求解偏好多目标优化的克隆选择算法

目标维数较高的多目标优化问题的难题在于非支配解急剧增加,经典算法由于缺乏足够的选择压力导致性能急剧下降.提出了基于偏好等级的免疫记忆克隆选择优化算法,用于解决目标维数较高的多目标优化问题.利用决策者提供的偏好信息来为抗体分配偏好等级,根据该值比例克隆抗体,增大抗体的选择压力,加快收敛速率.根据偏好信息来缩减Pareto前沿,并用有限的偏好解估计该前沿.同时,建立了免疫记忆种群来保留较好的非支配抗体,采用ε支配机制来保持记忆抗体种群的多样性.实验结果表明,对于2目标的偏好多目标问题以及高达8目标的DTLZ2和DTLZ3问题,该算法取得了一定的实验效果.

基于演化模型偏好多目标优化的智能采油辅助决策支持

通过智能采油系统自主分析与决策获取油田机采过程最佳决策参数,对解决机采系统效率低、能耗大等问题具有重要意义。受机械、地层、人为等不确定因素影响,智能采油系统难以构建生产参数、环境变量与系统性能、设定生产方式之间的机理关系并优化决策。为此,提出基于动态演化建模的偏好多目标优化方法,以实现采油系统的自主决策。利用无迹卡尔曼滤波神经网络(Unscented Kalman filter neural network,UKFNN)挖掘机采系统潜在规律,建立其动态模型;构建产液量偏好多目标优化目标函数,并利用非改进支配排序遗传算法(Non-dominated sorting genetic algorithm 2,NSGA2)获取相应的最佳决策参数。某油田试验结果表明:该方法使得系统日耗电量降低15.87%,系统效率提高4.9%。可见,所提方法可行且有效。

基于权值向量的偏好多目标优化方法

偏好多目标优化方法是多目标优化领域的一个重要分支,其主要目的是仅搜索Pareto前沿面上部分区域内决策者感兴趣的解.基于MOEA/D算法根据预先设定的均匀分布的权值向量搜索Pareto最优前沿面的思想,本文提出了一种基于权值向量的偏好多目标优化方法,该方法通过引入具有偏好信息的权值向量,使算法仅搜索偏好点附近的解.仿真实验结果表明,与现有偏好多目标优化算法相比,本文方法具有支持多偏好点、偏好区域大小可控、偏好点位置无特别要求及偏好解具有更好收敛性的优势.

基于偏好多目标优化和遗传算法的输电网架重构

提出一种基于偏好多目标优化和遗传算法的输电网架重构方法,考虑对于不同优化目标的偏好,制定网架重构方案。计及系统中机组、线路以及负荷的影响,提出3个评价指标作为优化目标,构建一个偏好多目标优化模型。考虑到所建优化模型的偏好性和离散性,提出一种基于偏好的非支配排序遗传算法。提出基于偏好的支配关系、种群规模控制技术以及重复个体过滤技术,用于提高算法的效率,获得解数目可控的偏好Pareto最优解集。仿真结果表明,所提模型能够有效平衡网架重构的不同影响因素,所提算法对于网架重构优化问题有较高的求解效率。

自适应偏好半径划分区域的多目标进化方法

偏好多目标进化算法是一类帮助决策者找到感兴趣的Pareto最优解的算法.目前,在以参考点位置作为偏好信息载体的偏好多目标进化算法中,不合适的参考点位置往往会严重影响算法的收敛性能,偏好区域的大小难以控制,在高维问题上效果较差.针对以上问题,通过计算基于种群的自适应偏好半径,利用自适应偏好半径构造一种新的偏好关系模型,通过对偏好区域进行划分,提出基于偏好区域划分的偏好多目标进化算法.将所提算法与4种常用的以参考点为偏好信息载体的多目标进化算法g-NSGA-II、r-NSGA-II、角度偏好算法、MOEA/D-PRE进行对比实验,结果表明,所提算法具有较好的收敛性能和分布性能,决策者可以控制偏好区域大小,在高维问题上也具有较好的收敛效果.

考虑物流服务水平的物流配送规划多目标模型

为了提高顾客对物流服务的满意度,以最小化物流系统总费用和最大化物流服务水平为优化目标,考虑配送中心现有货物周转能力和产品配送时间对物流服务水平的影响,构建了三级供应链模式下物流配送规划的多目标优化模型.针对多目标优化问题不存在单一最优解的特点,利用预先设定的偏好区域和随机生成的权向量构造了适应度函数,提出了基于偏好的多目标进化算法求解模型.算例结果表明:通过求解多目标优化模型,得到10组非劣解,即10种物流配送方案均处于决策者的主观偏好范围内;各方案的物流系统总费用与服务水平成反比关系.

关于如何用角度信息引入决策者偏好的研究

在实际的多目标优化中,决策者通常只对少部分的Pareto最优解感兴趣.然而,传统多目标优化算法关注整个Pareto最优面上的解集,这不仅需要花费大量计算时间在无用解的搜索上,同时决策者也很难从众多解中选出符合自己偏好的解(特别是问题目标个数大于3时).为此,本文提出了一种利用个体间的角度关系的偏好多目标进化算法.该方法通过重新定义个体间的支配关系和聚集距离使那些离决策者偏好区域越近的个体优先被保留下来,从而引导种群趋近于决策者的偏好区域.

基于两阶段优化的并发流任务计算卸载策略

计算卸载作为移动边缘计算中最关键的技术之一而备受研究人员的关注,然而现有研究较少同时考虑拓扑结构、优化目标多样性及计算资源竞争的特性。针对移动边缘计算场景下的并发型数据流任务计算卸载及资源竞争问题,设计一种基于并发型数据流任务的多目标计算卸载混合整数模型,并给出一种基于多目标优化和多属性决策的两阶段优化框架对该模型进行求解。在多目标优化阶段,提出改进动态多种群并行NSGA-II(DMPNSGA-II)算法,包括多种群多交叉策略、动态调整种群规模与二次局部搜索的改进策略,以解决局部收敛和全局搜索难以平衡的问题,同时设计一种基于混合式求解框架的DMP-NSGA-II算法求解多目标混合整数模型。在多属性决策阶段,提出一种基于模糊C均值聚类和灰关联投影法的后验选解方法,以选出在不同偏好下具有代表性的最优卸载决策。在测试函数和模型实例上的实验结果表明,设计的两阶段优化框架能够有效地求解所提出的模型,在ZDT系列测试函数上DMP-NSGA-II算法的HV和SP指标表现全面优于NSGA-II、MOEA/D和MOEA/D-DE算法,在模型实例上DMP-NSGA-II算法的Meantime和Meanenergy指标相较于基于混合式求解框架的NSGA-II算法,分别提升了30.1%和8.9%。

Preference-based multiobjective artificial bee colony algorithm for optimization of superheated steam temperature control

In order to incorporate the decision maker＇s preference into multiobjective optimization a preference-based multiobjective artificial bee colony algorithm PMABCA is proposed.In the proposed algorithm a novel reference point based preference expression method is addressed.The fitness assignment function is defined based on the nondominated rank and the newly defined preference distance.An archive set is introduced for saving the nondominated solutions and an improved crowding-distance operator is addressed to remove the extra solutions in the archive.The experimental results of two benchmark test functions show that a preferred set of solutions and some other non-preference solutions are achieved simultaneously.The simulation results of the proportional-integral-derivative PID parameter optimization for superheated steam temperature verify that the PMABCA is efficient in aiding to making a reasonable decision.