本文關鍵詞：交互式遺傳算法及其在隱性目標決策問題中的應用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隱性目標決策問題是指決策目標無法或很難顯式化、結(jié)構(gòu)化表征的一類復雜最優(yōu)化問題,廣泛存在于現(xiàn)實生活的方方面面,例如服裝設計問題、旅游行程規(guī)劃問題與汽車造型設計問題等等,故研究支持隱性目標決策問題求解的決策方法具有重大理論意義及實用價值。隱性目標決策問題除了“決策目標模糊難言,無法顯式化表達”之外,還具備“決策者偏好隨交互決策過程動態(tài)調(diào)整”及“問題決策空間大、可行解方案多”的特征,導致傳統(tǒng)的最優(yōu)化決策方法不能直接用以求解,其求解過程需借助具有交互機制的決策方式來開展。交互式遺傳算法(IGA)正是一種具有人機交互決策機制的智能決策方法,它基于人的主觀評價來給定個體適應度值,在傳統(tǒng)遺傳算法(GA)中融入交互式進化思想,充分發(fā)揮了人的主觀能動性及智能信息處理能力,是一類適合求解隱性目標決策問題的決策方法,可作為其求解方法基礎。然而,傳統(tǒng)IGA存在著收斂效率低、用戶易疲勞與種群多樣性缺失等問題,很大程度上限制了算法的進一步應用與推廣本文在對國內(nèi)外IGA及GA研究概況及基本操作分析總結(jié)的基礎上,構(gòu)建了基于IGA的隱性目標決策問題求解模型,并針對現(xiàn)有IGA研究的不足之處,從以下三個方面對IGA進行了深入研究與探討：結(jié)合用戶偏好的交互式遺傳算法研究、結(jié)合共享機制小生境技術的交互式遺傳算法研究以及多用戶參與的交互式遺傳算法研究,提出了多種面向隱性目標決策問題求解的改進IGA方法,并且以汽車前臉造型設計這一典型的隱性目標決策問題作為應用實例,構(gòu)建起輔助算法求解的智能決策支持系統(tǒng),驗證了所提算法的有效性。完成的主要研究內(nèi)容總結(jié)如下：(1)針對限制IGA性能的用戶疲勞問題,設計了一種基于用戶偏好模型的交互式遺傳算法。該方法從進化個體整體及部分評價兩方面結(jié)合入手,摸索用戶認知規(guī)律以構(gòu)建用戶偏好模型,并根據(jù)算法交互過程中獲取的用戶較偏愛個體評價信息,提取出進化個體各構(gòu)成部分的適應值,綜合考慮各構(gòu)成部分的權(quán)重及構(gòu)成部分組合對用戶整體偏好的影響,設計出進化個體適應度值估算公式,作為用戶疲勞時機器替代人工的依據(jù)。汽車前臉造型設計仿真實驗結(jié)果表明,該算法能大大降低迭代次數(shù)及用戶評價次數(shù),從而有效減輕了用戶疲勞。(2)針對限制IGA性能的求解效率低的問題,構(gòu)建了一種基于用戶局部偏好的交互式遺傳算法。首先討論了用戶局部偏好固定／剔除操作的實現(xiàn),然后描述了改進的交叉變異算子,之后對算法流程及性能進行分析,最后將算法應用于汽車前臉造型設計仿真實驗,結(jié)果顯示了該算法能有效加快收斂速度并提高尋得最優(yōu)造型個體的成功率。(3)針對IGA種群多樣性維持問題,通過共享機制小生境技術的概述,引入小生境熵來度量種群多樣性,并基于此構(gòu)建起基于改進共享機制的小生境交互式遺傳算法。該算法中,設計了共享機制小生境半徑的自適應選擇策略、適應度值估算方法及交叉、變異操作的自適應確定方案,用戶僅需從每代種群中選擇一個作為當代最優(yōu)個體,無需給出具體適應度值,有效降低了其評價疲勞。汽車前臉造型設計系統(tǒng)仿真實驗結(jié)果也驗證了算法在保持高效尋優(yōu)性能的同時,能夠有效維持種群多樣性。(4)針對多人參與的隱性目標群決策問題,描述了其智能決策過程,并提出一種基于單種群協(xié)同的新型多用戶交互式遺傳算法。該算法重點探討了多用戶權(quán)重的自適應設置、群體適應度值的計算方式、交叉變異概率的自適應調(diào)整、算法收斂條件選取問題以及局域網(wǎng)絡平臺的搭建。仍以汽車前臉造型設計問題為例進行了仿真實驗,實驗數(shù)據(jù)表明了該算法在尋優(yōu)效率及結(jié)果群體滿意度方面優(yōu)越性,也體現(xiàn)出其在種群多樣性維持及控制方面的有效性。(5)為輔助IGA方法的系統(tǒng)實現(xiàn),提出了基于IGA的智能決策支持系統(tǒng)結(jié)構(gòu)模型,即支持隱性目標決策問題求解的一般概念模型,并針對模型中六個組成部分進行了展述。將汽車前臉造型設計問題作為隱性目標決策問題應用實例,開發(fā)了基于IGA的汽車前臉造型設計系統(tǒng),重點分析了汽車前臉造型設計編碼問題,并討論了基于IGA的汽車前臉造型設計系統(tǒng)的實現(xiàn)流程及系統(tǒng)功能。
【關鍵詞】：隱性目標決策問題 交互式遺傳算法 用戶疲勞 用戶偏好 共享機制小生境技術 種群多樣性 汽車前臉造型設計
【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】：2015
【分類號】：TP18;O225
【目錄】：

