双线性系统多目标控制问题研究

研究了双线性系统的多目标控制问题. 首先把多目标控制问题, 通过效用函数技术转化为一个单目标最优控制问题, 其中, 效用函数是多个二次型性能指标的非线性函数, 因此, 在动态规划的意义下是不可分的. 然后, 为了克服不可分对求解带来的困难, 提出了一种两级最优控制算法. 下级用动态规划求解一个参数化的具有双线性---二次型结构的辅助 Lagrangian 问题；上级迭代调整辅助 Lagrangian 问题中的参数向量. 不断重复这个过程, 直至最优性条件被满足.     

基于$R2$指标的昂贵多目标进化算法

提出一种基于$R2$指标的昂贵多目标进化($R2$-EMO)算法.为了解决精确数学模型难以获得以及评估实验成本高昂的昂贵多目标优化问题,$R2$-EMO算法采用高斯过程取代真实模型来评估个体在每个目标上的性能,并设计一种新的$R2$指标的效用函数,该效用函数根据高斯过程的输出计算个体的$R2$指标.带有新的效用函数的$R2$指标在选择评估点时,既考虑了种群个体的收敛性和多样性,还考虑了个体的预测期望值和预测均方误差,增强了种群个体对目标空间的勘探能力.同时,提出双层档案管理策略,采用两个档案分别存放评估过的非支配个体和建立代理模型的个体,并在每次迭代中对两个档案进行更新.实验结果表明,与已有的4种算法相比,$R2$-EMO算法在处理昂贵多目标进化算法时,收敛性和多样性均优于其他算法,并能以较快的速度收敛到Pareto前沿.     

Web服务QoS组合优化研究

Web服务的服务质量是选择服务的重要因素,但求解最优服务的选择较为困难。本文基于多目标组合优化提出了一种服务选择方法,根据不同服务QoS属性指标选择得到非劣解集合,再由用户的效用函数评价用户满意度。这种选择方法可以推广到服务组合过程。     

基于模糊神经网络Sarsa学习的多机器人任务分配

针对动态环境下多机器人任务分配的问题,提出一种基于模糊神经Sarsa学习网络的效用函数模型,将模糊推理系统,神经网络模型与Sarsa学习算法相结合。设计确定了网络的结构、学习算法以及最终效用值的确定步骤。在仿真实验中,利用该模型能快速收敛实现任务分配,并且能不断优化目标和路径。     

自主数据库系统多负载多性能目标的优化

为了优化自主数据库系统多个负载的多个性能目标,解决多个性能目标之间的相互约束关系,提出负载重要性的概念。通过重要性区分负载,使各负载的性能特性达到各自的性能要求,用效用函数来封装负载的多性能目标和重要性,从而实现性能目标和重要性到资源分配的映射,并提出了优化多性能目标效用函数选择的基本准则。通过效用函数构造目标函数并进行优化来实现统一管理数据库系统的多个性能目标,通过设计的查询调度器验证了该方法的有效性。     

基于最小费用流模型的无重叠视域多摄像机目标关联算法

二分图最大匹配算法是常用的无重叠视域多摄像机目标关联算法, 本文提出了一种基于最小费用流模型的关联算法, 并与前者进行对比. 实验发现前者很大程度上依赖于效用函数的定义, 效用函数存在的偏差导致该算法求解结果不理想. 后者理论上能够估算并修正效用函数的偏差, 得到更优的解. 本文进行了大量仿真实验, 实验表明了本文算法更为鲁棒有效.     

多QoS约束网格作业调度问题的多目标演化算法

针对网格计算中的多QoS约束网格作业调度问题，以独立作业为研究对象，将其规约为多目标组合最优化问题．通过深入剖析多目标最优化理论及其演化算法，结合网格作业调度自然特征，提出了一种解决多QoS约束网格作业调度问题的多目标演化算法．该算法求解多个QoS维度效用函数指标的非劣解集，尝试解决多管理域间网格用户、资源管理者等网格实体的多目标协同问题．仿真结果表明，在时间维度、可靠性维度、安全性维度QoS效用值等用户级QoS指标，以及丢弃作业数等系统级指标方面该算法与QoS-Min-min和QoS-Sufferage等同类算法相比具有较好的综合性能．     

博弈论框架下的二阶多智能体系统领导者选择算法

随着人工智能的发展,多智能体系统中智能体的异质性、工作环境的复杂性、系统目标的多样性,给多智能体系统动态性能的分析带来了挑战.同时,也催生了新的控制策略和优化方法.博弈论作为一种研究社会系统中智能体决策过程的经典工具,如今已被应用到了多智能体系统研究领域.本文主要针对二阶多智能体系统编队过程中领导者选取的两类问题:1)选取k个领导者使系统误差达到最小;2)系统误差在一定范围内,选取最小数量的领导者;提出了一类超模博弈建模方法.在建模过程中设计了各个智能体的效用函数与系统整体的目标函数,使各个智能体在寻求各自效用函数最大化的过程中实现整体目标.而后,运用贪婪算法优化了智能体决策过程.本文分析了所建模型的平衡点存在性和系统稳定性.最后,利用仿真实例对比说明了本文提出的基于超模博弈的二阶多智能体系统领导者选择算法的有效性.     

