基于高維多目標(biāo)優(yōu)化的集團(tuán)信息運(yùn)維指標(biāo)建模研究與應(yīng)用.pdf

1、集團(tuán)為了考核信息系統(tǒng)運(yùn)維的水平，與一些先進(jìn)的指標(biāo)進(jìn)行比較，使用一些指標(biāo)的得分?jǐn)?shù)據(jù)來對(duì)企業(yè)信息系統(tǒng)運(yùn)維情況進(jìn)行分析，從而在對(duì)比中看出本單位的不足，努力在管理上得到更進(jìn)一步的改進(jìn)，在指標(biāo)上能夠獲得更高的水平。針對(duì)信息系統(tǒng)運(yùn)維集團(tuán)提出的指標(biāo)管理體系，其內(nèi)容包括系統(tǒng)運(yùn)行水平、系統(tǒng)運(yùn)行安全、調(diào)運(yùn)體系建設(shè)、運(yùn)行隊(duì)伍建設(shè)、運(yùn)行專項(xiàng)工作、事故與障礙等指標(biāo)。
　　 本文就是基于指標(biāo)體系中各單位運(yùn)行評(píng)價(jià)與分析系統(tǒng)提出利用高維多目標(biāo)優(yōu)化來對(duì)集團(tuán)運(yùn)維指

2、標(biāo)分析與評(píng)價(jià)，本文著重分析人力資源與管理指標(biāo)之間的關(guān)系。基于集團(tuán)對(duì)各單位運(yùn)維指標(biāo)的分析與評(píng)價(jià)系統(tǒng)的指標(biāo)體系來對(duì)指標(biāo)進(jìn)行擬合，將指標(biāo)分析擬合成目標(biāo)函數(shù)，然后將多目標(biāo)優(yōu)化應(yīng)用到這些指標(biāo)擬合函數(shù)上，最后得出一些非支配解集。之前公司管理層做的資源分配方案都是依靠經(jīng)驗(yàn)或簡(jiǎn)單的計(jì)算作出的決定，這種決定往往不是最好的，常常會(huì)因?yàn)闆Q策失誤而導(dǎo)致得分很低。因此用高維多目標(biāo)優(yōu)化來作優(yōu)化，其解集中的解都是非支配解，其分配方案要比之前簡(jiǎn)單的判斷來獲得的解好。決

3、策者可根據(jù)一些偏好信息從非支配解中來選擇一個(gè)解作為人力資源的分配方案。本文實(shí)驗(yàn)結(jié)果證明這種利用多目標(biāo)優(yōu)化獲得的分配方案要比僅依靠經(jīng)驗(yàn)設(shè)定的方案要好的多。
　　 自上個(gè)世紀(jì)60年代以來，多目標(biāo)優(yōu)化問題就備受研究人員的關(guān)注。但是極大部分算法都只是考慮三個(gè)或三個(gè)以下目標(biāo)的低維情況的問題，而在實(shí)際問題中，包括的目標(biāo)數(shù)非常大，目標(biāo)數(shù)目為四維或大于四維。而目標(biāo)數(shù)量大于三維時(shí)，基于Pareto排序的算法比較困難，因?yàn)殡S著目標(biāo)維數(shù)的增加，種群當(dāng)

4、中的非支配個(gè)體的總數(shù)量將呈指數(shù)增長(zhǎng)，極度削弱了基于Pareto排序進(jìn)行搜索與選擇的能力。本文主要針對(duì)集團(tuán)運(yùn)維系統(tǒng)的應(yīng)用將高維多目標(biāo)優(yōu)化方法應(yīng)用其中，另外就是對(duì)目標(biāo)縮減來這種方法作了一些研究改進(jìn)，工作包括以下幾個(gè)方面。
　　 首先，對(duì)集團(tuán)信息運(yùn)維系統(tǒng)指標(biāo)評(píng)價(jià)分析系統(tǒng)中的評(píng)價(jià)指標(biāo)進(jìn)行高維多目標(biāo)優(yōu)化建模，將高維多目標(biāo)算法應(yīng)用其中。以集團(tuán)評(píng)價(jià)系統(tǒng)中的指標(biāo)為高維多目標(biāo)函數(shù)，主要考慮公司資源有限的特點(diǎn)，利用高維多目標(biāo)優(yōu)化得出好的資源分配方案

5、，能在滿足指標(biāo)得分的基礎(chǔ)上，適應(yīng)考核方案的變動(dòng)性，具有多樣化和靈活化的特點(diǎn)。
　　 其次，引用了最小二乘法作為本文重點(diǎn)使用的高維多目標(biāo)縮減算法，并對(duì)最小二乘法中的經(jīng)典的NSGA-Ⅱ算法中的密度函數(shù)提出改進(jìn)和應(yīng)用。最小二乘法可以很方便地將高維目標(biāo)空間的點(diǎn)擬合成若干條直線段，這樣由若干條直線段組成的曲線可以近似的代表目標(biāo)函數(shù)曲線。并在算法中使用了改進(jìn)了密度函數(shù)的NSGA-Ⅱ目標(biāo)進(jìn)化算法，并與原NSGA-Ⅱ在集團(tuán)評(píng)價(jià)模型中作了比較，實(shí)