本文關(guān)鍵詞：基于IEC的隱性目標(biāo)決策問(wèn)題的決策過(guò)程與決策方法研究

  更多相關(guān)文章： 多準(zhǔn)則決策 隱性目標(biāo)決策問(wèn)題 交互式進(jìn)化計(jì)算 交互式遺傳算法 i位改進(jìn)子空間 多智能體

【摘要】：傳統(tǒng)的多準(zhǔn)則決策研究中，決策目標(biāo)函數(shù)及限制條件通常是結(jié)構(gòu)化表示的，通過(guò)在決策過(guò)程中獲取決策者的偏好，可以使用適當(dāng)?shù)臎Q策方法進(jìn)行問(wèn)題的求解。然而，在現(xiàn)實(shí)決策中還存在著這樣一類決策問(wèn)題，其決策目標(biāo)函數(shù)不能或者難以顯示定義。例如在服裝設(shè)計(jì)、汽車造型設(shè)計(jì)或旅游行程規(guī)劃問(wèn)題中，對(duì)什么是“最適合、最滿意”的一套服裝、一款車型或者一張旅游行程計(jì)劃表，就難以建立起相應(yīng)顯示表示的決策目標(biāo)函數(shù)。而且此類問(wèn)題中，決策者的偏好也難以在一開(kāi)始就完全定義清楚，而需要決策者在交互的問(wèn)題求解過(guò)程中逐漸加以確認(rèn)。本文將這類決策問(wèn)題稱之為“隱性目標(biāo)決策問(wèn)題”，由于它具有“決策目標(biāo)難以完全數(shù)量化、結(jié)構(gòu)化表示”、“決策者的偏好隨著決策分析的進(jìn)行而改變”、“決策問(wèn)題常常具有NP難性質(zhì)”的特點(diǎn)，使得求解這類問(wèn)題充滿著挑戰(zhàn)。這類決策存在：決策問(wèn)題如何表征、決策者的偏好不斷調(diào)整如何解決、搜索效率如何提高等問(wèn)題。 本文從隱性目標(biāo)決策問(wèn)題的角度出發(fā)，分析此類問(wèn)題的特點(diǎn)，研究求解該類問(wèn)題的新算法，并建立處理隱性目標(biāo)決策問(wèn)題的求解過(guò)程框架。主要的研究?jī)?nèi)容包括： (1) 提出了本文的研究對(duì)象—“隱性目標(biāo)決策問(wèn)題”，分析了該類問(wèn)題的特征和研究難點(diǎn)，并給出問(wèn)題的數(shù)學(xué)形式的概念描述；研究討論了隱性目標(biāo)決策問(wèn)題求解方法的要求，指出交互式進(jìn)化計(jì)算(IEC)是適合處理隱性目標(biāo)決策問(wèn)題的技術(shù)方法。基于交互式進(jìn)化計(jì)算，建立處理隱性目標(biāo)決策問(wèn)題的求解過(guò)程框架。 (2) 交互式遺傳算法(IGA)是IEC中研究最多的一個(gè)分支，針對(duì)IGA只能使用小規(guī)模的種群和較少的進(jìn)化代數(shù)而造成的搜索能力有限和易陷入局部?jī)?yōu)化的問(wèn)題，利用i位改進(jìn)子空間理論，提出了能夠提高遺傳算法(GA)和交互式遺傳算法性能的變異概率選取策略，并分析了該策略對(duì)變異算子和算法性能的影響。基于這種變異策略，提出了小種群自適應(yīng)遺傳算法，說(shuō)明了該策略能夠使得GA利用小規(guī)模的種群就可以獲得滿意的性能，適合在IGA中應(yīng)用。利用此變異策略，并根據(jù)IGA的特點(diǎn)，設(shè)計(jì)了用于隱性目標(biāo)決策問(wèn)題求解的IGA，分析了算法的效率，并通過(guò)函數(shù)優(yōu)化和服裝設(shè)計(jì)問(wèn)題的仿真實(shí)驗(yàn)驗(yàn)證變異策略和算法的有效性。 (3) 將基于智能體計(jì)算的思想應(yīng)用于交互式進(jìn)化計(jì)算領(lǐng)域，通過(guò)定義智能體、智能體生存環(huán)境及智能體在環(huán)境中的行為，如競(jìng)爭(zhēng)、自學(xué)習(xí)、交叉、變異、死亡替換等操作，提出了交互式Multi-Agent遺傳算法和交互式多智能體進(jìn)化算法，以有效求解隱性目標(biāo)決策問(wèn)題。所提出的兩種算法均具有較強(qiáng)的全局搜索能力，而其中的自學(xué)習(xí)操作又極大增強(qiáng)了算法的局部搜索能力；另外，算法還充分利用了人的智能和算法自身的特點(diǎn)，使得用戶每次只需選擇2個(gè)左右最感興趣的個(gè)體，而且用戶不用對(duì)系統(tǒng)個(gè)體給出具體的適應(yīng)值，有效縮短了每一代用戶的評(píng)價(jià)時(shí)間，從而有利于減輕用戶評(píng)估個(gè)體適應(yīng)值的疲勞。從服裝設(shè)計(jì)的仿真試驗(yàn)可以看出，，這些優(yōu)良的特性使得所提出的算法具有較高的運(yùn)行性能，并能夠有效緩解用戶的疲勞。
【關(guān)鍵詞】：多準(zhǔn)則決策 隱性目標(biāo)決策問(wèn)題 交互式進(jìn)化計(jì)算 交互式遺傳算法 i位改進(jìn)子空間 多智能體
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2006
【分類號(hào)】：C934
【目錄】：

