分布式降雨径流模型率定的多目标分析方法

利用多目标方法，对自主研制的具有物理基础的分布式降雨径流模型进行了参数的多目标分析和模型有效性探讨．通过对参数的敏感性分析，确定糙率系数和土壤饱和水力传导率为率定的主要参数，选择效率系数、模拟洪峰的相对误差和洪峰达到时间的绝对误差为目标函数．在模型率定过程中，首先利用多目标最优化方法获得模型参数的非劣解集，然后又利用离散型协调规划从非劣解集中选出满意的模型参数，最后通过对非劣解集模拟的过程线的范围及形状的分析，对模型的有效性进行了评价．研究结果表明，多目标模型率定方法综合考虑了水文过程的各种要素，获得的满意解优于传统的单目标优选结果，非劣解集的聚合程度及模拟的过程线的范围能够反映模型的有效件．     

多目标最优化问题非劣解的存在性

在引入一个多目标极小化模型的辅助问题的基础上,通过对多目标最优化问题非劣解判别准则的分析,讨论非劣解的存在性问题,并给出了非劣解存在的充分条件.     

用伪二叉树法则构造多目标Pareto最优解集的方法

针对多目标进化算法中如何提高非支配集构造效率的问题,提出了一种用伪二叉树法则构造多目标Pareto最优解集的方法.根据多目标解的性质,将解的比较结果分为支配、被支配以及不相关3种类型,再根据解的比较结果生成排序伪二叉树.在每一轮比较中,从进化群体中选出一个个体,将该个体与当前非支配集中的个体进行比较,淘汰被支配的个体,而未被淘汰的个体将插入到非支配集中第一个被淘汰个体的位置.依次进行,直到进化群体中的个体比较完毕,从而生成排序的伪二叉树.同时,在理论上证明了采用该方法获取的非支配集为目标进化群体的最大非支配集,分析得知其在最差情况下的时间复杂度为O(rN2/2).实验结果表明,当目标数较大时(r≥5),在构造非支配集的效率上伪二叉树法要明显优于Deb、Jensen算法及擂台赛法则.     

钢铁企业产成品发货装船调度的模型与算法

以某钢铁企业产成品发货系统中装船调度问题为背景,建立了产成品装船调度问题多目标资源受限工程调度的数学模型,结合遗传算法和模拟退火的特点,设计了求解该问题的多目标智能优化算法,对算法输出的近似非劣解集提出了评价方法,将此模型和算法应用于某钢铁企业的实际装船调度中,结果表明,实际调度计划或者是非劣解集中的一个解,或者在非劣解集中存在某一计划优于实际调度计划·     

抽水蓄能机组导叶关闭策略优化方法研究

为了解决水电站大波动过渡过程运行安全问题,综合考虑蜗壳水击压力极值和转速上升极值两个目标,建立了抽水蓄能机组导叶关闭策略多目标优化模型,提出了基于改进多目标引力搜索算法(IMOGSA)的抽水蓄能机组导叶关闭策略优化方法.利用该方法得到包含蜗壳水击压力极值和转速上升峰值的帕累托非劣解集,采用模糊满意度评价法在帕累托非劣解集中选出兼容性最好的解,并与多目标粒子群算法进行对比,结果表明利用IMOGSA优选的导叶关闭策略能有效提高对抽水蓄能机组水泵断电工况的控制水平.     

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.     

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。     

改进的多目标遗传算法在无人机机翼结构优化中的应用

现有的多目标遗传算法往往只能求得整个非劣曲线的一部分,同时局部搜索能力差,收敛速度较慢。为了解决这些问题,提出了一种改进算法,该算法将非劣分层遗传算法(NSGA)与向量评估遗传算法(VEGA)的优点结合起来,并且提供了一个利用往代信息构造搜索方向的局部搜索算子,有效扩展了非劣曲线的范围,加快了收敛速度。以某无人机机翼结构的多目标优化问题为例,证明本文改进算法可以较为快速地获得一个分布均匀的非劣解集。     

带传动多目标优化设计的贴近度解法

拟订了带传动多目标优化设计的数学模型。采用正态模糊分布，将理想解和非劣解转化为目标函数值空间上的模糊子集，藉助于贴近度方法，从非劣解中找出了最贴近理想的最优解。     

用遗传算法求解多目标0/1背包问题

扼要介绍多目标优化的Pareto最优性概念 ,研究搜索多目标 0 1背包问题Pareto最优解集的快速遗传算法 (FPGA :fastParetogeneticalgorithms) .FPGA采用种群中非支配解的层次评价可行解的适应值 ,提出了一种快速非支配解层次辨识算法 ,辨识算法仅有O(n2 )数量级的计算复杂性 ;采用基于聚类概率排挤的小生态技术维持种群多样度和Pareto最优解集的分布均匀性。对多种多目标 0 1背包问题的仿真优化实验结果表明 ,FPGA能够以有效的计算成本搜索到精度高的、分布均匀的高质量Pareto非劣解集 ,其收敛速度和收敛准确性一致地优于代表性的强度Pareto进化算法 (SPEA) .     

