基于IEC的隐性目标决策问题的决策过程与决策方法研究

摘要

传统的多准则决策研究中，决策目标函数及限制条件通常是结构化表示的，通过在决策过程中获取决策者的偏好，可以使用适当的决策方法进行问题的求解。然而，在现实决策中还存在着这样一类决策问题，其决策目标函数不能或者难以显示定义。例如在服装设计、汽车造型设计或旅游行程规划问题中，对什么是“最适合、最满意”的一套服装、一款车型或者一张旅游行程计划表，就难以建立起相应显示表示的决策目标函数。而且此类问题中，决策者的偏好也难以在一开始就完全定义清楚，而需要决策者在交互的问题求解过程中逐渐加以确认。本文将这类决策问题称之为“隐性目标决策问题”，由于它具有“决策目标难以完全数量化、结构化表示”、“决策者的偏好随着决策分析的进行而改变”、“决策问题常常具有NP难性质”的特点，使得求解这类问题充满着挑战。这类决策存在：决策问题如何表征、决策者的偏好不断调整如何解决、搜索效率如何提高等问题。 本文从隐性目标决策问题的角度出发，分析此类问题的特点，研究求解该类问题的新算法，并建立处理隐性目标决策问题的求解过程框架。主要的研究内容包括： （1）提出了本文的研究对象—“隐性目标决策问题”，分析了该类问题的特征和研究难点，并给出问题的数学形式的概念描述；研究讨论了隐性目标决策问题求解方法的要求，指出交互式进化计算（IEC）是适合处理隐性目标决策问题的技术方法。基于交互式进化计算，建立处理隐性目标决策问题的求解过程框架。 （2）交互式遗传算法（IGA）是IEC中研究最多的一个分支，针对IGA只能使用小规模的种群和较少的进化代数而造成的搜索能力有限和易陷入局部优化的问题，利用i位改进子空间理论，提出了能够提高遗传算法（GA）和交互式遗传算法性能的变异概率选取策略，并分析了该策略对变异算子和算法性能的影响。基于这种变异策略，提出了小种群自适应遗传算法，说明了该策略能够使得GA利用小规模的种群就可以获得满意的性能，适合在IGA中应用。利用此变异策略，并根据IGA的特点，设计了用于隐性目标决策问题求解的IGA，分析了算法的效率，并通过函数优化和服装设计问题的仿真实验验证变异策略和算法的有效性。 （3）将基于智能体计算的思想应用于交互式进化计算领域，通过定义智能体、智能体生存环境及智能体在环境中的行为，如竞争、自学习、交叉、变异、死亡替换等操作，提出了交互式Multi-Agent遗传算法和交互式多智能体进化算法，以有效求解隐性目标决策问题。所提出的两种算法均具有较强的全局搜索能力，而其中的自学习操作又极大增强了算法的局部搜索能力；另外，算法还充分利用了人的智能和算法自身的特点，使得用户每次只需选择2个左右最感兴趣的个体，而且用户不用对系统个体给出具体的适应值，有效缩短了每一代用户的评价时间，从而有利于减轻用户评估个体适应值的疲劳。从服装设计的仿真试验可以看出，这些优良的特性使得所提出的算法具有较高的运行性能，并能够有效缓解用户的疲劳。 （4）提出了一个具有一般意义的求解隐性目标决策问题的概念模型—集成IEC的IDSS结构模型，并对模型中各模块的功能进行了分析讨论。研究了“隐性目标决策问题”的一个具体实例—服装设计问题。分析了服装设计编码及其求解思路，研究了基于IEC的服装设计系统的实现流程，讨论了基于IEC方法的服装设计系统的功能。 “隐性目标决策问题”由于存在难以显示表示的决策目标，并且决策者的偏好结构也未知，所以要比传统的决策目标函数已知的多准则决策问题更为复杂。本论文提出了具有较高决策效率的新的IEC算法，并基于这些方法，研究了集成IEC的IDSS结构模型，建立了隐性目标决策问题的求解过程框架，为支持处理隐性目标决策问题提供了有效的手段。这些研究成果丰富了多准则决策的研究内容，也拓展了传统的多准则决策方法的应用。

目录

文摘

英文文摘

论文说明：插图清单及表格清单

独创性声明及学位论文版权使用授权书

致谢

第一章绪论

1.1问题的提出

1.1.1隐性目标决策问题

1.1.2隐性目标决策问题的归属与范围

1.2文献讨论

1.2.1决策方法

1.2.2决策支持系统

1.3本文的主要研究工作和结构安排

第二章隐性目标决策问题的表征与求解方法

2.1隐性目标决策问题的表征

2.2隐性目标决策问题求解方法的要求

2.3隐性目标决策问题的求解方法与求解过程

2.4本章小结

第三章基于IEC的隐性目标决策问题的基础方法

3.1进化计算

3.2交互式进化计算

3.3遗传算法的基本概念与构成要素

3.4交互式遗传算法

3.5本章小结

第四章基于加速收敛变异策略的IGA求解算法

4.1IGA面临的挑战

4.2一种加速收敛变异概率选取策略

4.2.1i位改进子空间及其有关结论

4.2.2变异算子对遗传算法性能的影响分析

4.2.3加速收敛变异策略

4.3基于加速收敛变异策略的小种群自适应遗传算法

4.3.1小种群自适应遗传算法设计

4.3.2小种群自适应遗传算法实验及其分析

4.4基于加速收敛变异策略的交互式遗传算法

4.4.1基于加速收敛变异策略的交互式遗传算法设计

4.4.2服装设计实验

4.5本章小结

第五章结合多智能体系统的IEA求解算法

5.1智能体与基于智能体的计算

5.1.1分布式人工智能

5.1.2智能体与多智能体系统

5.1.3AER模型简介

5.1.4用于问题求解的多智能体系统方法研究概述

5.2交互式Multi-Agent遗传算法

5.2.1智能体及有关操作

5.2.2交互式Multi-Agent遗传算法设计

5.2.3交互式Multi-Agent遗传算法的效率分析

5.2.4服装设计实验

5.3交互式多智能体进化算法

5.3.1智能体及有关操作

5.3.2交互式多智能体进行算法设计

5.3.3交互式多智能体进化算法的效率分析

5.3.4服装设计实验

5.4本章小结

第六章隐性目标决策问题求解的概念模型及实例

6.1隐性目标决策问题的一个概念模型

6.2基于IEC/IGA方法的服装设计系统

6.2.1服装设计编码

6.2.2基于IEC/IGA的服装设计系统流程

6.2.3基于IEC/IGA的服装设计系统

6.3本章小结

第七章总结与展望

参考文献

在读期间的主要研究工作和发表的论文