多目标决策的逼近方法（Ⅰ）：理论分析

本文将函数序列的ｖ－收敛性（ｖａｒｉａｔｉｏｎａｌｃｏｎｖｅｒｇｅｎｃｅ）推广到向量值函数，在ｖ－收敛性的条件下得到了给定的多目标决策问题的近似弱有效解集的下半连续性并给出了若干容易验证的充分条件．在一致收敛性和不变凸性（ｉｎｖｅｘｉｔｙ）的条件下得到了近似有效解集的连续性．作为本文一般性结果的应用，得到了求解多目标ｍｉｎｉｍａｘ（最小最大）问题的一种有效的逼近方法：极大熵方法的收敛性质．     

一类复合不可微优化问题的解法及其应用

本文对一类复合不可微优化给出了一个算法模型并在较弱的条件下得到了其全局收敛性。以此为依据，我们构造了模型的几类具体特例，从而得到了实现的几类算法。利用本文算法，我们可得到注解一类不可微多目标决策问题的各种标量化方法。     

模糊多目标资源受限项目调度问题的优化方法

设计了一种求解模糊多目标资源受限项目调度问题的遗传局域搜索（GLS）算法,目标是生成近似有效解集以便决策者在决策过程中有更多的选择．算法利用线性加权效用函数将多目标组合优化问题转换为单目标组合优化问题,通过系统的方法生成目标权系数向量,对于每次生成的权系数向量,调用GLS算法求解以极小化效用函数为单一目标的子问题,由此生成的近似有效解集更加具有多样性．实验结果表明：本文算法可以针对多目标资源受限项目调度问题生成较好质量的近似有效解集,在多数指标上优于其它两种对照算法．     

基于多指标精英个体博弈机制的多目标优化算法

为了改善多目标优化算法的收敛性与优化解集的多样性，缓解种群在目标空间中的坍缩，提出一种基于多指标精英个体博弈机制的多目标优化算法。利用Pareto支配关系与多指标综合筛选精英个体。将带有K-means聚类的精英个体博弈机制与交叉变异策略融合，有效提升了算法的收敛性与多样性。对算法进行了详细的收敛性分析，证明了算法的收敛性。将8个代表性的比较算法在标准测试函数上进行解集指标对比并解决实际水泵调度问题，本文算法在收敛性与多样性上优于或持平其他比较算法，验证了本文算法的有效性，在一定程度上减小了种群在目标空间中坍缩的概率。     

基于分解技术的动态多目标引力搜索算法

为有效求解动态多目标问题,提出一种基于分解技术的动态多目标引力搜索算法.首先为在环境变化前,得到解集分布性和收敛性都较好的非支配解集,采用基于分解技术的静态多目标引力搜索算法求解环境变化前的静态多目标问题;当环境变化后,根据相邻子种群最优解的相似性与同一权重向量对应子种群最优解的相似性,提出一种新的对最优解的预测模型,以缩小环境变化后各子问题的搜索空间,提高算法的求解效率.最后与目前较先进的静态多目标算法和预测策略在四个测试问题上进行比较,实验结果表明,当待优化问题随时间变化时,本文方法能够取得收敛精度更高、解集分布性更好的最优解集.     

一种求解多目标决策问题的交互式改善方向法

本文基于改善方向建立了求解多目标决策问题的非劣势解的改善方向法，进而提出了考虑决策偏好结构的交互式改善方向法，并且证明了方法的收敛性，验证了方法的有效性。     

基于差分进化邻域自适应的大规模多目标算法

对于大规模决策变量给求解大规模多目标优化问题带来的难以收敛及解集分布不均匀问题,通过分析变量特征将其分类再分别优化是当前较为有效的求解方法,但存在变量分类不够准确、变量处理不够有针对性等不足。对此,提出一种基于差分进化邻域自适应策略的大规模多目标优化算法。首先,通过分析扰动解的支配关系将混合变量分为多样性变量和收敛性变量,使变量分类更为准确。其次,通过对收敛性变量主成分分析降噪,降低计算成本,并设计种群的交替进化策略及差分进化的邻域自适应更新操作以提升种群进化过程中的收敛性。实验结果表明,所提算法在收敛速度和解集的分布均匀性上表现出良好的性能。     

多目标决策的迭代协调交互满意方法

本文在假定决策者的局部偏好结构为线性加权形式但权数未知的条件下,利用极大化极小规则,建立了一种多目标决策方法——迭代协调交互满意方法。通过迭代求得协调解,通过交互求得满意解。本文证明了算法的收敛性,并给出了决策者的最佳协调解、最佳协调权及最佳目标平均满足度等概念及其求法。最后通过数值例示说明了方法的可行性及适用性。     

基于目标满意度的交互式多目标决策改进方法

以目标满意度函数为基础，以欧式距离构造系统总体协调度函数，提出一种改进的交互式多目标决策方法。该方法不但能充分体现决策者的主观愿望并实现决策者与系统间的信息交换，而且避免了在多目标向单目标转换时各单项目标或各目标满意度权重系数经验给定的不足。应用分析表明该方法有效可行，便于实际操作。     

两个双目标竞争选址问题模型

研究了多目标竞争选址问题,建立了市场份额最大、费用最小和利润最大、利润率也最大的两类双目标竞争选址模型.探讨了模型的性质与相互关系,并利用多目标优化技术将这两类双目标模型转化为同一类型的单目标参数整数规划问题求解,给出有效解集的精确求解方法和近似求解方法,并通过数值例子说明求解方法.     

