决策空间自组织多模态多目标鲸鱼优化算法研究

针对当前多模态多目标优化算法在获得Pareto解集的完整性、收敛性方面的不足,提出了一种决策空间自组织多模态多目标鲸鱼优化算法(MMO_SOM_WOA)。首先将鲸鱼优化算法首次用于求解多模态多目标问题,通过鲸鱼优化算法本身的随机性提高寻找Pareto解集完整性的能力。其次将自组织映射网络与鲸鱼优化算法相结合,迭代开始时为鲸鱼优化算法建立良好的邻域。最后使用精英反向学习策略初始化种群和非支配排序机制获得均匀且完整的解。通过与当前5种经典算法在多模态多目标优化问题上进行仿真对比,结果表明MMO_SOM_WOA算法兼顾Pareto解集的多样性和Pareto解的完整性,收敛速度和收敛精度均得到提升具有较高的性能,有效解决多模态多目标优化问题。

基于模糊多目标多人决策的配电网空间负荷预测

提出了一种新的空间负荷预测方法,在进行空间负荷预测用地类型决策时引入了模糊多目标多人决策。考虑各个相关空间因素,采用模糊语言算子区分各因素的相对重要程度,引入层次分析法将语言算子转化为精确权重,多个专家各自独立决策,综合考虑多人决策得到最终用地类型。多人决策降低了以往空间负荷预测用地分析的主观性,提高了预测精度。

基于多目标空间分析的危险废物决策支持模型研究

我国日益增长的危险废物对于环境安全和人体健康都构成极大威胁,如何高效、科学的对危险废物从产生到最终处置的全过程进行管理和决策是我国危险废物管理工作面临的重要问题。区域危险废物的管理和环境风险控制是一个涉及到废物特性、自然环境和社会经济等诸多因素的综合决策过程。文章通过综合考虑危险废物处理处置过程中的环境影响因素、经济因素和环境风险因素,结合空间分析技术和多目标决策的方法,设计了一个危险废物多目标空间决策支持模型,并以广州为例进行了模拟应用。危险废物管理的决策者根据不同的侧重点,通过本模型在备选废物处理处置中心中确定建设地点,同时能够使用本模型选择危险废物的最佳运输路径。本模型为危险废物管理和决策支持提供了一种直观、科学和实用的支持,具有一定的理论和现实意义。

决策空间定向搜索的高维多目标优化策略

传统的多目标进化算法(MOEA)对于低维连续的多目标优化问题已经具有良好的性能,但是随着优化问题目标维数的增加,优化难度也将剧增,主要原因是算法本身搜索能力不足,维数增加时选择压力变小,收敛性和分布性冲突难以平衡.利用连续多目标优化问题的特性,针对高维多目标优化的难点所在,提出了一种在决策空间的定向搜索策略(decision space,简称 DS),该策略可与基于支配关系的 MOEA 相结合.DS 首先对优化问题进行采样分析,对问题特性进行解析,得到收敛性子空间控制向量和分布性子空间控制向量.将算法搜索过程分为收敛性搜索阶段和分布性搜索阶段,分别对应收敛性子空间和分布性子空间,在不同阶段搜索时,利用采样分析结果,对生成子代个体的区域进行宏观的影响.将收敛性和分布性分阶段考虑,避免了收敛性和分布性难以平衡的难点,同时,具体在某一阶段内搜索资源相对集中,一定程度上增加了算法的搜索能力.实验结合了 DS 策略的 NSGA-II,SPEA2 算法与原NSGA-II,SPEA2 算法进行实验对比,并以 DS-NSGA-II 为例,与其他高维算法 MOEAD-PBI,NSGA-III,Hype,MSOPS,LMEA进行对比实验.实验结果表明,DS策略的引入,使得 NSGA-II,SPEA2算法在高维多目标优化问题上的性能有了显著提高,DS-NSGAII 与现有的经典高维多目标算法相比有较强的竞争力.

抗炭疽病柱花草空间育种新品系的多目标决策评价筛选

为选育综合性状优良的柱花草(stylosanthes SW.)新品种1系,运用多目标决策法中的差值加权法(RE-VAWEA)、简单加性加权法(SAVA)、逼近于理想解的排序法(TOPSIS)及集结技术将85个空间辐射柱花草株系的7个指标以其贡献率为权重计算得出综合评价指数,据此评价各株系综合性状的优劣。结果表明:85个株系中2001-71,2001-28,2001-15,2001-24及2001-2等综合性状最佳;2001-22,2001-82,2001-57,2001-18等表现中等;而2001-50,2001-85,2001-32及2001-78等最差。随后将多目标决策评价结果与一维有序聚类相结合,得到聚类图,以此选育出能取代其亲本‘热研2号’柱花草并能在生产上推广利用的新品系。

