(chǎn)線外觀風格研究中的應用[D];天津大學;2012年

本文編號：612236