系统可靠性多目标优化的满意解

对系统可靠性多目标优化模型 ,由各单目标函数来分别定义一个目标满意度函数 ,再将各目标满意度函数用取小算子和加权指数综合为一个总满意度函数 ,最后以总满意度最大为目标建立一个单目标优化模型 ,该单目标优化模型的解是原多目标优化模型的一个非劣解 ,这一非劣解即可作为原多目标优化模型的满意解。最后以一个串联系统的可靠性多目标优化问题为例 ,给出了求满意解的具体方法。     

多目标模糊优化理论及其在水电系统中的应用

基于单目标最优解模糊化基础上的多目标模糊优化方法能够反映各处单目标最优解与多目标满意解之间的相互关系，较好地解决多目标优化问题。本文根据多目标模糊优化的基本原理，结合目标相对优属度概念，提出了了具有相互矛盾目标的多目标模糊优化方法，并通过示例说明了该方法在水电优化中的应用。     

求解多目标运输问题的一种目标协调优化方法

针对多目标运输问题往往存在各目标间协调性差或冲突发生的现象,提出一种求解多目标运输问题的目标协调优化方法.以各目标做出一定的让步为切入点,通过寻求最小让步对各个目标进行协调,将多目标运输问题简化为单目标的线性规划模型.引入让步解、满意解等概念,给出了方法的求解步骤.最后,以实例验证了方法的有效性.     

用多目标进化算法求解二层规划双目标模型

传统单目标二层规划模型得到的最优解往往无法使上下级双方都满意.为此,通过在上层规划中同时考虑下级的目标函数,建立了原问题的上层为双目标规划的一个新模型.上下级可通过协商在该模型的Pareto-最优解集中找到双方满意解.对此模型设计了求解的多目标进化算法,用传统优化算法求解下层规划的单目标问题,而对上层的双目标规划问题则采用基于NSGA-Ⅱ的多目标进化算法求解.数值试验表明我们所提出的算法是有效的.     

区间多目标线性规划的模糊求解方法

研究基于Zimmermann方法的区间多目标线性规划(IMOLP)的模糊求解方法.首先,将IMOLP化为一个参数规划,通过变量替换化为传统多目标线性规划,然后应用Zimmermann方法进行求解,得到舍各目标函数总满意度变量的一个线性规划,并最终将其化为一个单目标的区间线性规划.基于此,分别求得IMOLP最大总满意度和最小总满意度下的Pareto解,并求出各目标函数的最优值区间.最后,给出算例.     

基于多目标物资调配优化模型的复杂应急系统并行计算方法

为了解决大规模的应急系统中的物资调配的问题,以时间性,效率性为优化目标,建立了模糊目标集数学模型,给出了单事故点的优化算法;并提出了一个以应急事故点为中心对救援点进行聚类划分的方法,将复杂多事故点应急调配的问题分解为单事故点来计算,把任务分配到不同处理器中并行执行.实验结果表明,基于多目标优化模型的并行算法大大地提高了应急调配解算速度,能为决策者提供更有效、快速、智能的服务.     

设备具有恶化特性的多目标流水车间调度模型与算法

考虑到现实流水车间调度中设备具有恶化特性,针对作业处理时间是其开始时间的线性递增函数的流水车间调度问题,建立了最小化最大完成时间和总延迟时间的多目标优化模型;进而设计了一种基于分解的自适应多种群多目标遗传算法进行求解.该算法将多目标优化问题分解为多个单目标子问题,并分阶段地将这些子问题引入求解过程.在每次迭代时,根据种群在目标空间和解空间的分布情况,自适应地为当前求解的子问题分别构造子种群进行求解.通过对数值算例仿真实验,验证和分析了所提出的算法在解决该问题上能够获得较好质量和分布性的非支配解集.     

双目标优化问题的类电磁算法

为方便决策，双目标优化问题就是要从最优解集中求出一组分布均匀且数量多的Pareto最优解。针对这一特点，定义了种群的均匀度和序值，来度量种群中解的分布和质量，将双目标优化问题转化为以均匀度为目标函数，序值为约束条件的单目标优化问题；设计了双目标优化问题粒子的电荷和受力的计算公式，提出了一种新的类电磁算法求解问题。用标准的Benchmark函数进行了仿真实验，结果表明，新算法对双目标优化问题的求解是非常有效的。     

基于对位学习多目标遗传算法的板形板厚控制

提出了一种基于对位学习多目标遗传算法的板形板厚控制系统设计方法。该方法给出了控制系统的结构,建立了板形板厚控制器参数的多目标优化模型,并采用对位学习多目标遗传算法对该模型进行多目标优化,得到一组控制器参数的Pareto解。在其中选择三个Pareto解对应的控制器参数,作用于板形板厚控制系统做仿真研究。结果表明,所得到的Pareto解集中选定区域的解都可以使系统具有满意的性能,并且对扰动有较好的抑制作用,证实了该方法的有效性。     

多目标布谷鸟搜索算法

解决多目标优化问题,并得到精确的、高质量的Pareto前沿解是非常具有挑战性的。将CS算法运用于多目标问题解的迭代更新过程,对传统的基于Pareto支配关系的适应度函数进行了改进,并提出基于小生境技术的逐步档案缩减法用于档案解的缩减与维护过程,设计出了多目标布谷鸟搜索算法(MOCS)。通过仿真实验验证以及相关性能指标的测试结果得出,MOCS算法与经典的NSGAII算法相比,在所得解的收敛性、多样性和均匀性方面均有所改善。