搜索
合肥工业大学博士学位论文基于IEC的隐性目标智能决策方法研究姓名：陆青申请学位级别：博士专业：管理科学与工程指导教师：梁昌勇20090601基于IEC的隐性目标智能决策方法研究作者：陆青学位授予单位：合肥工业大学相似文献(2条)1.学位论文黄永青基于IEC的隐性目标决策问题的决策过程与决策方法研究2006传统的多准则决策研究中，决策目标函数及限制条件通常是结构化表示的，通过在决策过程中获取决策者的偏好，可以使用适当的决策方法进行问题的求解。然而，在现实决策中还存在着这样一类决策问题，其决策目标函数不能或者难以显示定义。例如在服装设计、汽车造型设计或旅游行程规划问题中，对什么是“最适合、最满意”的一套服装、一款车型或者一张旅游行程计划表，就难以建立起相应显示表示的决策目标函数。而且此类问题中，决策者的偏好也难以在一开始就完全定义清楚，而需要决策者在交互的问题求解过程中逐渐加以确认。本文将这类决策问题称之为“隐性目标决策问题”，由于它具有“决策目标难以完全数量化、结构化表示”、“决策者的偏好随着决策分析的进行而改变”、“决策问题常常具有NP难性质”的特点，使得求解这类问题充满着挑战。这类决策存在：决策问题如何表征、决策者的偏好不断调整如何解决、搜索效率如何提高等问题。本文从隐性目标决策问题的角度出发，分析此类问题的特点，研究求解该类问题的新算法，并建立处理隐性目标决策问题的求解过程框架。主要的研究内容包括：（1）提出了本文的研究对象—“隐性目标决策问题”，分析了该类问题的特征和研究难点，并给出问题的数学形式的概念描述；研究讨论了隐性目标决策问题求解方法的要求，指出交互式进化计算（IEC）是适合处理隐性目标决策问题的技术方法。基于交互式进化计算，建立处理隐性目标决策问题的求解过程框架。（2）交互式遗传算法（IGA）是IEC中研究最多的一个分支，针对IGA只能使用小规模的种群和较少的进化代数而造成的搜索能力有限和易陷入局部优化的问题，利用i位改进子空间理论，提出了能够提高遗传算法（GA）和交互式遗传算法性能的变异概率选取策略，并分析了该策略对变异算子和算法性能的影响。基于这种变异策略，提出了小种群自适应遗传算法，说明了该策略能够使得GA利用小规模的种群就可以获得满意的性能，适合在IGA中应用。利用此变异策略，并根据IGA的特点，设计了用于隐性目标决策问题求解的IGA，分析了算法的效率，并通过函数优化和服装设计问题的仿真实验验证变异策略和算法的有效性。（3）将基于智能体计算的思想应用于交互式进化计算领域，通过定义智能体、智能体生存环境及智能体在环境中的行为，如竞争、自学习、交叉、变异、死亡替换等操作，提出了交互式Multi-Agent遗传算法和交互式多智能体进化算法，以有效求解隐性目标决策问题。所提出的两种算法均具有较强的全局搜索能力，而其中的自学习操作又极大增强了算法的局部搜索能力；另外，算法还充分利用了人的智能和算法自身的特点，使得用户每次只需选择2个左右最感兴趣的个体，而且用户不用对系统个体给出具体的适应值，有效缩短了每一代用户的评价时间，从而有利于减轻用户评估个体适应值的疲劳。从服装设计的仿真试验可以看出，这些优良的特性使得所提出的算法具有较高的运行性能，并能够有效缓解用户的疲劳。（4）提出了一个具有一般意义的求解隐性目标决策问题的概念模型—集成IEC的IDSS结构模型，并对模型中各模块的功能进行了分析讨论。研究了“隐性目标决策问题”的一个具体实例—服装设计问题。分析了服装设计编码及其求解思路，研究了基于IEC的服装设计系统的实现流程，讨论了基于IEC方法的服装设计系统的功能。“隐性目标决策问题”由于存在难以显示表示的决策目标，并且决策者的偏好结构也未知，所以要比传统的决策目标函数已知的多准则决策问题更为复杂。本论文提出了具有较高决策效率的新的IEC算法，并基于这些方法，研究了集成IEC的IDSS结构模型，建立了隐性目标决策问题的求解过程框架，为支持处理隐性目标决策问题提供了有效的手段。这些研究成果丰富了多准则决策的研究内容，也拓展了传统的多准则决策方法的应用。2.学位论文张俊岭基于IEC的混合型隐性多目标决策方法研究2009在管理决策领域中，大量存在着一类混合型隐性多目标决策问题，此类决策问题具有以下三个显著特征：决策目标既包含有可以数量化表示的显性目标(ExplicitObjectives)，还包含难以数量化表示的隐性目标(TacitObjectives)；问题的可行解空间大，可行方案数目多(可以为无限多个)；决策者偏好随着决策过程的进行可以调整改变；如人体工程学产品设计优化问题、工作间布局优化问题、旅游行程规划问题等。混合型隐性多目标决策问题是隐性目标决策领域的一类重要问题，研究适合处理混合型隐性多目标决策问题的决策方法是隐性目标决策的内在要求，具有重要的理论意义与应用价值。