基于决策偏好信息的n维Pareto前沿可视化

针对现有可视化技术不能有效显示高维多目标优化问题的难题,提出了一种基于决策偏好信息的n维图表可视化技术。首先,针对两种不同的决策情况分别提出对应的目标信息共享机制;然后,根据目标共享信息将分层后的Pareto前沿,通过子图表进行绘制,有效显示了各维目标数据信息、性能优劣变化趋势和决策者的偏好信息。基于此思想设计了可视化模型并通过实验加以分析,达到了方便决策者对Pareto最优解集进行分析和决策的目的。

基于Pareto最优的动车组高级修轮廓计划多目标决策研究

动车组高级修轮廓计划对动车组使用效率提升、检修成本控制和检修基地效益提高等多个经营目标的实现至关重要,而这些经营目标间存在着此长彼消、效益悖反现象。针对多目标互斥问题,将高级修轮廓计划中各业务逻辑关系进行数学抽象,借鉴流体力学中坐标系分析法,在拉格朗日坐标系下,测算每列动车组在何时何地进行何种等级高级修作业,在欧拉坐标系下,记录每一检修地点每一时刻每一等级高级修作业在修动车组列数,并将二者有效耦合,构建多目标0-1整数规划模型。然后利用ε-constraint法求解多目标规划模型得到Pareto前沿。最后,基于上海局部分动车组的实际案例对模型的合理性与有效性进行验证。结果显示,相较于以往决策过程,文中所述方法可快速给出系列最优解,大幅度提升高级修轮廓计划编制的质量与效率。

交互式Pareto前沿可视化决策

针对现有高维多目标可视化技术不能有效显示决策偏好信息这一难题,提出一种基于径向轴图的交互式Pareto前沿可视化决策方法。进行标准化适应度函数处理,消除量纲差距;根据交互更新的轴向量矩阵建立最小二乘问题模型,通过Moore-Penrose广义逆矩阵方法求解投影点,从而获得Pareto前沿分布图。该方法能够有效显示目标各维度信息,直观呈现决策偏好,动态表现目标性能趋势。通过实验与传统可视化技术对比分析,验证了该方法的有效性和实用性。

针对不规则Pareto前沿的高维多目标优化算法应用

不规则的Pareto前沿面问题,具有不连续、退化的、倒置等不规则形式,利用传统的优化算法往往不能达到最优值.针对此问题,通过改进RVEA算法,使用参考向量再生的方式丰富解集以充分遍历不规则Pareto前沿面,提出Dynamic-RVEA算法.该方法利用随机函数随机在目标向量的取值范围内生成新的参考向量来替换原来的单位参考向量,然后通过在DTLZ测试问题集上超体积指标(HV)实验结果性能对比.实验结果表明Dynamic-RVEA在超体积指标HV性能指标上表现突出.

一种评估近似Pareto前沿多样性的方法

提出了一种评估近似Pareto前沿多样性的方法.它用精确Pareto前沿相对于其近似集合的"暴露程度"来评估多样性,其计算基于精确Pareto前沿,不像其他多样性评估技术基于近似集合进行计算.对于多于两个目标(分量)的近似集合,其他技术不能或者不能很好地评估,计算结果表明,该技术能够很好地评估.并且,在理论上对该方法进行了严格的论证.

一种基于决策图贝叶斯网络的强度Pareto进化算法

提出了一种基于决策图贝叶斯网络的强度Pareto进化算法,该算法把贝叶斯概率模型结合到多目标进化算法中,通过构造和学习网络来替代传统进化算法中的交叉重组和变异等遗传操作,避免对大量参数的人工设置和重要构造块的破坏.求解多目标背包问题的仿真结果表明,所提算法可以快速收敛到较好的Pareto前沿,有很强的鲁棒性.

基于基金项目数据的人工智能技术前沿性测度研究——技术创新决策视角分析

[目的/意义]借助基金项目数据的创新投入量化特征,设计探测指标对人工智能技术主题的前沿性给予量化评测,以揭示人工智能不同技术主题的前沿进展态势。[方法/过程]基于词汇方法识别出人工智能领域主要创新型国家基金项目中蕴含的前沿技术主题,提出“立项强度”与“研发投入力度”两项指标对主题的前沿性进行评测,并将战略坐标图引入技术主题所属前沿程度的归类判定分析。[结果/结论]研究将所识别出的21个技术主题按其前沿性划分为“爆发期”“爆发前期”与“持续关注期”三类,表明所采用方法能够实现对技术主题前沿性的归类研判。

多阶段群体决策的Pareto最优策略

为了求解多阶段群体决策问题,作者建立了多阶段群体决策模型,定义了Pareto最优策略及绝对最优策略等概念,提出了求解Pareto最优策略的群体动态规划算法.该算法可以求得各个阶段各个状态下的所有Pareto最优策略.最后,作者用一个计算实例说明了算法的求解过程.

