大规模复杂决策问题求解的2+3模型及其分形性质

决策过程的任务是,选择一组互相联系的决策变量(决策行动、决策函数),在给定的环境条件或初始条件下,使一组互相冲突的要求得到某种意义上的满足。 研究决策方法的目的,是为了发现控制成功的复杂决策过程的一般规律,尤其是涉及开放的复杂巨系统的决策过程的一般规律,以便能够构造处理大规模复杂决策问题的决策支持系统。所谓开放的复杂巨系统,是指这样的系统:1)系统本身与系统周围的环境有物质的、能量的、和信息的交换;2)     

复杂群决策系统的研究纲领初探

现实生活中复杂群决策问题是普遍存在的,这是由群决策本身的内在属性决定的,不能单纯地认为简单群决策是复杂群决策的一种特例,而仍然沿用处理传统简单群决策的一些理论与方法。如果那样做,必然会降低决策效果。因此,很有必要深入探讨复杂群决策系统的特有决策模式与规律。鉴于此,本文尝试对复杂群决策系统的一些最新研究成果进行总结与梳理,并对复杂群决策系统的研究对象以及理论方法进行归纳分析。     

基于模糊神经网络的复杂产品研发决策评估

针对复杂产品研发决策评估系统的多维性、时变性特点，参照经典系统辨识的多输入、多输出模型结构原理，提出一种适用于复杂产品研发决策过程支持系统模型化、数字化、自动化、规范化而又具有实时性的多个并行时变模糊神经网络组合算法系统。通过对300组某系统研发过程实际获取与研讨结果数据组的应用实验证明，此种模型结构与算法切实可行，便于计算机实现。     

基于辩论的群体研讨建模与决策方法

研讨是支持群体共同求解复杂决策问题的有效工具, 其本质上是一种多人间的逻辑思辨与推理的过程. 本文借鉴人工智能领域中的辩论理论, 提出了一种基于辩论的群体研讨模型与决策方法. 首先对比分析了一般研讨流程与辩论过程, 揭示了群体研讨决策和辩论过程在机制和目的上的相似性; 然后引入Dung的抽象辩论框架, 建立了基于辩论的群体研讨系统框架, 并探讨了论据状态的推理机制和论据强度的概念, 并给出了几种典型的决策规则. 最后结合一个软启动产品设计方案优选案例对本文研究进行了验证, 结果表明, 采用基于辩论的群体研讨和决策方法有助于从认知角度来分析决策者的行为动机, 可用于解释决策者偏好形成或直接用于决策, 从而提高决策的科学性与有效性.     

基于E-GERTS模型的复杂任务成功性评估方法

在分析复杂任务特点的基础上,针对一般模型无法反映资源约束对任务过程的影响以及任务过程间的相关性问题,提出了E-GERTS模型及其计算机仿真算法。该模型通过添加决策型节点和决策函数,可根据当前资源和时间信息,对任务过程进行动态决策,确定后续任务节点的分支概率,从而有效地解决了这些问题。同时还给出复杂任务成功性评估的E-GERTS模型建立方法,最后给出了一个示例。     

系统科学视阈下的复杂群决策过程研究

本文首先研究了群体决策过程存在的复杂性,然后阐述了复杂适应系统、涌现等理论的内涵,分析复杂适应系统的涌现性和复杂群决策过程的涌现机理,再则基于系统思维来探讨了复杂群体决策的全过程,以期为复杂群决策理论与方法的研究提供一种新的理论研究视角。     

探索复杂性是发展系统学的重要途径

系统学作为系统科学的基础科学,关注系统演化、结构和功能的一般规律.近年来复杂性研究的发展表明,复杂系统的涌现性是系统学研究中的核心科学问题之一.复杂系统的涌现性通常是指系统通过个体之间的非线性相互作用,可以在宏观层次上出现新的时空结构和功能.通过对各个领域复杂系统宏观涌现行为的研究,抽象出具有普适性的一般规律,并把这样的一般规律用于具体系统的研究,是认识系统复杂性、发展系统学的基本途径.     

从系统演化到一般组织知识动力学分析

从一般系统演化的角度 ,根据软动力系统中的知识序原理讨论和分析了与一般组织整体行为相对应的知识信息状态演化规律 ,并对知识管理知识创新过程中的复杂相关性给出了动力学解释     

复杂群决策过程的跃迁与演化

随着决策环境的变化，决策过程具有明显的新特征，群体决策比个体决策具有更加独特的优势。本文首先阐述了元系统跃迁理论的内涵，然后探讨了复杂群决策的全过程及其构成要素，再则基于元系统跃迁理论研究了群决策过程跃迁演化机理，最后以重大工程决策为例详细分析了复杂群决策过程的跃迁与演化。实例分析结果表明，群决策过程的元系统跃迁研究视角具有较好的理论研究价值。     

基于行为的思维分析和DSS中信息组织方式的研究

一般非结构化的决策问题及其支持方式是近年国内外DSS发展面临的主要热点之一。本文从基于行为的思维分析角度为管理决策及计算机信息组织的改进, 提出了一套具有一定普适性的思路和实现途径, 通过将思维的行为因素和行为原则引入DSS系统, 把人这一重要而复杂的系统因素引入DSS系统设计, 为一般决策、群体决策、多原则决策等非结构化问题的决策支持提供一定的理论基础和实现手段。此外, 将矛盾作为系统运行的激励因素引入DSS系统, 这对于传统DSS设计中回避人的矛盾冲突的思想是一种新的突破。     