混合型隐性多目标决策问题具有的这些特征，使得该类决策问题求解异常复杂并且无法直接应用传统的多准则决策方法(如权重和法、效用函数法、妥协法等)加以求解，其求解过程需要采用具有交互机制的决策方式，以逐渐获取决策者的偏好。交互式进化计算(IEC，InteractiveEvolutionaryComputation)方法除了具有传统进化算法的优点外还具备与决策者进行交互的机制，兼具交互式系统的可适应性及本质上适合搜索复杂性问题的特性，使其成为适合处理混合型隐性多目标决策问题的主要方法。br 本文从混合型隐性多目标决策问题的特征出发，分析了此类问题的求解难点，以IEC方法为技术基础，并结合多智能体计算技术与免疫计算技术，研究了混合型隐性多目标决策问题的智能决策方法，并建立了适合处理此类决策问题的优化决策支持模型。主要的研究内容包括：br (1)针对现有研究中缺乏混合型隐性多目标决策支持模型的问题，本文依据混合型隐性多目标决策问题的特征，从多目标优化决策的角度，将IEC方法的交互式决策机制与多目标进化算法(MOEAs，MultiobiectiveOptimizationEvolutionaryAlgorithms)融合，提出了一种适应于混合型隐性多目标决策的优化决策支持模型，并讨论了在该模型框架下结合IEC与具有外部档案集的多目标进化算法的混合型隐性多目标决策问题求解过程，以说明该决策支持模型的可操作性。br (2)针对混合型隐性多目标决策的IEC决策方法中存在的进化效率问题，提出了一种高效的轮盘反转算子(RIO，RouletteInversionOperator)，并将之融入到基于IEC的混合型隐性多目标决策方法设计中，从算法的机理上来提高混合型隐性多目标决策的IEC方法的进化效率。理论分析证明了轮盘反转算子能够有效克服JohnHolland遗传算法理论中提出的反转算子(HIO，HollandInversionOperator)在实数编码算法应用中的固有不合理性；数值实验也验证了RIO算子的优越性。进而根据混合型隐性多目标决策问题的特征，结合RIO算子与多智能体计算技术，通过定义智能体、智能体生存环境及智能体在环境中的行为规则，如扩散、变异、竞争死亡、再生、自学习等智能体行为规则，提出了一种交互式多智能体多目标进化求解算法，该算法充分利用了人的智能和多智能体计算技术的特点，使得用户每次只需选择最好的与最差的个体，用户不需对个体给出具体的适应值，有效缩短了用户对每一代种群的评价时间，从而减轻用户评价疲劳。工作间布局优化仿真实验验证了该方法的有效性，且能够有效缓解用户疲劳。br (3)针对混合型隐性多目标决策过程中个体多样性缺失问题，研究了基于种群熵信息保持种群多样性的策略。将种群熵抽样方法与一种自适应变异算子相结合提出了一种基于种群熵信息的自适应种群多样性保持策略，并基于该策略提出了一种小种群遗传算法，数值实验表明该策略能够在小种群规模下使得算法有效保持种群多样性，预防算法陷入局部寻优，提高算法性能，适合在IEC中应用；进而将此多样性保持策略融于混合型隐性多目标决策问题的交互式求解算法设计中，提出了一种交互式多目标进化求解算法，工作间布局优化仿真实验验证了算法的有效性。br (4)针对混合型隐性多目标决策问题求解效率低的问题，将免疫计算技术引入到交互式进化计算领域中来研究新颖高效的智能决策方法，以支持混合型隐性多目标决策问题求解。提出了一种交互式免疫多目标进化求解算法；并将免疫单/多克隆策略与多智能体计算技术结合，定义了免疫智能体、免疫智能体生存环境以及免疫智能体的免疫行为规则，如抗体多克隆、抗体单克隆、抗体死亡、抗体再生与抗体自学习等行为规则，提出了一种交互式免疫智能体多目标进化求解算法。在两种算法中每次评价只需要决策者选出最好与最坏的个体，这样的评价策略使得评价过程轻松快捷，能够有效减轻用户评价疲劳。通过服装选购推荐问题仿真实验可以看出，两种算法都优于传统的序列交互式进化算法，且能够有效缓解用户疲劳。br (5)设计了一种支持混合型隐性多目标决策问题求解的智能决策支持原型系统，并对系统中各模块的功能进行了分析讨论。研究了“混合型隐性多目标决策问题”的一个具体实例-服装选购推荐问题，分析了服装商品的编码及其求解思路，研究了基于IEC的服装选购推荐系统的基本流程，给出了系统功能的具体实现。br 混合型隐性多目标决策问题是大量存在于管理决策领域中的一类复杂决策问题，本文从多目标优化决策角度，建立了适合处理混合型隐性多目标决策问题的优化决策支持模型，围绕混合型隐性多目标决策问题提出了一些新颖有效的基于IEC的智能交互式多目标决策方法，以期更好的支持混合型隐性多目标决策问题的求解。这些研究成果丰富了该领域的研究内容，能够为实际混合型隐陛多目标决策问题的求解提供方法指导和技术支持。本文链接：授权使用：上海海事大学(wflshyxy)，授权号：90d6a021-04cf-4014-9d3f-9e1701586cf5下载时间：2010年10月22日