基于对位学习的多目标遗传算法

为了加强非劣排序遗传算法的搜索能力、加快其收敛速度,将对位学习与非劣排序遗传算法相结合,提出了一种用于解决多目标优化问题,基于对位学习的多目标遗传算法,并应用双目标、三目标的测试函数对该算法进行了验证.结果表明,基于对位学习的多目标遗传算法具有较好的收敛性和分布性.     

利用遗传算法实现进度计划的多目标优化

提出进度计划多目标优化的改进数学模型，利用遗传算法和VBA宏语言编制程序在Ms Project98下对模型进行求解，并给出一个时间／费用折中的计算实例，计算结果以及对比研究表明，这种方法是可行和有效的。     

多目标优化设计中的Pareto遗传算法

遗传算法的随机性和隐含并行性,使它能同时搜索到多个局部最优解并获得最优解集。为了发挥遗传算法群体搜索的优势,提高多目标优化设计效率和灵活性,在自适应遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器,建立了一种适用于多目标优化设计的Pareto遗传算法。以Pareto前沿面的形式给出优化设计的Pareto最优解集,供设计者按设计意愿选择最优的设计结果。采用Pareto遗传算法进行跨声速翼型的多目标优化设计,设计结果表明,Pareto遗传算法是十分有效的,完全可以用来进行多目标优化设计。     

基于模糊优选的多目标优化遗传算法

综述了多目标优化的传统方法,介绍了多目标优化的遗传算法解决策略,建立了基于模糊优选技术的多目标优化遗传算法模型．对用模糊优选理论解决多目标优化问题的有效性进行了证明．通过算例证明了理论体系的正确性和工程应用的实用性．     

冲突多目标相容预测控制

两层结构的相容控制框架可以解决复杂冲突多目标控制问题,但其需要克服的困难是多目标直接优化、第一层所选区间目标的实现和在线实时优化控制。采用多目标遗传进化算法解决了直接优化多目标的工具问题。为能实现第一层中所选择的控制目标,第二层中设计了不同于第一层中形式的指标,并加入选择函数以反映实际系统的需要。结合预测控制思想的特点,提出了在线迭代遗传算法,解决了在线优化速度问题。以预测控制动态过程中误差、能耗两个目标为例对相容预测算法进行了说明。     

零工工厂多机多目标调度

本文根据零工工厂生产系统的特点，研究多机多目标调度问题，提出并建立了多机多目标调度问题的一般模型，应用模拟退火方法进行仿真实验。     

基于模糊评判的单机多目标作业排序问题的优化方法

以往对单机作业排序的研究大都限于单目标问题，而在实际的生产调度和计划管理中绝大多数情况需要进行多目标作业排序。本文运用模糊综合评判方法，提出一种单机多目标作业排序的遗传优化算法。     

多目标微分对策理论及其在多目标攻击中的应用

本文首先提出了一种新颖的多机空战研究方法－多目标微分对策理论，并应用之对１：２多目标攻击空战进行了研究．仿真结果说明了该方法的完善性和合理性．     

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。     

递进多目标遗传算法

在现有算法研究基础上,提出了一种递进多目标遗传算法,该方法每进化一定代数后以一定策略对群体进行重构,以提高算法对解空间的遍历性,从而较大程度上避免算法的早熟.该算法采用非劣解等级优先的选择方式复制后代,降低算法的时间复杂性;通过递进层次间对部分非劣解个体执行局部搜索,加快全局非劣解集的进化.采用递进算法与现有两种典型多目标遗传算法NSGA、MOGLS算法对一些典型优化问题进行对比分析,验证了算法求解多目标函数优化问题的有效性;通过调整算法递进层次与每层进化代数的参数设置,进一步研究了参数选取对算法性能的影响.     

双层多目标线性规划问题的一个算法

现有方法常常将双层多目标线性规则问题(下层决策者无关联)的下层问题的最优性条件转换为上层问题的严格约束,这样缩小了上层决策问题解的搜索范围,与实际中的决策过程相违背。因此,基于隶属函数以及模糊数等有关性质,提出了一种模糊决策方法;同时,在上下层问题独立求解时,引入了一种多项式的时间算法,为两层以及多层决策问题提供了新的求解途径。     

基于目标达成度和目标综合度的交互式多目标决策方法

提出了多目标决策中衡量目标方案的两个新指标：目标达成度和目标综合度,并提出了基于目标达成度和目标综合度的交互式多目标决策方法．     

一种基于非线性多目标群决策的防洪投资分配方法

通过分析防洪投资分配决策中的不满意度影响因素 ,给出了不满意度的非线性显函数形式 ;运用非线性多目标群决策理论 ,建立了非线性多目标群决策防洪投资分配模型 ,提出了一种交互式多目标加权解法 .经实例研究 ,结果满意     