空间预警系统建立导弹目标优先级的多属性决策

空间预警系统在多传感器多目标的情况下需要传感器调度,而建立目标优先级是有效进行传感器调度的第一步。由星载传感器所得图像对目标特征进行估计具有很大的不确定性,直接影响到导弹目标优先级的建立。首先通过作战分析确定出导弹目标的主要属性,采用层次分析法评价属性的权重,然后在不确定的条件下对属性求期望值,使用3种多属性决策方法评价导弹目标的威胁程度,最后取期望值作为导弹目标的威胁评价。正交实验结果表明算法具有很强的实时性和实用性。

基于多目标决策的露采矿山空间整合研究——以江苏省徐州市为例

空间整合是优化露采矿山布局的重要手段,科学制定空间整合方案至关重要。以徐州为例,在分析了影响露采矿山空间整合主要因素的基础上,拟定了空间整合的若干备选方案;以多目标决策理论为支撑,运用专家咨询法、层次分析法、灰色关联度分析等方法,定性结合定量对各备选方案进行综合评价,筛选出最优方案。研究对徐州市矿产资源开发整合具有指导作用,在矿业布局优化研究方面也存在较大理论价值和借鉴意义。

绿洲空间结构多目标决策的密切值分析研究

本文以黑河中游绿洲为例,采用多目标决策方案优选的密切值法,从若干个参与优化的绿洲空间结构备选方案中,求解出了空间结构优化的最满意方案。

颌间距离还是目标修复空间值——实测数值引导的无牙颌种植修复的临床决策

无牙颌患者选择种植修复方案时,不少医生忽视了应该在建后研判患者的颌间距离(垂直距离)或水平距离是否足够容纳种植上部结构及修复体等,再进行种植方案设计。而临床上常用的颌间距离(垂直距离)、水平距离的实测内涵和方法还有待明确,常用的术后目测估计除不准确外还易导致种植修复决策路径倒置,导致不少病例植入成功后出现了无法合理修复的尴尬,这种“想到没做到”的主要原因是缺乏关键参数的规范路径和实用工具及方法。本文推荐先建立新的或天然牙、旧义齿保留的正确颌位关系,然后采用更容易把握的目标修复空间的高度和水平距离或夹角作为实测指标,植入术前在架或口内用实测工具采集各植入位点的骨面或龈面到拟定咬合平面的最小垂直距离(包括龈面高度和骨面高度)和水平距离或夹角,根据实测值大小建立了以修复空间的各项数值为引导的无牙颌修复方案决策树,理顺了临床决策路径;同时规范了测量方案(起止点、测量平面等),为合理制定数字化种植修复方案提供了可靠的数量关系依据。

基于空间目标特征信息的空间武器决策支持系统设计

对空间武器决策支持技术进行了比较全面的基础研究,并且以实例来说明如何将决策支持方法应用于空间攻防对抗体系。阐述了空间作战、空间目标特征的概念及其分类;应用决策支持方法对空间攻防对抗系统中的实际应用问题进行了数学建模和仿真分析,并应用Matlab程序语言实现了决策支持系统的人机交互界面。从仿真中看出,文中所采用的决策支持系统可以在不同情况下采取不同的决策,决策也能较好达到目的,应用效果良好。

面向推荐系统的多目标决策优化算法

针对推荐系统利用多目标决策技术进行位置信息的查询与推荐时,由于查询者位置的移动和空间障碍物的位置变化导致传统多目标决策技术的查询效率较低的问题,提出了一种基于范围的障碍空间连续Skyline查询算法。首先,根据静态Skyline点的特征对由空间数据对象信息组成的初始数据集进行约减;然后,根据障碍空间中查询者的位置移动的特点构建距离相交模型,利用距离相交模型和数据对象的属性提出了剪枝策略,再根据剪枝策略过滤掉当查询者的位置移动时对查询结果无影响的数据对象,从而精减了冗余数据,得到过滤后的候选数据集;最后,根据数据对象的非空间属性和相互间的支配关系特征得出影响候选数据集的事件,利用影响候选数据集的事件再对候选数据集进行精炼计算,从而减少了冗余计算,查询出当前时刻的结果集。理论研究与实验结果表明:所提算法在查询者位置移动和空间障碍物位置变化时,能提升多目标决策技术的查询效率;相对传统对比算法,在数据集规模、障碍物数量、查询范围增大时,所提查询算法的平均效率提升约13%;针对多维度数据信息的查询,所提查询算法的平均效率提高了约11%。

