基于灰色综合关联分析的多目标优化方法

针对现有多目标优化方法存在的搜索性能弱、效率低等问题,提出一种基于灰色综合关联分析的多目标优化方法.该多目标优化方法采用单目标优化算法构建高质量的参考序列,计算参考序列与优化解的目标函数值序列之间的灰色综合关联度,定义基于灰色综合关联度的解支配关系准则,将灰色综合关联度作为多目标优化算法的适应度值.以带顺序相关调整时间的多目标流水车间调度问题作为应用对象,建立总生产成本、最大完工时间、平均流程时间及机器平均闲置时间的多目标函数优化模型.提出基于灰色关联分析的多目标烟花算法,对所建立的多目标优化模型进行优化求解.仿真实验表明,所提出多目标烟花算法的性能优于3种基于不同多目标优化方法的烟花算法及两种经典多目标算法,验证了所提出的多目标优化方法及多目标算法的可行性和有效性.     

基于多点非均匀变异的多目标极值优化算法研究

多目标进化算法因其在解决含有多个矛盾目标函数的多目标优化问题中的强大处理能力,正受到越来越多的关注与研究。极值优化作为一种新型的进化算法,已在各种离散优化、连续优化测试函数以及工程优化问题中得到了较为成功的应用,但有关多目标EO算法的研究却十分有限。本文将采用Pareto优化的基本原理引入到极值优化算法中,提出一种求解连续多目标优化问题的基于多点非均匀变异的多目标极值优化算法。通过对六个国际公认的连续多目标优化测试函数的仿真实验结果表明：本文提出算法相比NSGA-II、 PAES、SPEA和SPEA2等经典多目标优化算法在收敛性和分布性方面均具有优势。     

基于反向学习和种群引导的多目标蝗虫优化算法

为了解决多目标优化的相关问题,提出了求解多目标的蝗虫优化算法,结合单个目标的蝗虫优化算法的搜寻机制、帕累托优势以及拥挤度策略,并在算法中应用种群引导和高斯变异算子,加入了反向学习机制。将所提出的算法与经典的MOPSO、MOCS、MOGOA和MOWOA算法进行了比较,比较结果表明,所提出的改进多目标蝗虫优化算法具有良好的鲁棒性,所求得的解分布更均匀,收敛更快速,是一种有着良好应用前景的多目标进化算法。     

响应动态约束条件的多目标货位优化算法研究

针对自动化立库货位决策与优化问题,考虑到优化目标多样、托盘使用状态及可分配货位动态变化等因素,提出了一种响应动态约束条件的多目标货位优化算法。以巷道作业均衡、货架重心稳定及作业路径最短建立多目标优化模型,基于变异系数自适应差分进化算法,使用货位随机数编码,根据实时货位可行域进行个体解码,以响应动态货位约束条件。提出了基于层次分析的Pareto解评价方法,从而获得多批作业货位持续优化的目标权重,为仓储货位决策提供合理方案。多批作业算法实验结果表明:所提算法效果显著优于多目标简单加权算法,能够有效应用于动态货位决策与优化。     

基于人类社交行为的动态多目标优化

为了提高多目标微粒群优化算法处理多目标优化问题的性能,降低计算复杂度,改善算法的收敛性,提出了一种基于人类社交行为的多目标动态微粒群优化算法。考虑到粒子寻优过程受到环境中精英粒子与平庸粒子的影响,分别对自身产生推力与阻力作用,并引入局部跳出策略,使算法具有很强的全局搜索能力和较好的鲁棒性能。通过典型的多目标优化函数对算法进行了测试验证,结果表明提出的多目标算法具有较快的收敛速度和较强的跳出局部最优能力,性能优越,可供许多领域优化问题求解借鉴。     

一种基于拟态物理学优化的多目标优化算法

提出一种使用拟态物理学优化(APO)解决多目标优化问题的算法(MOAPO).根据多目标优化问题的特点,借鉴聚集函数法的思想,利用APO算法实现了对多目标优化问题中Pareto最优解集的搜索,并且在搜索过程中动态调整惯性权重与引力因子,以增强非劣解的多样性.实验结果表明了将APO应用于多目标优化问题的有效性.通过与基于微粒群优化(PSO)的多目标优化算法及NSGA-Ⅱ算法的比较,表明了MOAPO算法具有较好的分布性.     

