鲁棒凸多目标优化问题解集的刻画

针对一类数据不确定的鲁棒凸多目标优化问题,提出了它在一般不确定集下的鲁棒对应形式;利用标量化方法将鲁棒多目标对应形式转化为鲁棒单目标凸优化问题,建立两者解集之间的联系;并得到了标量化鲁棒解的乘子刻画,及该标量化问题在其鲁棒解集上的一般化的常微分性质和常拉格朗日性质;最后通过前面的性质得到了鲁棒凸多目标优化问题的鲁棒G-真有效解集的刻画并加以证明.     

一类鲁棒多目标优化问题的标量化性质

【目的】对多目标优化问题的鲁棒有效解和鲁棒弱有效解的一些性质进行研究。【方法】对鲁棒标量化问题的最优解与多目标优化问题的鲁棒有效解与鲁棒弱有效解之间的关系进行研究,建立了鲁棒弱有效解的一些充分与必要条件,鲁棒有效解的一个充分条件。对提出的鲁棒标量化问题与两类经典的鲁棒标量化问题最优解之间的关系进行讨论,并利用具体例子对主要结果进行解释。【结果】将确定性多目标优化问题的标量化模型推广到鲁棒情形,提出了一类新的鲁棒标量化问题。【结论】所得的结果是对最近一些研究工作的改进与推广。     

一类鲁棒凸优化的Mond-Weir型逼近对偶性

通过引入一类含有不确定信息的凸约束优化问题, 先借助鲁棒优化方法, 建立该不确定凸约束优化问题的Mond Weir型鲁棒逼近对偶问题, 再借助一类广义鲁棒逼近KKT条件, 刻画该不确定凸约束优化问题与其Mond Weir型鲁棒逼近对偶问题之间的逼近对偶性关系.     

一类鲁棒多目标优化问题的标量化性质

【目的】对多目标优化问题的鲁棒有效解和鲁棒弱有效解的一些性质进行研究。【方法】对鲁棒标量化问题的最优解与多目标优化问题的鲁棒有效解与鲁棒弱有效解之间的关系进行研究,建立了鲁棒弱有效解的一些充分与必要条件,鲁棒有效解的一个充分条件。对提出的鲁棒标量化问题与两类经典的鲁棒标量化问题最优解之间的关系进行讨论,并利用具体例子对主要结果进行解释。【结果】将确定性多目标优化问题的标量化模型推广到鲁棒情形,提出了一类新的鲁棒标量化问题。【结论】所得的结果是对最近一些研究工作的改进与推广。
     

不确定多目标优化的鲁棒解及强弱Kuhn-Tucker条件

【目的】对不确定多目标优化问题的鲁棒解及相关性质进行讨论。【方法】基于Burachik定义的两个正则条件,提出两个新的正则条件,即鲁棒性正则条件,进而利用新正则条件对不确定多目标优化问题的鲁棒解进行研究。【结果】建立了该问题鲁棒有效解的弱Kuhn-Tucker必要条件和真鲁棒有效解的强Kuhn-Tucker必要条件。【结论】所得的主要结果是对最近一些研究工作的改进和推广。     

鲁棒多目标规划近似拟弱有效解的最优性条件和鞍点定理

利用分析的方法, 通过引入(f,g)-Ⅰ型和(f,g)-伪拟Ⅰ型广义凸性的概念, 研究一类多目标规划的鲁棒近似解问题, 得到了鲁棒多目标规划问题的近似拟弱有效解的最优性条件和鞍点定理.     

一种工程结构的鲁棒优化设计方法

在结构优化的过程中结合鲁棒设计的思想，考虑了不确定因素的影响，在取得目标的最优解的同时，使该目标在可行区域内对变量的变化不敏感。针对目标函数及约束函数的鲁棒性，将工程结构鲁棒优化问题描述成双目标优化问题，采用带权无穷范数理想点法求解该双目标鲁棒优化问题的Pareto最优解。两杆支架的设计结果表明，鲁棒优化设计的结构不仅具有更高的质量，且在设计时具有很强的灵活性。     

不确定平方和凸多项式优化的SDP松弛与鲁棒鞍点刻画

考虑一类带不确定参数的平方和凸多项式优化问题.首先,借助鲁棒优化方法给出该不确定平方和凸多项式优化问题的鲁棒对等优化模型;然后,借助一类鲁棒型特征锥约束规格,建立该优化问题的精确半正定规划(SDP)松弛问题;最后,引入该不确定平方和凸多项式优化问题的Langrange函数,并借助平方和条件给出该不确定平方和凸多项式优化问题的鲁棒鞍点定理.     

一类不确定优化问题的鲁棒对偶性刻画

通过引入一类目标函数和约束条件均带有不确定信息的优化问题, 借助鲁棒型次微分约束品性, 刻画了该不确定优化问题与其不确定对偶问题之间的Mond-Weir型鲁棒对偶性, 即原问题的鲁棒对应与其对偶问题的最优对应之间的对偶性.     

非凸半无限多目标规划近似解的最优性条件

针对一类非凸半无限多目标规划问题,建立了其近似解的最优性条件。 借助切向次微分定义了 新的正则条件以及广义不变凸函数,值得注意的是,涉及的函数并不需要满足局部 Lipschitz 条件。 首先,给 出半无限多目标规划问题的(η,ε)-拟弱有效解和(η,ε)-拟有效解的定义,在正则条件的假设下,获得(η, ε)-拟弱有效解的必要最优性条件;然后,在广义不变凸性假设下,获得(η,ε)-拟(弱)有效解的充分最优性 条件;所得结果推广和改进了相关文献的主要结论。     

两连杆桁架设计的多目标优化算法

针对两连杆桁架的多目标最优化设计问题,提出一种利用遗传算法和模糊理论来求解多目标优化问题的Pareto最优解算法,并通过实验进行验证;讨论遗传算法和模糊理论产生Pareto最优解的差异.结果显示:通过遗传算法配合近似分析的方法可以更有效率地寻找到更多的Pareto最优解.     

