基于偏好信息的支配策略研究.pdf

1、在求解現(xiàn)實(shí)中的多目標(biāo)優(yōu)化問(wèn)題(Multi-objective Optimization Ploblems,MOP)時(shí)，由于采用隨機(jī)式、群體式以及智能式的搜索，多目標(biāo)進(jìn)化算法(Multi-objective Evolutionary Algorihm,MOEA)能有效地解決求解過(guò)程中遇到的各種難題，因而成為智能計(jì)算研究領(lǐng)域的熱點(diǎn)之一。有異于單目標(biāo)優(yōu)化問(wèn)題(Single-objective onOptimizati Ploblem,SOP)

2、，求解多目標(biāo)優(yōu)化問(wèn)題得到的將會(huì)是一組折衷解，即Pareto最優(yōu)解，而不是單一的全局最優(yōu)解。在過(guò)去幾十年，研究者通過(guò)迭代運(yùn)行多目標(biāo)進(jìn)化算法進(jìn)行隨機(jī)群體式的搜索來(lái)得到Pareto最優(yōu)解。然而，隨著優(yōu)化問(wèn)題目標(biāo)數(shù)的增加，產(chǎn)生的Pareto最優(yōu)解也隨之劇增，這讓決策者(Decision Maker,DM)很難從中做出正確的決策。近三十年，許多基于偏好的多目標(biāo)進(jìn)化算法被相繼提出，在求解目標(biāo)維數(shù)較高的問(wèn)題時(shí)取得了不錯(cuò)的效果。從決策者的角度考慮，他們

3、對(duì)各個(gè)目標(biāo)的喜好程度不同，因此沒(méi)有必要搜索出所有的Pareto最優(yōu)解，而只需Pareto最優(yōu)解中決策者最感興趣的區(qū)域(Region Of Interests,ROI)?；谶@個(gè)原因，研究者提出在優(yōu)化方法中混合決策制定策略。在算法優(yōu)化過(guò)程中，將決策者的偏好信息整合到進(jìn)化算法中，不僅能簡(jiǎn)化決策制定，而且還能減少不感興趣區(qū)域的搜索代價(jià)，引導(dǎo)算法搜索到感興趣區(qū)域。
　　本文所做的工作歸納為如下幾點(diǎn)。
　　1．系統(tǒng)地學(xué)習(xí)了一些有關(guān)多目

4、標(biāo)進(jìn)化算法的基本概念和基于偏好的多目標(biāo)進(jìn)化算法的當(dāng)前研究現(xiàn)狀，并詳細(xì)說(shuō)明了在設(shè)計(jì)與實(shí)現(xiàn)基于偏好的多目標(biāo)進(jìn)化算法時(shí)，需考慮的一些要點(diǎn)。
　　2．根據(jù)決策者提供的參考點(diǎn)、目標(biāo)權(quán)值和搜索范圍信息建立統(tǒng)一偏好模型。在此模型的基礎(chǔ)上，提出一種改進(jìn)的支配關(guān)系。
　　3．根據(jù)決策者提供的偏好信息以及ε-Pareto支配的特點(diǎn)，提出一種改進(jìn)的支配關(guān)系。
　　提出的方法都是先構(gòu)造出新的偏好信息引入方法將角度、搜索范圍、參考點(diǎn)和目標(biāo)權(quán)值等