多目标组合决策方法研究

针对采用几种不同方法确定指标权系数的多目标决策问题 ,证明了由期望效益法优化模型确定的综合权系数为几种方法确定的权系数的平均值 ,并构造了一种具有兼顾不同方法确定的权系数的综合决策模型。该模型通过假定待确定的权系数为由几种方法确定的权系数的线性组合 ,构建每一指标下任一方案与其它方案的离差 ,进而构建最优模型 ,求解最优模型得到权系数。该模型对群决策同样适用。实例应用说明 ,该方法可行、有效 ,可应用于经济决策的实际问题中。     

系统可靠性优化的离散多目标决策方法

工程实际中 ,人们往往在追求系统的可靠性达到最大的基础上 ,又追求系统的造价到达最小。另外 ,系统中单元的可靠性有时需从给定的离散集中选取。针对上述现象 ,提出了离散多目标决策方法 ,用于选取大型复杂系统中单元可靠性的最优值。算例表明所提出文方法有效     

人口、资源、环境与经济协调发展的多目标集成模型

人口 (population)、资源 (resource)、环境 (environment)和经济 (economy)是区域可持续发展的关键要素 ,组成了一个动态开放复杂系统 ,简称为PREE系统。在PREE协调发展研究的定量分析中 ,需要解决PREE复杂系统的整体性问题。提出了一种三层次模型体系结构 ;建立了基于目标规划的PREE系统多目标综合集成模型。该模型可较好地反映各子系统协调发展的制衡关系 ,并完整地体现了PREE系统的整体性特征 ,为开展用于预测和规划的区域可持续发展的定量研究提供了技术基础。     

基于粗集理论的多目标规划问题的约束度分析

给出了有冗余约束条件的多目标规划问题的模型约简方法。对于无冗余约束条件的决策系统 ,决策者可通过对约束条件的重要性分析而按其重要性大小适当删除不重要约束 ,从而得到原问题的核心约束条件组和相应核心有效解。原问题的有效解和核心有效解的关系可以用粗糙近似来刻画。用算例说明了这种方法的应用。     

基于多评价函数法的可重构性指标分配

针对多目标优化的可重构性指标分配问题,给出了一重和二重可重构性指标的计算方法。结合多目标优化特点和可重构性指标的定义建立了可重构性指标分配的多目标优化模型。在此基础上提出了一种多评价函数法,用于系统可重构性指标分配,该方法对相互冲突的多个目标建立不同的评价函数,通过在可行解内协调得到最优化结果,最后将其应用于串联系统进行仿真,并与线性加权和法的结果作比较,结果显示基于多评价函数的可重构性指标分配方法更具有效性。     

基于序值与拥挤度的拟态物理学多目标算法

根据约束多目标优化问题的特点,在拟态物理学优化(aritificial physics optimization, APO)算法的基础上,将无约束多目标APO(multi objective APO, MOAPO)算法引入到约束多目标优化领域中。提出约束违反度的判断准则,并采取一种更为有效的约束处理技术,从而构造出一种解决约束多目标优化问题的基于序值与拥挤度的拟态物理学多目标优化(improved constrained rank multi objective aritificial physics optimization, ICRMOAPO)算法。在随机搜索过程中动态调整引力因子与惯性权重,增强了非劣解集的多样性。实验结果说明了该算法的有效性,通过与序值约束多目标APO(constrained rank multi objective APO, CRMOAPO)算法、非支配排序遗传(non dominated sorting genetic algorithm, NSGA)算法、多目标遗传(multi objective genetic algorithm, MOGA)算法的对比实验,表明了该算法具有较好的分布性能,为约束多目标优化问题的求解提供了一种新的思路与方法。     

基于目标偏离容忍水平的多目标交互式决策方法

提出了一种基于目标偏离容忍水平的多目标决策新方法．该方法充分考虑到了实际决策过程具有的目标多样性、主客观互动性等特点,根据目标希望水平和目标偏离容忍水平在原多目标问题的基础上构造辅助模型,通过求解辅助模型得到原问题的非劣解,并经过与决策者的反复交互将不同的目标偏离容忍水平整合入模型当中,最终得到满意解．本文的方法具有结构清晰、求解方便快捷、易于反映决策者偏好结构等优点．