多目标规划的交互式像空间逼近法

针对一般交互式算法对决策者要求过高的不足之处,提出一种较直观的且仅需决策者提供修正意向的多目标规划的交互式新算法.对算法的有关性质给出了理论证明,并用一算例说明了算法的执行过程。

基于区间离散解产生器的决策变量区间离散多目标优化方法

针对数学特性要求严格且现有约束处理方法无法有效解决的决策空间离散分布多目标优化问题,提出一种求解决策变量离散分布的多目标进化算法。首先设计一个满足区间离散解的个体产生器,指引种群的搜索方向;然后针对常规约束违反度计算方法无法适用于决策变量离散约束的情况,提出了一种区间离散约束违反度的计算方法,并将满足决策变量离散约束的个体使用改进可行性规则来处理常规的等式约束和不等式约束;最后对考虑决策变量区间离散模型和未考虑决策变量区间离散模型进行仿真比较。结果表明,在相同的仿真条件下,使用本文处理决策变量离散分布的算法,直接在有定义的变量区间循环产生个体,提高了算法的效率,并且满足可行域的非支配个体明显比未考虑区间离散约束的个体数量多,分布均匀性好。

一种改进的权重信息不完全多目标决策方法

针对权重信息不完全的多目标决策问题,提出了在模糊约束条件下求解局部最优权,空间距离函数确定全局最优权的决策方法。首先利用模糊线性规划求解在模糊约束条件下的各方案最优权向量;然后利用各方案最优权向量与全局最优权向量距离和最小确定全局最优权向量;最后同其他方法进行比较,结果验证本方法可靠性更高,适合对权重精度要求较高的决策问题。

基于空间与技术异质性的能源基础设施选址决策

大力发展可再生能源是应对全球能源变革和环境压力的一条有效途径。可再生能源在空间分布上不均衡,能源供需结构呈逆向分布,能源技术还具有异质性和互补性,直接影响可再生能源发展规模的确定。因此,能源基础设施选址关系着能源战略布局,直接影响能源领域的投资效率。基于能源技术异质性、区域分布非均衡性以及资源互补性等特征,剖析了能源基础设施选址决策中的关联性。利用网络分析(ANP)法分析环境、社会、技术和经济等评估准则的关联性,明确能源基础设施选址决策是多指标、多准则的,从指标层面描述了空间差异性,并确定了各个准则的重要程度。基于此,构建了多重选择的目标规划模型,设定相关目标的理想值来讨论选址问题,并通过算例验证了模型的有效性。

目标规划思想在多人多目标决策中的应用

现有的多人多目标决策方法,大多离不开效用函数的使用,因而为其应用造成了困难。本文利用目标规划的思想研究多人多目标决策问题,提出了一种新的多人协商规则,使决策者之间的协商直接在目标层次上进行;并构造了多人多目标决策的目标规划方法,该方法具有单人多目标决策目标规划方法的优点。

基于因素空间的多传感器决策融合方法

基于因素空间理论 ,建立一种多传感器多目标识别方法 .根据多传感器探测与控制网络系统的决策特性提出了传感器模糊决策矩阵的建立方法 ,根据对概念的反馈外延计算提出多目标识别方法 .仿真结果表明该方法能使系统的识别错误率低于 10 % .

基于数据驱动的空间目标智能识别

随着太空领域的不断发展,空间目标数量不断增加,空间态势日益复杂,亟需改进空间目标识别技术以提高空间态势感知能力.设计了基于数据驱动的空间目标智能识别体系架构,分别使用梯度提升决策树和卷积神经网络两种机器学习算法,利用海量空间目标特性数据,基于数据驱动方法构建空间目标智能识别模型.实验结果显示,两种模型的识别准确率均达到90%以上,能够为空间目标智能识别提供有效解决方案.

一种基于双空间密度的多目标进化算法

目前,大多数多目标进化算法的多样性保持机制都只强调目标空间的多样性而忽视决策空间的多样性.这种设置可能导致种群在目标空间拥有良好多样性的同时却在决策空间拥有较差的多样性.为了解决上述问题,本文提出了一种基于双空间密度的多目标进化算法.为了反映个体在决策空间和目标空间的多样性,本文定义了双空间密度指标.基于双空间密度的配对选择操作可以平衡算法的收敛性与多样性;基于双空间密度的个体选择操作可以同时使决策空间和目标空间得到充分的搜索.实验结果表明,本文算法的求解质量明显优于对比算法.

多目标突变决策模型及其应用研究

在对多目标突变决策模型进行分析的基础上,以中小城市空间发展方向为例,对模型的应用进行了研究,旨在为决策者确定城市空间发展方向及制定城市规划政策提供参考。