基于自适应搜索策略的约束多目标优化算法

平衡目标函数和约束条件是现有约束多目标优化算法面临的共同难题。为了解决这个难题,文章提出了一种基于自适应搜索策略的约束多目标优化算法（ASSCMO）。为验证ASSCMO的性能,将其与3种优秀的约束多目标优化算法在两组基准测试集上进行仿真实验。实验结果表明,ASSCMO在求解约束多目标优化问题上更具有竞争力。     

多目标优化策略在精馏过程中的应用研究

针对精馏塔自由度多,能耗大,扰动复杂多变,控制和优化要求高等特点,提出了一种基于动态矩阵控制(DMC)的二层多目标优化控制策略。在实现精馏过程控制目标的前提下,设计了二层优化指标,可在有多余自由度的情况下,进行二层控制和优化,实现精馏过程质量控制目标和经济运行优化。通过对Shell多侧线精馏过程的仿真研究,验证了二层多目标优化控制策略的有效性。与DMC控制相比,二层多目标优化控制策略可以明显改善精馏塔运行的经济性,实现增加收益的目标。     

模糊时间窗VRP的动态规划和禁忌搜索混合算法

为优化具有模糊时间窗的车辆路径问题,以物流配送成本和顾客平均满意度为目标,建立了多目标数学规划模型。基于Pareto占优的理论给出了求解多目标优化问题的并行多目标禁忌搜索算法,算法中嵌入同时优化顾客满意度的动态规划方法,运用阶段划分,把原问题分解为关于紧路径的优化子问题。对模糊时间窗为线性分段函数形式和非线性凹函数形式的隶属度函数,分别提出了次梯度有限迭代算法和次梯度中值迭代算法来优化顾客的最优开始服务时间。通过Solomon的标准算例,与次梯度投影算法的比较验证了动态规划方法优化服务水平的有效性,与主流的NSGA-II算法的对比实验表明了该研究提出的多目标禁忌搜索算法的优越性。     

基于多目标数据生成的昂贵多目标进化算法

昂贵多目标优化问题是一类需要同时优化多个相互冲突且评估计算成本十分昂贵的目标的复杂优化问题,需要算法在计算资源受限的情况下尽可能找到目标值好且多样性好的一系列非支配解.进化计算方法是求解多目标优化问题的有效手段,但在求解昂贵多目标优化问题时仍面临多样性和收敛性这两个方面的挑战,即难以找到多样性好且收敛到全局最优的一系列解.针对上述挑战,本文提出了新型的基于多目标数据生成的昂贵多目标进化算法.本文的贡献点和创新点主要有以下三个方面.首先,本文提出并证明了非支配解生成定理,并基于此提出了多目标数据生成方法,以更有效地搜索到更多非支配解,提高算法的多样性.其次,本文提出了多种群多代理框架,使用多个代理模型替代评估成本昂贵的真实目标函数,并协同演化多个种群对多个代理模型进行协同求解,从而提高算法的收敛性.再次,基于上述提出的方法和框架,本文提出了基于多目标数据生成的昂贵多目标进化算法,以对昂贵多目标优化问题进行求解.为了验证算法性能,本文在两个著名测试集的共16个问题上进行了丰富的大量测试实验,并与现有的五个前沿算法进行对比.实验结果表明,本文提出的算法能在大部分问题上取得比所有对比算法都更好...     