• 致謝9-10
• 摘要10-12
• ABSTRACT12-21
• 第一章 緒論21-43
• 1.1 隱性目標決策問題概述21-27
• 1.1.1 問題描述21-23
• 1.1.2 問題定義23-24
• 1.1.3 問題求解方法24-27
• 1.2 交互式遺傳算法概述27-39
• 1.2.1 遺傳算法的研究概況27-33
• 1.2.2 交互式遺傳算法的研究概況33-39
• 1.3 論文的研究內(nèi)容39-41
• 1.4 論文的結(jié)構(gòu)框架41-43
• 第二章 交互式遺傳算法的方法基礎43-61
• 2.1 遺傳算法43-51
• 2.1.1 遺傳算法的基本知識43-44
• 2.1.2 遺傳算法的工作流程44-46
• 2.1.3 遺傳算法的基本操作46-51
• 2.2 交互式遺傳算法51-55
• 2.2.1 交互式遺傳算法的基本思想51
• 2.2.2 交互式遺傳算法的工作流程51-53
• 2.2.3 交互式遺傳算法的特征與不足53-55
• 2.3 面向隱性目標決策問題的IGA求解模型55-59
• 2.3.1 隱性目標決策問題的決策過程55-57
• 2.3.2 基于IGA的問題求解模型57-59
• 2.4 本章小結(jié)59-61
• 第三章 結(jié)合用戶偏好的交互式遺傳算法及應用61-77
• 3.1 基于用戶偏好模型的交互式遺傳算法及應用61-69
• 3.1.1 算法背景61-62
• 3.1.2 用戶偏好模型62-64
• 3.1.3 基于用戶偏好模型的交互式遺傳算法設計64-66
• 3.1.4 在汽車前臉造型設計中的應用66-69
• 3.2 基于用戶局部偏好的交互式遺傳算法及應用69-76
• 3.2.1 算法背景69-70
• 3.2.2 用戶局部偏好固定/剔除操作的實現(xiàn)70-71
• 3.2.3 改進的交叉變異算子71-72
• 3.2.4 基于用戶局部偏好的交互式遺傳算法72-73
• 3.2.5 在汽車前臉造型設計中的應用73-76
• 3.3 本章小結(jié)76-77
• 第四章 結(jié)合共享機制小生境技術的交互式遺傳算法及應用77-93
• 4.1 小生境技術概述77-79
• 4.1.1 小生境技術的基本思想77-78
• 4.1.2 基于遺傳算法的小生境技術78-79
• 4.2 改進共享機制的小生境技術79-82
• 4.2.1 基本共享機制小生境技術79-81
• 4.2.2 小生境熵的引入81-82
• 4.3 基于改進共享機制的小生境交互式遺傳算法82-86
• 4.3.1 算法設計82-85
• 4.3.2 算法性能分析85-86
• 4.4 在汽車前臉造型設計中的應用86-91
• 4.4.1 應用背景86-87
• 4.4.2 參數(shù)設置87
• 4.4.3 實驗過程87-88
• 4.4.4 實驗結(jié)果及對比分析88-91
• 4.5 本章小結(jié)91-93
• 第五章 多用戶參與的交互式遺傳算法及應用93-107
• 5.1 背景介紹93-95
• 5.2 隱性目標群決策問題的智能決策過程95-96
• 5.3 基于單種群協(xié)同的新型多用戶交互式遺傳算法96-101
• 5.3.1 基本思想96-97
• 5.3.2 算法設計97-100
• 5.3.3 基于局域網(wǎng)絡的實現(xiàn)100-101
• 5.4 在汽車前臉造型設計中的應用101-105
• 5.4.1 應用背景101
• 5.4.2 參數(shù)設置101-102
• 5.4.3 實驗設計及結(jié)果分析102-105
• 5.5 本章小結(jié)105-107
• 第六章 隱性目標決策問題的智能決策支持系統(tǒng)及實例107-119
• 6.1 隱性目標決策問題的智能決策支持系統(tǒng)結(jié)構(gòu)模型107-110
• 6.2 基于IGA的汽車前臉造型設計系統(tǒng)110-118
• 6.2.1 汽車前臉造型設計編碼110-112
• 6.2.2 基于IGA的汽車前臉造型設計系統(tǒng)流程設計112-114
• 6.2.3 基于IGA的汽車前臉造型設計系統(tǒng)功能實現(xiàn)114-118
• 6.3 本章小結(jié)118-119
• 第七章 總結(jié)與展望119-123
• 7.1 論文工作總結(jié)119-120
• 7.2 展望120-123
• 參考文獻123-137
• 攻讀博士學位期間的學術活動及成果情況137-139