交互式群组决策问题的一种Pareto最优求解算法

随着企业电子商务的实现 ,交互式群组决策问题已经演变成MAS中多Agent决策和谈判问题 ,需要有新的群组决策方法。本文给出了不完全信息下交互式群组决策问题的一种基于梯度的Pareto最优求解算法 ,并给出了它的数学描述和算例 ,结果表明 ,这一方法适宜求解电子商务环境下的多Agent决策和谈判问题。

非规则Pareto前沿面多目标进化优化算法研究综述

现实中多目标优化问题的Pareto前沿面往往是非规则形式,针对这类问题的进化算法已逐渐成为研究热点。对现有非规则Pareto前沿面多目标优化问题的进化算法进行总结和分类,给出了多目标优化问题的通用数学描述,并给出了支配和非支配解等该研究领域内的相关定义。整理了典型的具有非规则Pareto前沿面的多目标优化测试问题,以及汽车碰撞问题等实际优化问题中的具有非规则Pareto前沿面的多目标优化问题。将现有处理具有非规则Pareto前沿面的多目标优化问题的进化算法分为4个大类:根据种群分布调整参考向量的方法、固定参考向量结合其他辅助方法、参考点的方法、聚类和分区的方法,并分别进行了分析和讨论。研究表明:尽管针对具有非规则Pareto前沿面的多目标优化问题的进化算法已经取得了一定成效,但现有算法一般只在部分非规则Pareto前沿面问题上表现较好,适应所有种类的非规则Pareto前沿面问题的算法还有待开发,决策变量或目标数量高维的、动态的、数据驱动的具有非规则Pareto前沿面的多目标优化问题也是有待解决的研究领域;更加智能的,可以辨别和处理多类型非规则Pareto前沿面的进化算法是未来的研究重点;用多种环境选择方法混合、迁移学习结合进化计算、多任务结合进化计算是可行的解决途径。

基于Pareto最优前沿的中压配电网多目标无功优化规划

综合考虑中压配电网的技术、经济指标,以中压配电网安装无功补偿装置的单位投资收益最大和电网有功损耗最小为目标,构建了多目标混合无功优化模型。根据网损减小量对无功电流的灵敏度分析确定待补偿点集,利用基于Pareto最优前沿的多目标遗传算法优化无功补偿容量,同时采用精英保留策略、改进的交叉和变异概率策略、自适应编码策略增进算法效率。IEEE33节点和实际工程算例的仿真结果表明,该方法可以实现对中压配电网的多个技术经济指标的协同优化,可进一步提高中压配电网无功优化的效率和质量,证明了此方法的可行性和有效性。

黄河流域初始水权分配的Pareto前沿求解

黄河"87分水方案"提出至今已逾20 a,在黄河流域的经济社会快速发展、优化算法和计算机技术极大进步的背景下,有必要对黄河流域的初始水权分配问题重新进行探讨。针对黄河流域九省区的初始水权分配问题,提出了初始水权分配应当遵循的原则及其量化函数,并抛弃处理多目标问题的传统加权法,而是应用NSGAⅡ算法计算其中4个原则的Pareto前沿,将黄河"87分水方案"与各种原则组合的Pareto前沿进行比较分析。最后,计算出对黄河"87分水方案"支配的方案集,并给出相应的推荐方案。结果表明:各项分配原则之间存在较大内在矛盾,且黄河"87分水方案"距这些原则的Pareto前沿仍有一定甚至较大距离。最终给出的推荐方案在各原则的表现上都较黄河"87分水方案"好。

基于机会约束的电厂混煤煤质和成本的Pareto前沿

电厂混煤掺配模型通常将混煤成分或性质限定在一定范围内,以寻找混煤成本最低的掺配方案,这种掺配模型实际上未对煤质进行优化。为此,定义了锅炉设计煤种的最大似然煤质,将掺配原煤的成分或性质视为随机变量,建立了基于机会约束的电厂混煤煤质和成本多目标优化模型,采用遗传算法得到该多目标优化模型的Pareto前沿。对一台实际运行机组Pareto前沿的分析表明:混煤煤质和成本的优化数据合理,结果满足机会约束要求。掺配模型还可以增加混煤煤质稳定性作为优化目标,考虑机组不同运行特性和掺配原煤实际状况,掺配模型选用不同优化目标和约束条件的组合,具有较强的灵活性和实用性。