多目标水库资源优化调度决策支持系统及应用

水资源调度是水库运行管理的中心环节和复杂的过程。水库优化调度是涉及入径流、工农业供水、发电等多目标决策问题。运用三库DSS结构设计由数据库、模型库、管理策略方法库和业务操作4部分模块组成的水库资源优化调度决策支持系统,建立基于成本函数和基于决策者偏好的效用函数的目标规划模型,实现水库资源的优化调度策略。     

网络化制造资源优化配置DSS的优化模型研究

首先简介了网络化制造资源优化配置决策支持系统的体系结构及决策过程,在此基础上讨论了优化配置关键技术—EMP优化模型的两种实现方法:EMP综合评判及基于遗传算法的EMP优化方法,最后针对基于多目标遗传算法的EMP优化模型,设计了实现算法。     

使用Delphi的Decision Cube进行多维数据分析

从多维数据分析的角度出发，对Delphi的决策支持组件Dcision Cube进行了介绍，并介绍了如何利用Dicision Cube进行多维数据分析以及支持决策，最后简要对Decision Cube进行了总结。     

智能决策支持平台的柔性体系结构研究

结合战场抢修决策平台项目开发,介绍了决策支持系统体系结构的发展历程,提出了智能决策支持平台应具有运行柔性、结构柔性、界面柔性和系统开放性,建立了6库+1平台的柔性体系结构,并提出了CORBA系统中服务对象开发方法,给出了对象适配器结构模型,并且应用这种方法实现了基于CORBA的智能决策支持平台的柔性体系结构。     

数据仓库在钻井工程决策中的应用研究

提出了开发钻井工程决策支持系统的一种新技术———数据仓库技术,给出了基于数据仓库的DSS的体系结构,并详细介绍了系统中面向主题的数据仓库的构建方法。     

基于支持向量机的水质监测数据处理

水质评价实际上是一个监测数据处理与状态估计、识别的过程,提出一种基于支持向量机的方法应用于水质评价,该方法依据决策二叉树多类分类的思想,构建了基于支持向量机的水环境质量状况识别与评价模型。以长江口的实际水质监测数据为例进行了实验分析,并与单因子方法及单个BP神经网络方法进行了比较分析。实验结果表明,运用该模型对长江口的实际水质监测数据进行的综合水质评价效果较好,且具有较高的实用价值。     

A computer-based system for risk management support

The scale and complexity of present day industrial operations involving hazardous substances are such that managers are faced with increasingly demanding decision problems. They must simultaneously consider technological, economic, environmental and sociopolitical factors. As a response to this problem a computer based decision support system is being developed to support risk management activities, with special emphasis given to hazardous chemicals. The IRIMS (Ispra Risk Management Support) system is an attempt to integrate a number of data bases, containing information relevant to risk management, with several existing simulation models which can be used to address problems of environmental assessment, risk analysis and system optimisation. The system is designed to be user friendly and results are displayed through high resolution colour graphics allowing the non specialised user to obtain a “feel” for the problem under investigation. The paper describes the current prototype system, which is geared to handle problems on a European scale, and plans for further developments which will allow more detailed studies on particular countries or regions.     

经济效益下电力物资仓储业务多目标优化模型

为了在良好经济效益作用下,实现对电力物资仓储业务的多目标优化处理,提出一种基于博弈相关性特征分析的经济效益下电力物资仓储业务多目标优化模型。首先在关联规则集中提取经济效益下的电力物资仓储业务;然后通过模糊关联规则多目标优化方法进行电力物资仓储业务的特征分解与优化提取,完成既定仓储业务的集中性多目标优化;再采用博弈相关性特征分析方法进行经济效益下电力物资仓储业务的自适应分块匹配;最后结合深度学习方法,实现经济效益下电力物资仓储业务的多目标优化决策。实验结果表明,应用新型优化模型后,电力物资仓储业务的多目标决策评估水平明显提升,从根本上提高了经济效益下电力物资仓储业务的调度能力。     

基于信息挖掘与推拉技术的IDSS的研究

该文在分析传统的决策支持系统所存在问题的基础上,提出了新一代基于信息挖掘与推拉技术的智能决策支持系统,概述了该系统中所使用的基于双库协同机制的KDD技术、Web内容挖掘技术、Web用户访问信息挖掘技术及信息推-拉技术等。     

基于SVM多分类决策树的研究综述

支持向量机(Support Vector Machine,SVM)是一种基于统计学习理论的机器学习方法,由于其出色的学习性能,早已成为当前机器学习界的研究热点;而决策树是一种功能强大且相当受欢迎的分类和预测工具。本文重点介绍支持向量机与决策树结合解决多分类问题的算法,并对其进行评析和总结。