一类新型动态多目标鲁棒进化优化方法

传统动态多目标优化问题（Dynamic multi-objective optimization problems,DMOPs）的求解方法,通常需要在新环境下,通过重新激发寻优过程,获得适应该环境的Pareto最优解.这可能导致较高的计算代价和资源成本,甚至无法在有限时间内执行该优化解.由此,提出一类寻找动态鲁棒Pareto最优解集的进化优化方法.动态鲁棒Pareto解集是指某一时刻下的Pareto较优解可以以一定稳定性阈值,逼近未来多个连续动态环境下的真实前沿,从而直接作为这些环境下的Pareto解集,以减小计算代价.为合理度量Pareto解的环境适应性,给出了时间鲁棒性和性能鲁棒性定义,并将其转化为两类鲁棒优化模型.引入基于分解的多目标进化优化方法和无惩罚约束处理方法,构建了动态多目标分解鲁棒进化优化方法.特别是基于移动平均预测模型实现了未来动态环境下适应值的多维时间序列预测.基于提出的两类新型性能评价测度,针对8个典型动态测试函数的仿真实验,结果表明该方法得到满足决策者精度要求,且具有较长平均生存时间的动态鲁棒Pareto最优解.     

一类不确定非线性系统的鲁棒自适应控制

针对一类具有一般不确定性和未知参数的非线性系统,设计出一种适用于输出跟踪的鲁棒自适应控制器.该控制器对系统的参数和状态的不确定性具有鲁棒性,能保证闭环系统的全局稳定性,并解决了ε-跟踪问题.仿真实例表明,所设计的鲁棒自适应控制器具有良好的跟踪性能.     

一类参数不确定系统的鲁棒正实性

本文考虑了一类参数不确定系统的鲁棒正实性,给出了一个输出反馈系统具有鲁棒严格扩展正实性（ESPR）的充分条件以及求反馈控制器的方法。并利用该条件可估计出系统保持ESPR的最大参数撮动范围。在此基础上,对某不确定控制系统进行了鲁棒正实控制设计。并采用两种方法对结果进行验证,仿真的结果证明了该设计的有效性与可行性。     

一类参数不确定非线性系统的鲁棒稳定性

本文分析了一类参数不确定非线性系统，给出了其鲁棒稳定性的若干判据，为寻找非线性系统的参数鲁棒空间提供了一种途径，最后通过简单数据算例说明了本文结论的有效性。     

一类不确定系统的鲁棒绝对稳定性

本文考虑一类不确定系统的绝对稳定性问题,系统的线性部分乃顶点模型的凸组合,非线性部分是一个非线性扇区如通常绝对稳定性问题中那样。我们将给出一个类似的圆判据,它说,所有顶点或边系统的某些频域条件可保证整个不确定系统是绝对稳定的。由于边系统仅含单参数,这样就大大地降低了原问题的计算复杂性。     

多目标进化算法搜索鲁棒最优解效率研究

鲁棒最优解是进化计算研究的重要方面,同时也是研究难点。多目标进化算法搜索鲁棒最优解时,通常要用蒙特卡罗积分（MCI）近似估计有效目标函数（EOF）,而已有求解方法近似精度不高,使得算法搜索鲁棒最优解的性能较差。提出用拟蒙特卡罗方法（Q-MC）来估计有效目标函数方法,其所引入的Q-MC方法——Korobov点阵能更精确地估计EOF。实验结果表明,与现有的原始蒙特卡罗方法（C-MC）相比,拟蒙特卡罗方法（Q-MC）可以较大地提高多目标进化算法搜索鲁棒最优解的效率。     

参数不确定机器人分散鲁棒跟踪控制

提出了一种新的参数不确定机器人分散控制器设计方法．首先将关节子系统的动力学模型分解为人工标称模型和非线性时变不确定模型两部分；然后分别设计相应的标称控制器和鲁棒补偿器．标称控制器使得标称闭环系统具有理想的跟踪性能；鲁棒补偿器可以抑制参数不确定和关节间非线性耦合等因素的影响，实现鲁棒跟踪．所设计的控制器只需要局部关节的位置反馈，具有易于实现和可在线调整的优点．仿真结果说明了该方法的有效性．     

一类具有不确定参数的非线性相似组合系统的鲁棒控制器设计

针对一类具有不确定参数的非线性相似组合控制系统,利用状态反馈精确线性化方法,设计出一种鲁棒控制器。结果表明,相似结构确定可以简化组合系统的分析与设计,最后的算例表明了结果的有效性。     

带有非线性不确定参数的线性系统的鲁棒稳定性和鲁棒镇定问题

研究带有非线性不确定参数的线性系统的鲁棒稳定性和鲁棒镇定问题。讨论一种有很强实际应用背景并允许带有二次不确定参数的模型,研究该系统的鲁棒稳定性和鲁棒镇定问题。以ＬＭＩ的形式给出了判据,并举例证明了该方法的优越性。     

一类参数不确定系统的鲁棒镇定

给出了一类参数不确定性系统的鲁棒镇定方法,首先对这类系统给出了一般描述,即这种系统的系统阵、输入阵都包含不确定参数,其非线性扰动项满足一定的约束条件.其次讨论了上述系统的基于代数黎卡提方程的正定解的鲁棒镇定方法.在应用方面,以包含静止同步补偿器(STATCOM)的电力系统为例,通过直接反馈线性化将上述系统转换为所讨论的线性系统.仿真结果验证了所提方法的控制效果.     