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉雅琴,遲洪欽;最優(yōu)合并構(gòu)成的有序遺傳算法[J];上海師范大學學報(自然科學版);2001年04期

2 陳科燕,肖冬榮;基于遺傳算法的最優(yōu)證券投資組合模型[J];南京氣象學院學報;2003年05期

3 石先軍;一種改進的遺傳算法及其應用[J];武漢科技學院學報;2003年06期

4 解濱;應用不定量凸模型的遺傳算法解決結(jié)構(gòu)設計的優(yōu)化問題[J];長春工程學院學報(自然科學版);2003年04期

5 曹曉夏,繆淮扣,高曉雷;一種將遺傳算法應用于謂詞求精的方法[J];應用科學學報;2003年03期

6 郭宇,韓戰(zhàn)鋼;周期振蕩環(huán)境對遺傳算法的影響[J];北京師范大學學報(自然科學版);2004年02期

7 李醫(yī)民,胡壽松;引入生態(tài)位技術的遺傳算法研究及應用[J];系統(tǒng)工程;2004年05期

8 劉丹杰;遺傳算法的編碼研究[J];甘肅科技;2004年06期

9 郭文忠,陳國龍;一種新型的遺傳算法及其應用[J];福州大學學報(自然科學版);2004年04期

10 張新燕;用遺傳算法劃分模糊量的語言變量覆蓋范圍[J];新疆師范大學學報(自然科學版);2004年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學術研討會論文集[C];2006年

