学位论文 > 优秀研究生学位论文题录展示
基于语言偏好关系多目标群组决策的研究与应用
作 者: 秦丽
导 师: 裴峥
学 校: 西华大学
专 业: 计算机软件与理论
关键词: 多目标群组决策 Pareto最优解 IULOWA算子 NSGA-Ⅱ算法
分类号: TP18
类 型: 硕士论文
年 份: 2009年
下 载: 69次
引 用: 1次
阅 读: 论文下载
内容摘要
多目标决策是指为达到多种目的或目标而在众多的可行方案中进行选择的过程。在现实生活中,我们经常会遇到需要进行多目标决策的问题,其核心思想是寻找满意解,而不是最优解。这是因为在复杂的决策环境中,目标之间往往是相互冲突和不可公度的,从而导致了最优方案的不存在。当前基于偏好关系的多目标决策模型并不多见,与群组决策相关的模型更是少之又少。而在做重大决策的时候,一个人的智慧是远远不够的。因此,在本文中,我们探讨了一个基于语言偏好关系的多目标群组决策模型。该模型有下面四个特点:1、基于语言偏好关系。在作决策时,人们很难用精确的数值描述偏好度。为此,我们引入语言偏好关系,决策者将以一种非常自然的方式表达对方案的偏好。2、基于Pareto最优解由于Pareto最优解的概念很符合多目标问题本身的特点,因此,在优化算法的选择上,我们采用具有Pareto思想的算法。目前比较流行的算法是改进的非劣分层遗传算法NSGA-Ⅱ。运用该算法,可以得到分布均匀且散布较好的近似Pareto最优解集。3、基于目标满意度我们引入目标满意度的概念,是为了将大量的Pareto最优解集缩小到只有决策者满意的解的集合,从而减轻决策器的负担。4、基于群组决策因为多人决策更符合现实需要,所以我们的模型是在群组决策的基础上提出来的。运用聚合算子可以非常方便地聚合决策者们的观点。在模型中,我们采用IULOWA算子来聚合决策者的语言偏好。此外,我们用NSGA-Ⅱ算法解决具有离散性的问题,扩大了它的应用范围,提高了它的实用价值。我们还充分开发了诱导变量的新作用,使它不但具有排序和计算W权重的任务,同时还用它来计算语言距离,处理联结的OWA对。为了减轻决策器的负担,提高决策速度,我们还研究了该模型的一些属性并给予了证明。在文章的最后,我们应用该模型解决了复杂零件协同制造中的资源优化配置问题,并得到了良好结果。
|
全文目录
摘要 2-4 Abstract 4-8 1 绪论 8-13 1.1 多目标决策简介 8 1.2 国内外研究现状和发展趋势 8-11 1.3 论文内容安排及意义 11-13 2 多目标决策的预备知识 13-28 2.1 多目标优化的基本概念 13-15 2.2 多目标遗传算法 15-20 2.3 模糊群组决策的基本概念 20-28 3 多目标群组决策模型 28-43 3.1 优化器的设计 28-31 3.2 筛选器的设计 31-35 3.3 决策器的设计 35-42 3.4 小结 42-43 4 多目标群组决策模型的应用 43-56 4.1 资源优化配置问题 43-48 4.2 优化器的设计 48-51 4.3 筛选器的设计 51-53 4.4 决策器的设计 53-54 4.5 小结 54-56 5 总结与展望 56-59 5.1 总结 56-57 5.2 主要研究成果 57-58 5.3 展望 58-59 6 参考文献 59-64 7 作者在读期间科研成果 64-67 10 致谢 67
|
相似论文
- 基于量子计算的DNA编码方法研究,Q75
- 多星地面站测控调度多目标优化研究,V556
- 多目标人工萤火虫群优化算法及其应用,TP301.6
- 炼油厂氢气网络系统调度方法研究,TE624
- 基础隔震体系的多目标优化研究,TU352.12
- 基于动态时段划分的交叉口信号控制模型与算法研究,U491.54
- 基于改进小生境遗传算法的配电网故障恢复,TM732
- 基于不动点理论的遗传算法研究,TP18
- 基于NSGA-Ⅱ的多目标鲁棒优化方法研究,TP13
- 基于改进粒子群算法的多目标无功优化,TM714
- 遗传多目标优化算法的研究,O224
- 进化多目标优化算法及其应用研究,O221.6
- 催化吸收稳定系统的多目标优化,O643.3
- 并联型混合动力牵引车动力系统参数匹配与优化,U469.7
- 差异演化算法及其在机械优化设计中的应用,TH122
- 基于新模型的多目标遗传算法,TP18
- 改进的遗传算法及其在多目标优化中的应用研究,TP18
- 鱼雷总体参数的多目标优化设计方法及应用研究,TJ630.2
- 基于多目标遗传算法的轴流压气机气动优化设计技术研究,TH453
- 多目标克隆选择算法及其应用研究,TP18
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|