基于生态捕食模型的多目标优化问题求解算法

根据种群生态学中的捕食模型，将多个目标的权值对应到生态系统的种群规模，利用生态捕食模型的动态周期性变化特性，提出了一种新的进化多目标优化算法．该算法通过生态捕食模型来动态调整各个目标的权值，无需人为指定，从而减少了对问题知识的依赖，快速找到非劣解集．文中给出了权值调整策略的参数选择标准，并选择几个比较困难的多目标函数优化问题做了实验．实验结果表明了新方法的有效性．     

减小集总式水文模型洪峰相位差的方法

采用集总式NAM水文模型模拟五道沟水文站以上集水区域的流量过程，选取1985—2010年洪峰流量最大的前9场洪水率定模型参数。模拟结果表明，洪峰存在系统性的相位提前，且调整模型参数的方式无法减小洪峰相位差。为获得合理的模拟结果，提出2种改进模型——错位加权生成面雨量的集总式NAM水文模型和同时刻加权生成面雨量的基于子流域的NAM水文模型。2种改进方法计算结果表明，峰值相位差减小，确定性系数和合格率提高。     

多目标规划非劣解集图解直接生成法及其应用

本文指出了非劣解集是多目标规划的关键.从理论分析的角度研究了非劣解的直接生成问题,将非劣解集图解直接生成法理论化,使之发展与完善;并探讨了将其推广到非线性问题的可能性.对一个综合利用水库建立了多目标参数优选模型,并用图解直接生成法及最佳协调解作了分析.     

随机GP法在概念性水文模型参数优选中的应用

 在基于近似梯度及模式搜索法的基础上,提出了复合上述两种方法的GP局部优化方法。以Nash确定性系数为目标函数,对水文模型的参数空间随机搜索后采用GP方法优化,运用参数空间筛选策略,以获得全局最优解集。上述方法结合导数信息和随机性质的算法,使优化过程脱离局部极小解从而达到近似全局最优解集。杨楼单元流域应用新安江模型的实例研究结果表明,随机的GP优化方法可以成功的率定概念性水文模型参数。     

多组对策系统非劣Nash策略的功效系数算法

引进多组对策系统组内部合作对策非劣解的线性型功效系数方法,证明最优解是组内部隐含某一权重向量的合作对策的非劣解,由此得到合作对策的单目标规划问题.在组内部该问题的解不仅是非劣的,而且对于所有局中人都优于不合作时的Nash平衡策略.利用组与组之间的非劣反应集,构造求解非劣Nash策略的迭代算法.该算法在保留文献[3]优点的前提下,克服其缺点,得到的解优于文献[3]对应的解.最后,用实例验证了该算法的有效性和正确性,所得结论丰富了多组对策问题的内容.     

水利水电工程综合效益数学模型研究

本文根据水利水电工程综合效益的特点，在各目标相互影响关系分析的基础上，从系统分析的角度出发．建立了研究综合效益的多目标动态模拟组合模型(MODSMM)．该模型能模拟水利水电工程实际运行过程，统一计算并多重优化工程综合效益，最终可提供工程在不同规模不同综合利用调度策略下的一组综合效益非劣解．应用结果表明，本模型具有良好的仿真性和通用性，它比以往单独计算工程各目标效益的常规方法都有了本质的改进．     

水文模型参数优选中率定与校核目标函数的关系研究

在水文模型参数优选过程中,通常很难找到一组参数值使得率定阶段和校核阶段的径流模拟误差同时达到最小,为此,我们需要采用基于Pareto关系的多目标优化方法来寻求Pareto最优解的集合.本文采用一种基于马尔可夫链蒙特卡洛（MCMC）方法的多目标优化方法来搜寻水文模型参数优选问题中Pareto解集,并以三水源新安江模型为例,给出了由率定阶段的目标函数和校核阶段的目标函数所构成的Pareto锋面.结果证明,率定阶段和校核阶段的目标函数是相互冲突的,不可能同时取最小值,由于这种Pareto关系的存在,使得我们在选择水文模型的全局最优参数值时存在很大的不确定性.因此,如何减少这种不确定性是水文模型研究中一个很重要的问题.     

一种改进的逐步进行法

对线性多目标决策问题提出了与逐步进行法（ＳＴＥＭ）不同的交互方法。讨论了如何在每一步提供给决策者一个非劣解进行交互以及决策者对当前非劣解不满意时，可直接提出要求改进某个目标，这样的交互方式相当于每一步加上一个割平面。最后用算例说明了改进的逐步进行法的有效性。     

多目标优化在路面养护决策中的应用

路面养护决策时需要将道路使用者不同的效益换算为费用进行寿命周期费用分析,这样的换算过程不仅不合理,而且还存在很大的任意性和不确定性、文中通过建立路网中某一路段在分析期内所需投入养护资金最小和所获取用户效益最大的多个目标的优化模型,对项目在整个分析期的养护计划和养护资金需求的问题进行了研究．模型求解时利用多目标优化中Pareto最优解和非劣解（noninferior solutions）的概念,并利用遗传算法,求得优化模型解．通过对实例计算分析,验证了模型的有效性．     

两层多目标集值优化问题的最优性条件

在集值分析的框架下,针对上、下层均为多目标且上层问题的集值函数是由下层问题的有效前沿隐性确定的这类两层多目标优化问题,建立了一个通用性结构化模型．研究了模型中构成函数的伴随导数、锥凸性、锥单调性和上局部Ｌｉｐｓｃｈｉｔｚ性．利用参数规划、非光滑分析和非线性分析的理论和方法,获得了模型锥有效解存在的最优必要条件和充分条件     

基于多目标优化的超盒粒计算分类算法

粒的数量和分类错误率是粒计算互相冲突的两个目标,同时最小化这两个目标是不可能的.针对此,构造了多目标优化问题,分别建立分类超盒粒数量和训练错误率两个目标,通过多目标演化算法对该多目标优化问题进行求解,从而产生一系列分类超盒粒集.随机产生初始种群,多目标演化算法通过利用演化操作和反复迭代的方法,得到供用户选取不同性能的解集.     