锆铪萃取分离系统参数的多目标优化决策

本文对叔胺从硫酸水溶液中萃取分离锆、铪的流程系统参数,用随机寻优法分别进行了单目标函数和多目标函数的优化算法研究,并对两种方法进行了对比。对比结果表明,多目标优化决策明显胜过单目标优化方法。     

基于多目标决策的维修分队抽组优化模型

针对解决从多个维修分队中派出最佳维修分队进行产品维修的问题，从运筹学的角度出发，抽象提取出影响抽组优化的要素，研究并提出了利用多目标决策理论解决维修分队抽组优化问题的方法，给出了相应的抽组优化模型，阐述了具体演算过程。     

多人决策的一类相对均衡解

本文分析由于决策人偏好不同而引起决策差异的多人多目标决策问题，提出了这类决策问题的一类相对均衡解的概念和求取方法。相对均衡解以决策群体偏好的加权集结为基础，能最大程度地反映每个决策人的偏好。文中研究相对均衡解的ＳＷＴ求取方法，并给出了求解的步骤。     

进化多目标优化设计满意解的模糊决策

文章提出了一种进化多目标优化满意解的模糊决策方法。首先,根据各个子目标满意度对所有pareto最优解的性能做出模糊评价,并在此基础上将整个pareto解集划分为若干个具有不同性能特征的类;然后根据决策者对目标的模糊偏好,从相应的类中选择最有代表性的个体作为最终的满意解。最后以两杆桁架多目标优化问题为例,说明了该方法的应用。     

多步决策过程中有效解的平稳性

本文首先论述多步决策过程及其性能指标,引进有关信息集、半收敛和强收敛等概念,给出多步决策的含时有效解和定态有效解及其平稳性的定义。然后探讨了集值映射序列在拓扑意义下的收敛和以Pompeiu-Hausdauff距离意义的收敛之间的关系,证明了几个对应关系定理。最后,文章系统地考察了决策过程中有效解的平稳性质。     

在GIMC结构下基于定量反馈理论的连续广义预测鲁棒稳定控制

The continuous-time generalized predictive control (CGPC) and the quantitative feedback theory (QFT) are used together to control the plant with high uncertainty. QFT conquers the plant uncertainty and stabilizes the system in the inner loop without affecting the nominal performance based on the generalized internal model control (GIMC) structure. CGPC is used to obtain the necessary control performance in the outer loop. According to several given sufficient conditions, the available tuning parameters of CGPC are selected to make the system robustly stable. Finally, an example is given to show how to use this technique; and it is shown that this combined approach gets better performance than if only one of them is used.     

一种基于不确定信息的决策方法

提出了一种基于不确定信息的决策方法,该方法从统一决策模型的角度给出了候选决策集的构造方法、候选决策从证据焦元获得的属性级支持度的计算方法、决策矩阵的构造方法、候选决策获得的证据级支持度的计算方法等．该方法的特点在于将基元和非基元决策的选择问题统一起来加以考虑,另外,决策者可以通过设定模型中的函数形式,决定决策精度和决策风险之间的折衷策略。     

基于GP的多目标决策函数稳定性分析

在多目标决策问题中，必须设定许多值．由于受到主观因素的影响，不同目标的重要性和可行性方案的效用值有时非常逼近．因此，分析设定值的微小变动对决策结果的敏感度影响尤为重要，根据期望的要求选择一个决策函数，尽可能地求出一个稳定的解，这是求解决策问题的根本任务．提出了一种基于遗传程序设计（GP）的新方法，该方法能产生比普通方法更好的决策函数，理论上的期望值得到实例的验证。     

有序决策表中的第三种不一致

现实世界中的有序性问题，反映在决策表上相当于在表的属性域上加上优先关系(preferential ordering)或者说是序关系的语义，这种决策表称为有序决策表，有序决策表中的条件属性又称为指标(criterion)，有序决策表中的对象在各个指标上有排序，在决策属性上又有一个总的排序。文献[1，2]指出对于有序决策表中存在一种普通的粗糙集模型不能识别的不一致，并以基于支配关系(dominance relation)的粗糙集模型(dominance-based rough set approach or DRSA)代替基于等价关系的经典粗糙集模型(classic rough set approach or CRSA)，DRSA可以处理这种不一致，文中则进一步指出有序决策表中还存在另一种不一致，不仅在应用上进一步完善了对有序表的处理，而且在理论上丰富了粗糙集中不一致的内涵。