多目标决策几种最优解及其等价特征

给出了多目标决策一般偏好最优解概念和两种新的典型的最优解概念．在目标空间上构造了４种特殊偏好并讨论了它们的性质，指出了４种最优解（包括２种常见的最优解：Ｐａｒｅｔｏ最优解和字典序最优解）与这４种偏好下的最优解之间的等价性．     

多目标决策几种最优解及其等价特征

给出了多目标决策一般偏好最优解概念和两种新的典型的最优概念。在目标空间上构造了4种特殊偏好并讨论了它们的性质，指出了4种优解（包括2种常见的最优解：Pareto最优解和字典序最优解）与这4种偏好下的最优解之间的等价性。     

多目标决策偏好最优解及其特征

在一般意义下给出了多目标决策偏好最优解的概念．讨论了它的几个等价特证；同时．揭示了集诱导偏好的不变结构本质，给出了缩小偏好的最优解集的一般原则．     

多目标决策偏好最优解及其特征

在一般意义下绘出了多目标决策偏好最优解的概念，讨论了它的几个等价特征；同时，揭示了集诱导偏好的不变结构本质，给出了缩小偏好的最优集的一般原则。     

多目标决策的集诱导偏好最优解与∧-极点

讨论了集诱导偏好最优解与人∧-极点等价性,提出了多目标决策偏好最优解和集诱导偏好的概念,给出了两个∧-极点存在性定理和推广了由Tanoni等人提出的有效点存在性定理。最后,在∧-极点存在性定理的基础上,讨论了集诱导偏好最优解的存在性和最优解集的估计式。     

带有偏好变换的目标规划解的性质

本文在函数的一些凸性的假设下,讨论了带有偏好变换的目标规划解的性质。本文主要讨论了局部极值和整体最优解的关系;相应多目标规划问题的弱有效解和该模型最优解的关系。     

基于偏好的ε-Pareto支配的多目标粒子群算法

提出一种多目标粒子群算法。首先基于Pareto支配得到外部归档集,针对粒子容易陷入局部最优的问题,通过拥挤度函数来筛选归档集中的Pareto最优解;然后对粒子种群的不同子部分别采用不同突变来增加解的多样性;最后引入决策者的偏好信息,从而筛选出符合决策者偏好的Pareto最优解。通过测试函数进行数值实验,其结果表明:最终得出的Pareto解的当代距离指标值整体接近于0,与真实的Pareto边界较为接近;由于加入决策者偏好,最终得到的最优解并未覆盖整个Pareto边界,缩短了搜索时间,收敛性较好。     

求解约束优化问题的引导多目标差分进化算法

将约束优化问题转化为带偏好的双目标优化问题,用差分进化算法求解转化问题。为了克服基于Pareto支配关系的多目标算法求解转化问题时没有考虑问题偏好、收敛慢等缺点,借助多目标α-支配关系的特点,提出了基于动态α-支配的新适应度函数。新适应度函数根据种群中可行解的比例动态平衡进化过程中对两个目标的偏好,引导算法不断向问题的偏好区域靠近,从而快速收敛到约束优化问题的最优解。对6个标准测试函数的数值实验结果表明:基于α-支配的动态引导多目标差分进化算法能快速收敛到问题的最优解。与3种经典高效算法的比较说明,所提出算法的鲁棒性强且效率高。     

产品分销决策的线性目标规划法及应用

探讨了应用线性目标规划制定产品分销计划的方法，并以某企业详细说明了根据消费者偏好，市场占有率和利润等多个目标约束因素，确定参数的过程，建立了具体的线性目标规划模型。对模型解的分析为决策者提供了改变目标优先情况下的可供选择的最优方案，因此，线性目标规划法是解决产品分销决策的一种有效方法。     

基于偏好多目标优化和遗传算法的输电网架重构

提出一种基于偏好多目标优化和遗传算法的输电网架重构方法,考虑对于不同优化目标的偏好,制定网架重构方案。计及系统中机组、线路以及负荷的影响,提出3个评价指标作为优化目标,构建一个偏好多目标优化模型。考虑到所建优化模型的偏好性和离散性,提出一种基于偏好的非支配排序遗传算法。提出基于偏好的支配关系、种群规模控制技术以及重复个体过滤技术,用于提高算法的效率,获得解数目可控的偏好Pareto最优解集。仿真结果表明,所提模型能够有效平衡网架重构的不同影响因素,所提算法对于网架重构优化问题有较高的求解效率。     