基于动态精简式混合地图的移动机器人自主探索

针对未知环境下移动机器人自主探索和地图创建问题,在机器人操作系统的框架下,提出一种基于动态精简式混合地图的移动机器人自主探索方法.首先,提出一种基于几何规则的候选目标点生成方法,用于快速提取当前的前沿目标点;然后,从信息收益和路径成本的角度,引入一种改进的效用函数来评价候选目标点;最后,利用缓存增量式的原理优化拓扑节点,进而构建精简式混合地图.实验结果表明,通过拓扑图构建策略的改进,所提出方法具有良好的导航性能.     

融合小生境遗传禁忌的多目标网格调度研究

针对在动态、复杂的网格系统中,资源的失效非常频繁,影响网格计算的服务质量和效率的问题,提出了基于融合小生境的遗传禁忌的多目标网格任务调度算法,将任务生存性和任务完成时间(Makespan)结合起来,给出一个可调节的多目标集成效用函数,实现了基于融合小生境的遗传禁忌的多目标启发式调度算法。模拟实验结果表明,该算法能够有效地平衡任务生存性和Makespan两个目标,更适合开放复杂的网格计算环境。     

两种新的决策表属性约简概念

经典粗糙集理论属性约简的两种定义在对不相容决策表约简时会出现不一致性，本文通过分析这种不一致性，提出了平均决策强度和决策熵的概念，并由此给出了两种新的属性约简定义．通过理论分析和实例验证，用这两种新的属性约简定义对不相容决策表约简的结果是一致的，并且该约简结果更能客观地反映决策表的“决策能力”的实质．     

决策过程与决策支持系统关系的新视角

该文以新的视角来研究决策过程和决策支持系统。首先,以全新的观点阐释了决策过程和决策支持系统的结构,并绘制出相应的结构图;其次,以此为基础,绘制出了二者之间的层次结构模型图,揭示了决策支持系统和决策过程的内在联系。     

逻辑马尔可夫决策编程和关系马尔可夫决策编程若干最新进展

逻辑马尔可夫决策过程和关系马尔可夫决策过程的引入，使得人们可能简洁地、陈述地表达复杂的马尔可夫决策过程。本文首先介绍有关逻辑马尔可夫决策过程和关系马尔可夫决策过程的概念，然后重点介绍它们与普通的马尔可夫决策过程根本不同的一些算法：①依赖于基本状态空间RL的转换法；②把Bellman方程推广到抽象状态空间的方法；③利用策略偏置空间寻求近似最优策略方法。最后对它们的研究现状进行总结及其对它们发展的一些展望。     

On the Development of New Forms of Organisational Decision Support Systems

Decision making has been a primary interest of OR/MS, and management scientists have been at the forefront of developments. But the rate of inplementation has not been high, compared to the application of general PC-based decision support tools. Where there has been some recent success is in the area of judgmental modelling. Examples of exploitation on business problems have been reported and these individual cases are extremely valuable in providing insights into the organisational contexts in which the problems are embedded. However most of them are applications on very simple problems and no real implementation is reported. This paper attempts to overcome this deficiency by looking at a much richer organisational environment and considers two largely unexplored aspects of the decision process, namely its longitudinal nature and the group dimension. In this paper we present and discuss the results of three case studies which look into the use of models in a longitudinal decision process, and introduce the associated application of psychological profiling of the group of decision makers involved. All the cases are based in real organisational settings and are not laboratory experiments and therefore little statistical significance can be assigned to the results. But they do provide rich insights into the organisational complexity that surrounds many decisions which should help produce better management tools. The preliminary results suggest that we need to take such characteristics into account when building decision making models if we are to enhance the understanding of the decision without inhibiting behaviour.     

关于"两种新的决策表属性约简概念"的注记

出于应用目的,许多学者提出了各种不同的属性约简概念.蒋思宇等在分析了基于正区域的属性约简和基于信息熵属性约简概念的差别后,提出了两种新的属性约简概念.通过实例分析,指出两种新的属性约简概念的不足,其根源是度量平均决策强度和决策熵的两个公式不具有单调性.根据原作者的出发点,给出了度量决策强度和决策熵的两个新公式,分别证明了这两个公式都具有单调性,并由此给出了基于决策强度和决策熵的属性约简概念.     

未来突发事件对企业新技术商业化决策的影响

分析了当新技术商品价格服从混合布朗运动／泊松跳跃过程时的企业战略决策，并着重考察了未来突发事件对企业决策的影响．通过模型的一组模拟数值解发现当未来有不利事件发生时，企业进入市场和退出市场的临界价格均随该事件的平均发生率的增加而增加；而当未来有有利事件发生时，进入市场和退出市场的临界价格则随该事件的平均发生率的增加而下降．     

新的决策表约简模型下的一种增量算法

新的约简模型将满足平均决策强度条件的最简规则集作为最终的约简结果,解决了不相容决策表约简结果不一致的问题。当前迫切需要解决的问题是,面对动态变化的决策表,如何高效地调整决策表的约简结果。文章提出了一种在新的约简模型下增量算法,该算法能根据决策表新增样本与原有的最简规则集的关系,快速推出新决策表的满足平均决策强度条件的最简规则集。     

马尔可夫决策过程自适应决策的进展

在介绍一般马尔可夫决策过程的基础上,分析了当前主要马尔可夫过程自适应决策方法的基本思想、具体算法实现以及相应结论,总结了现有马尔可夫过程自适应决策算法的特点,并指出了需要进一步解决的问题。     

一种智能控制器

研究了一种新的智能控制器,该智能控制器能通过不断学习进行适应控制,其主要特 点是通过模糊决策确定影响控制特性的参数,进而进行神经控制.仿真结果表明了控制效果很 好.