黄河刘盐八梯级水电站群短期运行方案研究

围绕梯级库群短期经济运行,本文首先通过对具体目标和模型的分析处理,研究了决策支持ＤＳＳ综合算法,该算法是大系统分解聚合、递阶协调的宏观方法与决策导向和ＰＯＡ具体处理方法的综合,其充分考虑了决策者在决策过程中的主导地位。结合刘盐八梯级水电站群进行了初步应用,其结果还令人满意     

梯级水库联合运行水位控制方式研究

梯级水库联合运行的水库水位控制方式是充分发挥梯级水库综合经济效益的重要课题,尤其是对具有较强调节能力的大型梯级水库,联合运行的梯级水库蓄水水位,消落水位控制方式的合理性和有效性决定了梯级电站综合效益的好坏.本文以雅砻江下游梯级水库为例,建立了梯级水库群优化调度模型,提出并采用二重逐步优化计算方法,探讨了蓄水起始时间,最低运行水位的确定等水位控制方式中的两个关键性问题,并以该成果为基础,得到了不同来水频率下的优化水库水位控制方式,所得结论可为雅砻江下游梯级水库实际运行中调度方案的制定提供参考.     

基于并行云变异蛙跳算法的梯级水库优化调度研究

本文针对混合蛙跳算法(shuffled frog leaping algorithm,SFLA)早熟收敛的问题,将云模型算法融合于SFLA算法中,形成一种云变异蛙跳算法(normal cloud mutation SFLA,NCM-SFLA),弥补混合蛙跳算法后期容易陷入局部最优的不足.同时利用算法易于并行的特点,在多核环境下基于.NET4的并行拓展库(parallel extensions)进行算法的并行优化.将其应用于梯级水库优化调度中,实例计算表明,与多维动态规划算法(MDP)相比,NCM-SFLA方法具有更好的全局寻优能力和较快的收敛速度,在现有的计算条件下该并行算法能有效缩短程序运行时间,求解梯级水库优化调度问题是合理、有效的.     

梯级水库短期发电优化调度的协进化粒子群算法应用研究

针对传统优化算法在求解高维、复杂的梯级水库短期发电优化调度时多约束条件难以处理、 计算机时长、易陷入局部最优解等缺陷, 提出了基于协进化的粒子群优化算法, 并建立了相应罚因子的评价机制, 在此基础上对协进化粒子群优化算法进行了改进. 通过实际算例验证了该方法的合理性和可靠性, 从而为高维、复杂梯级水库发电优化调度提供了一种新的求解途径.     

基于免疫蛙跳算法的梯级水库群优化调度

针对混洗蛙跳算法存在的问题,结合克隆选择算法和混洗蛙跳算法各自优势,提出了一种免疫蛙跳算法(ISFLA),并将其应用于梯级水库群优化调度中. ISFLA将克隆选择算法嵌入到混洗蛙跳算法框架中,对整个群体循环进行分组进化与混合,在混合之后构造子群体执行克隆选择操作, 以提高算法的局部搜索能力.通过实际工程验证了该算法的可行性与高效性,从而为梯级水库群发电调度问题的求解提供了一种新的途径.     

基于均匀自组织映射遗传算法的梯级水库优化调度

针对遗传算法中初始解分布不均以及易早熟等问题,采用均匀设计方法来生成均匀分布的初始解以及自组织映射算法通过高低维空间映射来改变个体基因从而增强局部搜索能力,提出了均匀自组织映射遗传算法,弥补了传统遗传算法中初始解的生成过于随机以及进化过程中易陷入局部解的不足,并将此改进算法在梯级水库的长期优化调度中进行了应用.通过实例计算表明,与遗传算法以及标准粒子群算法相比,此方法拥有更好的全局寻优能力,与动态规划算法结果相近,并且有着较快的计算速度,从而验证了此方法用于处理梯级水库的长期优化调度问题的可行性与合理性.     

用大系统分析方法解决梯级水电站群调度问题的新途径

梯级水电站水库群的调度方案,是梯级水电站群效益发挥好坏的关键问题之一。为了满足实际运行的需要,本文拟采用大系统分析技术来绘制梯级水电站水库群的调度图,以便于应用。最后,以安康和石泉水库调度为例进行验证,其软件运行结果令人满意。     

基于改进人工鱼群算法的梯级水库群优化调度

分析了人工鱼群算法存在的问题, 提出一种改进人工鱼群算法, 并将其用于梯级水库群的优化调度. 其改进思想是采用动态调整人工鱼视野和步长的方法, 较好地平衡了人工鱼群算法的全局搜索能力和局部搜索能力的矛盾; 在此基础上, 针对算法局部更新策略引起的更新操作前后个体空间位置变化较大, 降低收敛速度这一问题, 在局部更新时采用了阈值选择的策略. 通过实例验证了该改进算法的有效性, 并对改进算法的阈值参数进行了率定.     

混合电力系统的短期预报和最优调度

应用ＢＰ型神经网络,对水火混和电力系统中的负荷和水库独立来水进行短期预报;应用大系统最优化理论中的关联预估方法,针对大规模水火混合电力系统的最优经济调度问题,构造出一个新的多级算法,该算法结构清晰,具有很好的收敛性。     

自适应逐次逼近遗传算法及其在水库群长期调度中的应用

传统遗传算法的解空间均为可行解, 经过遗传操作产生的新个体若为不可行解, 则需要对其进行修正. 但在梯级水库调度中, 由于各时段间、 水库间存在的水力电力联系, 使这种修正变得复杂困难. 鉴于此, 本文提出了自适应逐次逼近遗传算法(AGASA), 它可在包含不可行解的空间中寻优, 并根据寻优结果自动调整搜索空间与控制参数, 从而逐渐逼近最优解. 最后通过一个算例, 并与离散微分动态规划法(DDDP), 逐步优化法(POA)的优化结果进行比较, 说明了该方法的可行性与有效性.