基于GLUE方法的流域水文模型的不确定性分析

以东江流域中的星丰流域为研究对象,采用GLUE方法探讨了TOPMODEL模型在水文预报中的不确定性.研究结果表明,模型中的参数m、T0和RV较为敏感,它们的微小改变都将影响模拟结果,而参数SR0不太敏感.从两场次洪水的流量过程线可看出,模拟得到的流量过程线的上、下边界并不能完全包含实测流量过程线,总有一些实测流量落在90%的置信区间之外,说明TOPMODEL模型并不能完全模拟出该流域的流量过程,这正是由于模型的不确定性而引起的.     

基于黎曼度量的最小二乘支持向量机模型选择

针对最小二乘支持向量机(LS-SVM)模型选择效果不稳定、易于过学习的问题,提出了一种基于黎曼度量的模型选择方法.首先,基于信息几何理论,证明了LS-SVM模型泛化能力受样本点二阶协变张量的影响;其次,进一步证明了同时最小化所有样本点的黎曼度量之和与权重向量的L2范数即可提高模型泛化能力;在此基础上,将LS-SVM模型选择转换为一个多目标优化问题,引入多目标粒子群算法选取最优超参数.采用仿真与真实UCI数据集对所提方法进行了对比实验,结果表明,与传统LS-SVM与基于留一法模型选择的LS-SVM相比,所提方法可以取得更小的泛化误差,同时数值稳定性更好.     

结合Kriging与改进NSGA-Ⅱ的RV减速器优化

将体积、扭转刚度和传动效率作为优化目标,构建了RV减速器的多目标优化模型.为提高设计效率并节省计算开销,结合NXOpen C++与Abaqus Python二次开发技术,建立了部分扭转刚度的Kriging代理模型.为解决多目标混合整数非线性规划问题,提出了MP-NSGA-Ⅱ(mixed population-NSGA-Ⅱ)算法,改进了离散变量的编码方案.利用PySide2开发了一体化结构RV减速器设计软件,并分析了优化目标间的耦合关系.将熵权法选优后的结构参数与BAJ-25E比较,验证了该方法的有效性.     

基于多规则资源分配的柔性作业车间调度问题多目标集成优化方法

针对柔性作业车间调度问题中多种资源分配的复杂特性,建立了以最小完工时间、最优人工分配方案、设备最大负荷以及最小生产成本为目标的集成优化模型,并设计了一种具有多重资源约束的多目标集成优化方法;针对组合模型的爆炸性特征,为降低模型的复杂度,采用多规则资源分配的集成调度思想,通过调整规则概率使概率大的规则被优先选中,使用多规则导向机制"推动"搜索过程向指定目标方向移动,并结合动态规划法求解最优人员分配方案;采用改进的非支配排序遗传算法——NSGAⅡ可以获得不同规则概率值的Pareto解集;最后,通过仿真对比与应用验证了所提方法的有效性.     

基于运动试验平台的MOEA/D改进洗出算法仿真及试验

洗出算法参数的调整很大程度上影响其性能,针对目前经典洗出算法应用于飞行模拟器时参数调整的不足,提出一种基于MOEA/D多目标优化的改进洗出算法。将人体感知误差、洗出位移、模拟加速度误差作为优化目标,以运动空间为限制条件,采用基于分解的多目标优化算法对洗出算法参数进行同步寻优,并利用模糊隶属度函数得到最优解。为验证其有效性,建立飞行模拟器运动试验平台,将采用不同优化方法的洗出算法应用其中进行对比分析。仿真及试验结果表明,改进洗出算法归位反应时间最短,相位延迟降低3.5 s,稳定性提高30%,且修正了感觉峰值,优化了54.6%的工作空间,实现了模拟器在模拟极限运动时有足够的运动空间和更高的动感逼真度。     

基于遗传算法的静电反馈式微传感器多目标优化

讨论了一种新型梳齿式静电反馈微加速度计的多目标参数优化问题，从耦合静电场能量关系出发，建立了系统的动态模型．在此基础上，以灵敏度、分辨率和动态响应为优化目标，通过目标规划法，构建了系统的多目标优化模型．利用遗传算法进行优化求解，并与序列二次规划法的优化解进行了对比分析，研究结果表明，这2种算法均能成功地求解优化问题，但遗传算法可得到设计者更为满意的多目标有效解．研究工作为进一步利用遗传算法的随机性和潜在并行性进行系统的Pareto多目标优化提供了基础．     

模糊数学在新安江模型参数自动优选中的应用

本文对新安江模型参数及模拟误差作了一系列变换,在现有目标函数分析的基础上,用模糊数学的概念设定了模糊目标函数.同时,本文还用Powell无约束方法对模型中敏感的参数作了自动优选,结果唯一性很好,初值影响很小.     

基于Pareto解的交互式模糊优化及其应用

设计参数内关外联的属性和设计约束的模糊性、相关性和传播性往往导致多目标优化设计中冲突发生和目标间协调性差等现象。针对这些问题,应用模糊数学原理,构造尺度函数,增加附加约束,并基于Pareto解处的冲突矩阵、协同灵敏度分析以及目标重要度阈值的交互选择,建立了基于Pareto解的模糊交互式多目标优化模型。结果表明:提出的模型在兼顾主、客观要求的前提下,可降低目标之间的冲突程度,得到最大的满意度。以实例验证了模型的有效可行性。