多目标模糊决策的Vague集方法

对模糊条件下的多目标决策问题,采用Vague集方法进行处理,提出三种目标选择方法:记分函数法、加权记分函数法和距离法.对已有的Vague集方法进行了分析与联系,并通过例子阐明本文方法的有效性和优越性.     

区域经济—资源—环境（Ec—R—EV）复合系统结构及其协调分析

本文对区域Ｅｃ－Ｒ－Ｅｖ复合系统的协调机理作了深入的分析，定量描述了Ｅｖ－Ｒ－Ｅｖ复合系统的静态协调度及动态协调度。在空间结构定义的基础上，引入了行为矩阵的概念，并提出了一种基于行为矩阵的静态协调管理方法。     

损毁情景下应急设施选址的多目标决策方法

应急设施选址问题是应急管理中的重要问题,设施的长期战略性地位,促使决策者在进行选址决策时关注多种目标.在一定的经济投入条件下,本文首先提出了决策者制定设施选址方案时的目标原则,构建以时效性、均衡性和鲁棒性为核心的评价体系,进而建立了应急设施选址的多目标优化模型,用覆盖为目标的救援总时间反映时效性,最大救援半径反映均衡性,以及设施损毁情景下额外增加的救援变更时间反映鲁棒性,用三个目标函数组成的三元组刻画选址决策的目标向量,理想点是一个三元向量,每一个分量值表示只以这个分量目标函数求解得到的最优值,提出了基于理想点的目标扰动最小化模型,并采用遗传算法设计求解方法,通过算例分析了模型和算法的有效性,说明本文提出的模型与算法在解决应急设施选址决策方面具有一定的应用价值.     

战役后勤基地(兵站)单位优化配置遗传算法设计

在战役后勤基地(兵站)配置位置确定的条件下,对单位配置的军事规则进行了量化描述,建立了合乎配置问题实际的目标函数,进而形成对应于遗传算法的适应度函数;建立了战役后勤部署单位优化配置的遗传算法模型,其简化的模型已在某战役后勤部署辅助决策支持系统中得到初步应用,取得了良好的配置效果,得到了军事专家的肯定。     

一类分散多目标决策问题的模型及交互式决策方法

本文建立了一类适用范围更广泛的分散多目标决策问题的模型，基于该多目标问题的非劣解与加权增广切比雪夫范数优化问题的解之间的关系，提出了一种求解它的交互式决策方法，了求解加权增广切比雪夫范数优化问题的随机全局优化方法，示例的仿真结果表明该决策方法是实用有效的。     

多目标优化与决策中的相对有效性理论

就多目标优化与决策问题，本文提出了一种解的新概念──—相对有效性和弱相对有效性，并讨论了它们与Ｐａｒｅｔｏ有效性之间的关系，给出了相对有效性的几何意义与经济解释及相对有效解的存在性定理，根据这一新概念，设计了一种多目标决策分析方法──—相对有效性决策法（ＲＥＤ）。最后演示了ＲＥＤ方法的数值例示，并从实际应用结果中得到了若干启示。     

基于投影滤波的突发事件危险源位置估计问题研究

针对确定突发事件中危险源的位置估计问题,提出一种基于hermit基函数的投影滤波方法.通过将其概率解投影到指定状态空间中,通过投影空间中的艾尔米特基函数构造出近似解,即状态的先验概率密度函数,最后由贝叶斯估计得到状态的后验概率密度函数,给出算法的收敛性和计算复杂度分析.仿真实验证明投影滤波方法有效减少滤波估计中所需的计算量,并提高了估计精度.     

精选－优化辅助变量法对于闭环参数估计的收敛性

本文用连带微分方程（ＯＤＥ）方法分析了精选－优化辅助变量法对于闭环系统的参数估计的收敛特性，给出了收敛性的条件。这样就为用该辨识算法实现有效自适应控制系统设计提供了理论依据。     

一种基于权重修正的多目标决策方法

研究了目标优先级无法凭经验确定条件下多目标决策问题, 提出了一种合理选择权重的方法。该方法以线性加权法为基础, 通过引入能量函数概念来模拟决策过程, 导出了非劣解演化方程和权重学习规则, 并结合算例进行了实例分析, 结果表明了该方法具有一定的实用价值。     

一种有限方案多目标群决策方法

本文提出一种有限方案多目标群决策方法，用多维偏好分析的线性规划方法分析各决策人对各方案的偏好，经集结确定群体的偏好及对方案的排序。编制了方法的算法软件并在微型机上进行了案例仿真分析计算，得到了满意的结果。