• 摘要7-9
• Abstract9-16
• 第一章 緒論16-26
• 1.1 問(wèn)題的提出16-19
• 1.1.1 隱性目標(biāo)決策問(wèn)題16-18
• 1.1.2 隱性目標(biāo)決策問(wèn)題的歸屬與范圍18-19
• 1.2 文獻(xiàn)討論19-24
• 1.2.1 決策方法19-21
• 1.2.2 決策支持系統(tǒng)21-24
• 1.3 本文的主要研究工作和結(jié)構(gòu)安排24-26
• 第二章 隱性目標(biāo)決策問(wèn)題的表征與求解方法26-33
• 2.1 隱性目標(biāo)決策問(wèn)題的表征26-27
• 2.2 隱性目標(biāo)決策問(wèn)題求解方法的要求27-29
• 2.3 隱性目標(biāo)決策問(wèn)題的求解方法與求解過(guò)程29-31
• 2.4 本章小結(jié)31-33
• 第三章 基于IEC的隱性目標(biāo)決策問(wèn)題的基礎(chǔ)方法33-50
• 3.1 進(jìn)化計(jì)算33-37
• 3.2 交互式進(jìn)化計(jì)算37-41
• 3.3 遺傳算法的基本概念與構(gòu)成要素41-48
• 3.4 交互式遺傳算法48-49
• 3.5 本章小結(jié)49-50
• 第四章 基于加速收斂變異策略的IGA求解算法50-65
• 4.1 IGA面臨的挑戰(zhàn)50-51
• 4.2 一種加速收斂變異概率選取策略51-55
• 4.2.1 i位改進(jìn)子空間及其有關(guān)結(jié)論51-52
• 4.2.2 變異算子對(duì)遺傳算法性能的影響分析52-54
• 4.2.3 加速收斂變異策略54-55
• 4.3 基于加速收斂變異策略的小種群自適應(yīng)遺傳算法55-60
• 4.3.1 小種群自適應(yīng)遺傳算法設(shè)計(jì)56
• 4.3.2 小種群自適應(yīng)遺傳算法實(shí)驗(yàn)及其分析56-60
• 4.4 基于加速收斂變異策略的交互式遺傳算法60-63
• 4.4.1 基于加速收斂變異策略的交互式遺傳算法設(shè)計(jì)61-62
• 4.4.2 服裝設(shè)計(jì)實(shí)驗(yàn)62-63
• 4.5 本章小結(jié)63-65
• 第五章 結(jié)合多智能體系統(tǒng)的IEA求解算法65-85
• 5.1 智能體與基于智能體的計(jì)算65-72
• 5.1.1 分布式人工智能65-66
• 5.1.2 智能體與多智能體系統(tǒng)66-70
• 5.1.3 AER模型簡(jiǎn)介70-72
• 5.1.4 用于問(wèn)題求解的多智能體系統(tǒng)方法研究概述72
• 5.2 交互式Multi-Agent遺傳算法72-78
• 5.2.1 智能體及有關(guān)操作72-74
• 5.2.2 交互式Multi-Agent遺傳算法設(shè)計(jì)74-75
• 5.2.3 交互式Multi-Agent遺傳算法的效率分析75-76
• 5.2.4 服裝設(shè)計(jì)實(shí)驗(yàn)76-78
• 5.3 交互式多智能體進(jìn)化算法78-84
• 5.3.1 智能體及有關(guān)操作78-80
• 5.3.2 交互式多智能體進(jìn)化算法設(shè)計(jì)80-81
• 5.3.3 交互式多智能體進(jìn)化算法的效率分析81-82
• 5.3.4 服裝設(shè)計(jì)實(shí)驗(yàn)82-84
• 5.4 本章小結(jié)84-85
• 第六章 隱性目標(biāo)決策問(wèn)題求解的概念模型及實(shí)例85-93
• 6.1 隱性目標(biāo)決策問(wèn)題的一個(gè)概念模型85-87
• 6.2 基于IEC／IGA方法的服裝設(shè)計(jì)系統(tǒng)87-92
• 6.2.1 服裝設(shè)計(jì)編碼87-88
• 6.2.2 基于IEC／IGA的服裝設(shè)計(jì)系統(tǒng)流程88-89
• 6.2.3 基于IEC／IGA的服裝設(shè)計(jì)系統(tǒng)89-92
• 6.3 本章小結(jié)92-93
• 第七章 總結(jié)與展望93-95
• 參考文獻(xiàn)95-104
• 在讀期間的主要研究工作和發(fā)表的論文104-105

【引證文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 黃永青;陸青;張沖;;隱性目標(biāo)決策問(wèn)題的表示與研究進(jìn)展[J];滁州學(xué)院學(xué)報(bào);2011年05期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 吳勝;網(wǎng)站信息分類體系優(yōu)化方法及其應(yīng)用[D];南京林業(yè)大學(xué);2009年

2 沈琪;崇明生態(tài)島建設(shè)空間決策支持模型研究[D];華東師范大學(xué);2009年

3 陸青;基于IEC的隱性目標(biāo)智能決策方法研究[D];合肥工業(yè)大學(xué);2009年

4 張俊嶺;基于IEC的混合型隱性多目標(biāo)決策方法研究[D];合肥工業(yè)大學(xué);2009年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 石麗雯;混合計(jì)算智能在包裝生產(chǎn)線外觀風(fēng)格研究中的應(yīng)用[D];天津大學(xué);2012年

本文編號(hào)：612236