基于在线感知Pareto前沿划分目标空间的多目标进化优化

多目标进化优化是求解多目标优化问题的可行方法.但是,由于没有准确感知并充分利用问题的Pareto前沿,已有方法难以高效求解复杂的多目标优化问题.本文提出一种基于在线感知Pareto前沿划分目标空间的多目标进化优化方法,以利用感知的结果,采用有针对性的进化优化方法求解多目标优化问题.首先,根据个体之间的拥挤距离与给定阈值的关系感知优化问题的Pareto前沿上的间断点,并基于此将目标空间划分为若干子空间;然后,在每一子空间中采用MOEA/D(Multi-objective evolutionary algorithm based on decomposition)得到一个外部保存集;最后,基于所有外部保存集生成问题的Pareto解集.将提出的方法应用于15个基准数值函数优化问题,并与NSGA-Ⅱ、RPEA、MOEA/D、MOEA/D-PBI、MOEA/D-STM和MOEA/D-ACD等比较.结果表明,提出的方法能够产生收敛和分布性更优的Pareto解集,是一种非常有竞争力的方法.

共享决策在癌症领域研究的可视化分析

目的 对共享决策在癌症领域相关研究进行可视化分析,以期为我国研究提供借鉴。方法 检索1998年1月1日至2021年5月12日Web of Science核心合集中共享决策在癌症领域研究的相关文献,应用CiteSpace软件对文献中的国家、机构、关键词进行可视化分析。结果 共纳入文献1684篇,发文量最多的国家为美国,发文量最多的机构为阿姆斯特丹大学;研究热点为乳腺癌、前列腺癌、信息、沟通、患者参与、生存质量等。发展趋势为基于循证的高质量系统评价、指南和以患者为中心的姑息护理临床实践。结论 共享决策在癌症领域相关研究呈逐年上升趋势,但主要集中在发达国家;未来可基于国际热点前沿,结合我国国情,探讨有效方法促进医患间的共享决策。

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Pareto前沿连铸多目标协调优化研究

连铸冷却过程是1个非线性、强耦合、多输入多输出系统，现有过程控制中二冷和末端电磁搅拌控制为2个独立的控制系统，其控制参数优化采用独立模型．没有考虑二者之间的耦合作用，导致过程参数或钢种变化时的铸坯质量波动。针对二冷与末端电磁搅拌参数优化问题，采用Pareto前沿粒子群算法求解多目标协调优化问题，结合系统中最受关注的温度场、液芯等要求，构建以二冷区各段末温度和温升温降值，以及满足最佳末端电磁搅拌条件的液芯半径为目标函数的优化算法。通过自适应网格系统提高种群的多样性和最优解集的一致性，使用多维向量权重处理候选解集获得最终的Pareto最优解，最后将提出的优化算法应用于连铸过程，验证了该方法的有效性和可行性。

群体决策中弱Pareto扩展规则的充要条件

从弱Pareto扩展规则的定义出发,验证了弱Pareto扩展规则满足阿罗公理中除传递性以外的其他公理,并给出了弱Pareto扩展规则所满足的充要条件,指出拟独裁性、匿名性、中立性、Pareto原则和完全性是使一集体选择规则成为弱Pareto扩展规则的充要条件。

基于强化学习的自动驾驶决策研究综述

强化学习的发展推动了自动驾驶决策技术的进步,智能决策技术已成为自动驾驶领域高度关注的要点问题。本文以强化学习算法发展为主线,综述该算法在单车自动驾驶决策领域的深入应用。对强化学习传统算法、经典算法和前沿算法从基本原理和理论建模等方面进行归纳总结与对比分析。针对不同场景的自动驾驶决策方法分类,分析环境状态可观测性对建模的影响,重点阐述了不同层次强化学习典型算法的应用技术路线,并对自动驾驶决策方法提出研究展望,以期为自动驾驶决策方案研究提供有益参考。

基于Pareto前沿的塔河油田高含氮天然气分离过程研究

注氮气提高原油采收率在塔河油田取得了较好的效果,但随着注氮气规模的扩大,天然气中氮气含量也不断上升,天然气热值不断下降,对用户生产经营造成了影响。本文针对高含氮天然气分离过程,建立了C1损失量关于产品气N2摩尔分数的Pareto前沿搜索模型,并通过遗传算法进行求解,同时根据塔河油田高含氮天然气的脱氮要求,对比了不同分离压力和分离级数下的C1损失量。结果表明,在分离压力为500kPa时且满足C1损失量小于5%的前提下,一级分离可处理N2摩尔分数小于33%的天然气,二级分离可处理N2摩尔分数小于40%的天然气,三级分离可处理N2摩尔分数小于42%的天然气;塔河油田高含氮天然气多级分离单元分离压力应选择为500kPa,并采用二级分离。