2 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術及其應用學術交流會論文集[C];2000年

3 林家恒;李國鋒;田國會;劉長有;;遺傳算法在旋轉(zhuǎn)貨架揀選優(yōu)化中的應用[A];1996中國控制與決策學術年會論文集[C];1996年

4 史駿;裘聿皇;;遺傳算法中基因排列方式對運行的影響[A];1996年中國控制會議論文集[C];1996年

5 韓戰(zhàn)鋼;;遺傳算法及在經(jīng)濟中的應用[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

6 唐毅;葛運建;王定成;江建舉;;遺傳算法在運動員技術動作優(yōu)化中的應用研究[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

7 文涇;朱玉文;;用遺傳算法進行航線規(guī)劃[A];全國第16屆計算機科學與技術應用（CACIS）學術會議論文集[C];2004年

8 于春梅;黃玉清;楊勝波;;遺傳算法在參數(shù)辨識中的應用進展[A];中國自動化學會、中國儀器儀表學會2004年西南三省一市自動化與儀器儀表學術年會論文集[C];2004年

9 王志宏;王斌;;基于遺傳算法的非確定性目標優(yōu)化[A];中國自動化學會全國第九屆自動化新技術學術交流會論文集[C];2004年

10 王曉東;劉全利;金吉凌;王偉;;基于序次優(yōu)化策略的改進遺傳算法[A];第二十三屆中國控制會議論文集（下冊）[C];2004年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 林京;《神經(jīng)網(wǎng)絡和遺傳算法在水科學領域的應用》將面市[N];中國水利報;2002年

2 高雪娟;協(xié)同設計的平臺策略[N];中國計算機報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 周輝仁;遞階遺傳算法理論及其應用研究[D];天津大學;2008年

2 郝國生;交互式遺傳算法中用戶的認知規(guī)律及其應用[D];中國礦業(yè)大學;2009年

3 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應用研究[D];西安電子科技大學;1998年

4 馬國田;遺傳算法及其在電磁工程中的應用[D];西安電子科技大學;1998年

5 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應用[D];大連理工大學;2002年

6 周激流;遺傳算法理論及其在水問題中應用的研究[D];四川大學;2000年

7 劉冀成;基于改進遺傳算法的生物電磁成像與磁場聚焦應用研究[D];四川大學;2005年

8 袁麗華;基于物種進化的遺傳算法研究[D];南京航空航天大學;2009年

9 李航;遺傳算法求解多模態(tài)優(yōu)化問題的研究[D];天津大學;2007年

10 石玉;提高實數(shù)遺傳算法數(shù)值優(yōu)化效率的研究[D];南京航空航天大學;2002年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 谷克;遺傳算法在公路路線智能決策系統(tǒng)中的應用研究[D];長安大學;2008年

2 李艷嬌;基于改進遺傳算法的剛架結(jié)構(gòu)截面力學特性參數(shù)優(yōu)化的研究[D];吉林大學;2009年

3 任巍;求解極小碰集的遺傳算法的研究與改進[D];吉林大學;2009年

4 王赫;混沌遺傳算法在模式識別中的應用[D];東北電力大學;2009年

5 于蕾蕾;雙種群遺傳算法的改進及其應用研究[D];合肥工業(yè)大學;2009年

6 王婧;遺傳算法及其在聚類分析中的應用[D];華中師范大學;2009年

7 胡文斯;基于遺傳算法的車間作業(yè)調(diào)度問題的研究[D];中國海洋大學;2009年

8 吳明華;基于遺傳算法的養(yǎng)護機械生產(chǎn)車間作業(yè)調(diào)度問題的研究[D];長安大學;2007年

9 尉鈺;基于改進遺傳算法的橋梁模型動力優(yōu)化[D];長安大學;2007年

10 王銀年;遺傳算法的研究與應用[D];江南大學;2009年

  本文關鍵詞：交互式遺傳算法及其在隱性目標決策問題中的應用研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：291577