基于网络响应面的多目标优化方法

为提高多目标优化算法的收敛性以及Pareto解的分布均匀性,构建了基于网络响应面的多目标优化方法.将前馈（BP）网络以及自适应共振（ART）网络的优点相结合,充分利用各子目标每1次独立优化时获得的最优解,并将其作非占优判断后作为初始样本自适应地构建网络响应面,从而提高了Pareto解的收敛性以及多样性指标.对网络获得的每个新类进行各子目标值计算,同时对该子目标值做相似度计算,进一步剔除相似度高的样本,从而提高了Pareto解的分布性指标.通过常用的多目标优化测试函数验证该方法,并与改进的非支配排序遗传算法（NSGA-Ⅱ）以及随机权和算法作对比,结果表明该方法能明显改善多目标优化方法的各性能指标.     

基于粒子群算法的不确定动态多目标优化方法研究

当前不确定动态多目标优化方法通常将多目标问题转换成单目标问题,将其它目标看作约束条件,仅可得到单个解,无法有效体现不确定多目标之间的关系,导致得到的解质量低。为此,提出一种新的基于粒子群算法的不确定动态多目标优化方法,给出不确定动态多目标优化问题的数学描述,介绍了粒子群算法,针对粒子群算法容易陷入局部最优的弊端,引入动态变异算子对其进行改进,通过改进的位置更新公式实现粒子群算法位置的自适应更新,给出解决不确定多目标优化问题的详细过程,在此基础上,通过分段线性函数参数化实现不确定动态多目标优化。实验结果表明,所提方法搜索能力强,采用所提方法得到的解与真实解最相近,质量最高。     

基于物理规划的弹道多目标优化

针对加权系数法求解弹道多目标优化问题时不能获取非凸Pareto非劣解,并且主观依赖性严重,难以选取合适的权值的问题,将物理规划引入弹道多目标优化中,建立了基于物理规划的弹道多目标优化模型,详细分析了基于物理规划的弹道多目标优化方法的求解流程,指出了该方法的优点. 最后分别采用加权系数法、最优控制方法以及本文所提方法进行拉平段弹道多目标优化. 优化结果对比研究表明,物理规划法效率更高,结果更好,对初值不敏感,鲁棒性更强,并且有利于获得非凸Pareto非劣解,从而体现了所提方法较强的工程实用价值.      

基于分布式神经动力学算法的微电网多目标优化

针对微电网多目标优化计算量较大的问题,提出了一种考虑需求响应的微电网分布式神经动力学优化算法.首先,考虑平均效率函数、微电网的排放、需求响应引起的不满意度以及总利润函数等因素建立多目标优化模型.其次,应用单目标积公式将多目标优化问题转换为单目标优化问题,并证明了最优解是原始多目标问题的帕累托最优点.再次,使用对数障碍物惩罚因子处理不等式约束,利用Lasalle的不变性原理和Lyapunov函数证明所提出的算法可以收敛到最优解.最后,通过仿真验证了本文算法可以在保证优化精度与收敛性条件下,大大降低计算成本.     

一类特殊的动态多目标优化问题及其进化算法

给出了一类定义在离散时间(环境)空间上、自变量的维数随环境可发生改变的一类动态多目标优化问题(DDMOP)的新解法.该方法把DDMOP转化成了两个目标的动态多目标优化问题,在一种环境变化判断规则下提出了解DDMOP的一种新进化算法(DDMOEA).计算机仿真表明,新算法能有效跟踪并求出DDMOP在不同环境下数量较多、质量较好且分布均匀的Pareto最优解.     

一种多项指标全提升的多目标优化演化算法

针对当前大部分多目标优化演化算法设计复杂、耗时巨大,以及取得的近似Pareto前沿点不够多、分布不均匀、覆盖不完整等问题,提出了一种新的基于粒子群和几何Pareto选择算法的多目标优化PSGPS算法.经过5个测试问题的实验结果表明:该算法使用较低的时间消耗,就能在前沿点个数、前沿点分布均匀性、覆盖完整度等性能指标上都优于当前流行的NSGA2,SPEA2和PESA等多目标优化演化算法.     

向量多项式优化问题的数值方法

向量多项式优化问题中的目标函数和约束条件都是由多项式描述的.先将多目标多项式函数分别通过主要目标法、线性加权和法和理想点法等转化为单目标多项式函数,再利用Lasserre松弛方法求解该多项式优化问题,从而得到原向量多项式优化问题的弱有效解或有效解.数值实验结果表明该数值方法是有效的.     

最佳觅食算法求解多目标混合流水车间调度问题

针对生产车间中需要同时考虑减少生产时间、确保加工质量以及通过减少能耗而降低生产费用的需求,建立以完工时间、空闲时间、加工质量和机器能耗为目标的多目标混合流水车间调度模型,提出一种基于直觉模糊集相似度的最佳觅食算法.为有效求解此问题,提出基于Largest Order Value规则的双层整数编码方式,在机器层编码部分采用权重法来计算机器的选择概率.针对多目标优化,提出直觉模糊集相似度的解比较策略,采用直觉模糊集相似度的大小衡量Pareto解与理想解的相似程度,判断Pareto解的优劣.通过测试实例和实际案例,验证本算法求解多目标混合流水车间调度问题的有效性和可行性.