ODE法在多目标规划中的应用

在一定条件下，从多目标规划问题的任一可行解的某邻域出发，建立了沿着所建立的常微分方程组的轨线，关于竞争变元总收敛到原多目标规划问题的（弱）有效解。     

群体多目标规划联合加权解的稳定性

对于群体多目标规划问题,得到了在决策变量扰动下联合加权解的稳定性结果,证明了当扰动变量形成了Baire空间时,群体多目标联合加权解是稳定的。     

求解多目标优化问题的多智能体遗传算法

目的 在求解多目标优化问题时，总是希望获得尽可能多的Pareto解，且这些解能够较均匀地分布在目标空间的Pareto边界上。方法 通过引入智能体的概念，并将多个智能体组成的多智能体系统与经典遗传算法相结合，给出了一种求解多目标优化问题的多智能体遗传算法。结果 对每个智能体在其邻域内进行局部Pareto寻优操作，而不是在整个群体中进行Pareto寻优，从而保证了群体的多样性，并在一定程度上抑制了种群的早熟现象。结论 该方法能够找到问题的分布较均匀的Pareto最优解。     

非线性多目标群体决策的递缩约束集法

对于一个非线性的多目标群体决策问题，不同的决策者可用权衡比作出各自不同的抉择。本文根据各决策者对各人提供的权衡比进行相互评价，获得群体权衡比，从而构造出迭代过程中的递缩约束集序列。由此，建立了一个求解非线性多目标群体决策问题的收敛的交互规划算法。     

多目标规划较多有效解和弱较多有效解的有效性充分条件

对于带不等式和等式约束的多目标非线性规划问题，给出并证明了它的较多有效解和弱较多有效解的几个有效性充分条件．     

基于粗糙集属性约简方法的多目标优化研究

基于粗糙集理论中属性约简方法,计算了约束条件对各目标函数的约束度大小并删除冗余约束条件,刻画了各个约束条件的重要性和目标函数之间的协调性,为确定加权系数法解决多目标规划问题提供了更可靠的依据。     

多目标0－1线性规划的交互式算法

提出一个求解多目标０－１线性规划问题的交互式算法，并分析了该算法的特点，即有很强的搜索功能和很宽的适用范围，最后将此算法用于实际，得到了满意的结果。     

不可微多目标规划问题的最优性条件和对偶

研究了如下的不可微多目标规划问题:(MP)min(f1(x)+s(xC1), f2(x)+s(xC2),...,fp(x)+s(xCp)), s.t. h(x)≤0, 其中函数 fiX→R, (i=1,2,...,p)和h=(h1,h2,...,hm)X→Rm在X上是连续可微的;Ci(i∈{1,2,...,p})是Rn上的紧凸集, s(xCi)表示集合Ci在x的支撑函数.在(C, α, ρ, d)-凸性的假设下,得到了不可微多目标规划问题弱有效解的Kuhn-Tucher型最优性充分条件.而且本文得到了原问题的Mond-Weir型对偶以及相应的对偶结果.本文所得结果推广了一些最新的结果.     

一种多人有关联两层多目标决策的交互式算法

本文首先建立了基于Ｓｔａｃｋｅｌｂｅｒｇ主从策略的多人有关联的两层多目标决策问题的数学模型，利用满意度和Ｋｕｈｎ－Ｔｕｃｋｅｒ条件把两层多目标规划问题转化为单层单目标非凸约束规划问题；并采用收敛外部逼近法求解此非凸约束规划问题的全局最优解，然后，通过分析人与决策人之间的交互，求得两层决策问题的满意解。     

利用基于精英策略的粒子群算法求解多目标规划问题

本文提出了一种求解多目标规划问题的精英粒子群算法.该算法利用精英策略存储每一代Pareto最优解,同时提出了一种最优粒子的选取策略用以克服粒子陷入局部最优的缺点.最后,通过数值实验验证算法的可行性和有效性.