模糊多目标遗传算法及其在营养决策中的应用

讨论了用进化算法来解决多目标优化问题，提出用一个模糊增强Pareto进化算法FSPEA来解决多目标优化问题，并且通过与其他4种算法所获得的解进行比较来分析FSPEA算法的性能．最后把FSPEA应用到营养分析和决策的优化问题来获求最佳膳食营养结构．结果证明了该算法的有效性．     

一类多目标决策的贝叶斯方法

本文对多目标决策的权值给出随机化处理方法和贝叶斯估计结果。引入了反馈权值概念。由如下模型 的解作为决策对象的反馈权值,并构成样本,对先验权值进行检验和估计,得到修正公式 V(K)=为定性和定量相结合的多目标决策,在精确性和可靠性方面作出新的探索。     

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。     

一种模糊随机多目标决策方法

从可能度的定义出发，将模糊多目标决策的模糊判决原理推广到模糊随机多目标决策，提出了一种基于目标函数的可信度、可能度、满意度的决策方法，建立了可能度－可信度（PR）、可能度－可信度－满意度（PRS）的决策模型，可广泛应用于各种充满不确定性决策信息的复杂决策问题。     

产品全生命周期设计非线性多目标优化方法

为实现产品全生命周期设计全系统、全过程、全性能优化的目的，提出在对生命周期内各环节影响因素分析的基础上，将设计从面向某一特定阶段或特定性能指标的平面式局部规划扩展到立体式整体规划．对立体式生命周期设计的涵义进行了阐释．基于详尽的需求分析和系统分析，以及对影响产品竞争力因素的综合评估，建立了产品立体式生命周期设计非线性多目标优化模型，给出了优化问题求解的方法，并以算例对所给出的模型和求解方法进行了说明．     

用非线性多目标规划确定矿山经济规模

针对矿山的具体特点。提出了以非线性多目标规划作为求解方法。并建立了相应的数学模型，最后，对一实例进行了解算。     

一类多目标非线性Hopfield网络稳定平衡点的最优性证明

给出了目标函数为所凸函数的多目标非线性Ｈｏｐｆｉｅｌｄ网络稳定平衡点的最优性证明，为应用多目标非线性Ｈｏｐｆｉｅｌｄ神经网络求得多目标的有铲解提供了必要的理论依据。     

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，提出了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。     

基于多目标优化的免疫遗传算法 在Matlab环境中的实现

阐述了基于多目标优化的免疫遗传算法基本原理，合理地在抗原聚类算法中引入孤立度算法。在该算法中，将优化问题的可行解对应于抗体及pareto最优个体对应于抗原，并运用改进的抗原聚类算法不断更新抗原群中的抗原，从而得到分布均匀的pareto最优解。并探讨了在Matlab环境下应用免疫遗传算法实现多目标优化，主要对增强度计算、pareto求优、抗原聚类等进行了算法实现。并以实例说明其在Matlab环境中实现的可行性。     

多目标遗传算法的收敛性研究

基于群体搜索的遗传算法求解多目标优化问题具有独特的优势,多目标优化算法已有的研究大多为算法的设计和数值实验效果的比较,理论研究则很少,本文作者给出了一种求解多目标优化问题的新遗传算法（RMOGA）,并用Markov链的理论对RMOGA的收敛性进行了研究,其结果表明RMOGA依概率收敛到问题的Pareto前沿面.     

Multi-objective optimization of membrane structures based on Pareto Genetic Algorithm

A multi-objective optimization method based on Pareto Genetic Algorithm is presented for shape design of membrane structures from a structural view point.Several non-dimensional variables are defined as optimization variables,which are decision factors of shapes of membrane structures.Three objectives are proposed including maximization of stiffness,maximum uniformity of stress and minimum reaction under external loads.Pareto Multi-objective Genetic Algorithm is introduced to solve the Pareto solutions.Consequently,the dependence of the optimality upon the optimization variables is derived to provide guidelines on how to determine design parameters.Moreover,several examples illustrate the proposed methods and applications.The study shows that the multi-objective optimization method in this paper is feasible and efficient for membrane structures;the research on Pareto solutions can provide explicit and useful guidelines for shape design of membrane structures.     

多目标决策中定性决策指标的估价方法

在文献［１］ 的启发下应用集值统计原理对多目标决策中所涉及的定性决策指标的估价方法进行了探讨，给出了４ 种比较科学的估价方法，并对它们进行了评价。     

利用遗传算法优化BP神经网络

首先阐述了BP算法和遗传算法,并指出BP算法和遗传算法各自的优缺点,讨论了如何利用遗传算法优化BP神经网络,并举实例进行了仿真。结果表明该方法具有一定的实用价值。     

一种基于遗传操作的神经网络混合训练算法

介绍了一种改进遗传算法的基本操作,并讨论了综合应用遗传算法及ＢＰ算法进行神经网络的权值训练。通过实例比较和分析了这种混合算法与ＢＰ算法的实验效果。     

排课问题的一种遗传算法适应度求解方法

排课问题的多个优化目标间可能是冲突的,如何有效优化求解的多个目标,是排课问题的关键。适应度计算方法影响遗传算法的采样空间和执行效率,研究适应度的求解方法有助于解决多目标优化问题。利用多目标决策协调模型进行排课问题的改进适应度求解方法的研究,以优化遗传算法的采样空间,加快算法的收敛。把该方法应用到排课问题中,实验结果表明对目前仍没有较好解决方法的组合优化问题,可以得到比较容易的解决。     

一种基于遗传算法的属性约简算法

本文采用遗传算法进行属性约简，给出遗传算子设计方法，结果表明能得到最小约简。     

结构优化设计中自适应遗传算法的研究

主要介绍了一种基于非连续设计变量的结构优化设计方法一遗传算法(Genetic Al-gorithms，GA)。首先对遗传算法的来源、基本过程进行了论述；为了提高遗传算法的收敛性能，同时考虑到交叉率和变异率的选取问题，引入一种基于个体适应度值的自适应调整交叉率和变异率的自适应遗传算法，并通过算例表明自适应遗传算法是有效的。     

水下机器人运动规划中多目标遗传算法的选择方法

为探讨多目标遗传算法的选择方法对优化结果的影响,本文以水下机器人为对象,对多目标遗传算法的选择方法进行了分析和研究,提出了变权重系数法并对选择公式进行了修正,以水下机器人“Twin-Buger”为对象,进行运动规划的算例验证了本文所提出方法的有效性和可行性。