基于QGA的多目标决策方法研究

摘要

一种多目标的决策问题广泛的存在于管理决策领域。这类问题按照目标函数的确定与否可以分为目标函数确定与目标函数不确定两类。目标函数确定的多目标决策问题可以对目标函数建模，利用数学分析法对其精确求解。但现实生活中很多问题都属于目标函数不确定的多目标决策问题，这类半结构化或非结构化决策问题，决策的过程非常复杂，具有很多不确定因素，常用的一些方法难以对其求解。因为此类问题的目标函数不能完全结构化、数量化表示；决策者的个人偏好也是不确定的；问题本身属于NP-Complete问题。因此怎样利用当前的人工智能技术，从决策理论和方法两个角度分析，在考虑决策者的偏好需要不断调整的情况下，提高算法的搜索效率，力求建立一种能有效求解此类多目标决策问题的模型、方法是一项具有重要意义的工作，也存在着巨大的挑战。
　　交互式进化计算(Interactive Evolutionary Computation，IEC)是一种独特的进化计算方法，它的适应值函数是由决策者评价得到的，由研究发现此方法适合用来求解这种隐形的多目标决策问题。本文将量子遗传算法引入交互式进化计算，结合多目标决策的理论与技术分析研究目标函数不确定下的多目标决策问题。
　　本文首先从问题发展、理论模型、求解方法、相关应用四个角度对多目标决策问题进行阐述，并根据目标函数是否确定将问题分成两大类分别讨论。对于目标函数确定的多目标决策模型，介绍了其常用的求解方法遗传算法，包括遗传算法的基木思想、特点和基木的操作。接着介绍了近些年的研究热点量子遗传算法，通过对量子遗传算法本质和流程的分析，认为其适合用来求解目标函数确定的多目标决策问题。最后本文以经典的TSP问题为例，将传统的遗传算法与量子遗传算法进行对比实验，验证了量子遗传在种群规模小，进化代数少要求下的有效性。
　　对于目标函数不确定的多目标决策问题，本文首先给出了进化模型，介绍了求解此类问题的关键技术交互式的方法，并以旅游行程规划为例进行个案研究。因为旅游行程规划问题是TSP问题的扩展，属于目标函数不确定的情况，这两者正好对应了本文对多目标决策问题的分类，具有很好的比对意义。在此案例研究中，本文将量子遗传算法与交互机制结合，通过与传统的交互式遗传算法的求解结果的统计性分析，得出交互式量子遗传算法仍然是解决此类问题的有效方法。

目录

文摘

英文文摘

致谢

插图清单

表格清单

第一章 绪论

1.1 研究背景及意义

1.2 研究现状

1.3 本文主要内容及章节安排

第二章 多目标决策理论概述

2.1 多目标决策问题的发展

2.2 多目标决策问题的理论模型

2.3 多目标决策问题的数学建模

2.4 多目标决策问题的求解方法

2.4.1 遗传算法

2.4.2 多目标模拟退火

2.5 多目标决策方法的应用

2.5.1 多目标决策方法在通信网络中的应用

2.5.2 多目标决策方法在自适应分布式数据库管理中的应用

2.6 本章小结

第三章 目标函数确定的多目标决策模型研究

3.1 量子遗传算法

3.1.1 量子遗传算法的基本理论

3.1.2 量子遗传算法流程

3.2 以TSP问题为例的目标函数确定的多目标问题表征

3.3 以TSP问题为例的基于QGA的多目标决策模型求解

3.4 算例对比分析

3.5 本章小结

第四章 目标函数不确定的多目标决策模型研究

4.1 目标函数不确定的决策问题进化模型

4.2 以旅游行程规划为例的目标函数不确定的多目标决策问题表征

4.3 基于IQGA的旅游行程规划问题求解

4.4 IOGA与传统IGA在旅游行程规划系统中的应用分析比较

4.5 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

攻读硕士学位期间发表的论文和参加的科研项目

附录