基于偏好多目标优化和遗传算法的输电网架重构

提出一种基于偏好多目标优化和遗传算法的输电网架重构方法,考虑对于不同优化目标的偏好,制定网架重构方案。计及系统中机组、线路以及负荷的影响,提出3个评价指标作为优化目标,构建一个偏好多目标优化模型。考虑到所建优化模型的偏好性和离散性,提出一种基于偏好的非支配排序遗传算法。提出基于偏好的支配关系、种群规模控制技术以及重复个体过滤技术,用于提高算法的效率,获得解数目可控的偏好Pareto最优解集。仿真结果表明,所提模型能够有效平衡网架重构的不同影响因素,所提算法对于网架重构优化问题有较高的求解效率。     

多目标模糊优化理论及其在制造系统中的应用

基于单目标最优解模糊化基础上的多目标模糊优化方法能够反映各个单目标最优解与多目标满意解之间的相互关系，较好地解决多目标优化问题。文章根据多目标模糊优化的基本原理，结合目标相对优属度概念，提出了具有相互矛盾目标的系统多目标模糊优化方法，并通过示例说明了该方法在制造系统优化中的应用。     

用关联度和海明距离确定多目标优化问题的最优解

本文提出了一种用灰色系统关联度概念来确定两模糊子集隶属函数形状间的差异程度,并用海明(Hamming)距离确定两隶属函数间的接近程度,从而确定出多个有效解中的最优解的方法。其作法是:将多目标优化问题的理想解(由各单目标最优解构成)和有效解(非劣解)模糊化,求得各个模糊有效解与模糊理想解间的关联度和Hamming距离。最后,通过排序打分法确定出有效解中的最优解。     

多目标决策的较重有效性与较重最优性

基于不同目标的权重不同,以"好目标的权重和越大,相应的方案越好"作为决策准则,提出了一种新的多目标决策有效性理论。其关键概念是β-较重有效解与β-较重最优解。文中证明了解的性质。讨论了该类解与Pareto-有效解的关系。     

模糊多目标马尔可夫决策

首先将模糊概念引入多目标马尔可夫决策规划,给出了一种具有模糊报酬函数的多目标马尔可夫决策规划的定义,通过讨论,基本解决了求解这种规划之最优策略的方法问题和这种规划最优解的决策判别问题。     

一种具有模糊偏好的多目标进化算法

根据各专家对各子目标在多目标优化问题中的重要程度给出的模糊评价，结合决策者的偏好和遗传算法，提出了一种带有模糊偏好的多目标优化算法。该方法利用模糊最大最小集方法将得到的模糊评价值进行解模糊，得到各子目标在多目标优化问题中的权重，将多目标优化问题转化为单目标优化问题，再利用遗传算法求出问题的优化解。最后，利用算例对所给的模糊多目标优化算法进行了说明。     

决策者偏好交互项目组合选择模型及算法优化研究

项目组合选择是战略项目管理决策的重要环节,目前基于决策者偏好的交互项目组合选择的研究仍然在模型和算法上存在不足。首先提出级别优先模型细致划分了项目间的偏好关系,并引入了项目间的协同交互,使模型更加完备。进而结合该模型改进了多目标粒子群算法,加快其收敛速度,并拓展其非劣解的多样性。在考虑决策者偏好和项目间交互约束的条件下,分别对偏好模型和模型求解算法进行了仿真验证。仿真结果表明,采用级别优先模型所得的非劣解更加接近项目组合选择的最优解,改进粒子群算法的搜索速度更快。     

用列队竞争算法解管路网络综合问题

将列队竞争算法用于一个典型的压力释放管网的最优设计计算,得到了比模拟退火法更优的结果,目标函数的计算次数不到模拟退火法的４‰。计算表明,列队竞争算法具有在复杂和庞大的搜索空间中快速搜索到最优解或接近最优解的能力．     

利用一种改进的模拟退火算法求解多目标规划问题

提出了一种求解多目标规划问题的改进模拟退火算法。该算法基于多目标规划的Pareto最优解特征提出了一种新的能量差计算方法,并利用外部存档储存每一代产生的Pareto最优解,通过预设迭代次数,使近似Pareto最优解不断逼近精确最优解。最后,通过数值实验验证算法的可行性和有效性。     

模糊优化相对增量比准则摄动梯度投影算法

首先根据非线性规划最优解的ＫＴ条件，给出一种含参数不等式约束的非线性规划最优解的存在条件。建立相对增量比与较优解的概念，应用摄动梯度投影方法，针对工程优化设计中具有模糊约束非线性规划的模糊优化问题，构造了一种相对增量比准则摄动梯度投影的普通优化算法，为求解模糊优化问题提供了一种新的途径。