多目标参数线性规划

本文主要讨论利用一组参数变量求解多目标线性规划的方法,使得所有目标函数的凸线性组合最大,确定多目标规划非劣解的参数约束空间。如何利用参数空间的约束法确定多目标线性规划中目标函数的系数矩阵,以及如何利用参数空间分解法求多目标的非劣解。最后,文中附实例说明如何应用此方法来解决多目标线性规划的问题。     

一种求解多层多目标系统非劣决策的实用算法

本文基于反馈系统理论知识 ,提出了求解多层多目标决策系统的非劣决策的一种实用算法 ,此算法是对求解单层多目标决策系统非劣解的加权法的推广     

大规模系统的全局优化

本文讨论了可分非凸大规模系统的全局优化控制问题 .提出了一种 3级递阶优化算法 .该算法首先把原问题转化为可分的多目标优化问题 ,然后凸化非劣前沿 ,再从非劣解集中挑出原问题的全局最优解 .建立了算法的理论基础 ,证明了算法的收敛性 .仿真结果表明算法是有效的 .     

关于非线性多目标规划问题非劣解解法的探讨

非线性多目标规划是一类复杂的规划问题，由于其往往没有最优解，因此求其非劣解具有重要的意义。本首先探讨了无约束条件下非线性多目标规划的解法，然后提出了有约束条件下非线性多目标规划的一种解法。所述方法具有一定的普遍意义。     

用改进的MOEA/D算法求解微电网电力调度多目标优化问题

针对包含可再生能源发电装置,微型燃气轮机(microturbine,MT),燃烧电池(fuel cell,FC)以及镍氢电池(nickel-metal hydride battery,Bat)的典型低压微电网电力调度多目标优化问题,文章提出一种改进的基于分解的多目标进化算法IMOEA/D (improved multi-objective evolutionary algorithm based on decomposition),最小化发电成本和污染物气体排放量.IMOEA/D算法将多目标问题按照切比雪夫权重射线均匀展开分解为若干子问题进行优化;基于Pareto占优概念以及模糊聚类策略更新子问题非劣解,引入基于欧氏距离的解的稀疏度评估法对非劣解保留集进行更新和对其储存空间大小进行控制.最后,将提出的算法与其它进化算法如GA (遗传算法)和AMPSO (自适应改进粒子群优化算法)等分别进行单多目标性能比较,结果表明,IMOEA/D算法在多目标优化性能比较中能较稳定的得到质量更高,范围更广,分布更均匀的非劣解保留集,即该算法在解搜索的深度和广度上都有较好的表现.     

不确定环境下基于时间、费用及鲁棒性权衡的多目标项目调度优化

项目调度中的时间和费用是两个重要的指标,而在不确定环境下进度计划的鲁棒性则是保证项目平稳实施的关键。本文研究不确定环境下的多目标项目调度优化问题,以优化项目的工期、鲁棒值和成本为目标安排各活动的开始时间。基于此,作者构建多目标项目调度优化模型,将模型分解为三个子模型分析目标间的权衡关系,然后设计非劣排序遗传算法进行求解,应用精英保留策略和基于子模型权衡关系的优化策略优化算法,进行算法测试和算例参数敏感性分析。最后,应用上述方法研究一个项目实例,计算得到非劣解集,实例的敏感性分析结果进一步验证了三个目标间的权衡关系,据此提出资源的有效利用策略。本文的研究可以为多目标项目调度制定进度计划提供定量化决策支持。     

多目标0-1规划问题的元胞狼群优化算法研究

针对多目标0-1规划问题,首先基于元胞自动机原理和人工狼群智能算法,提出一种元胞狼群优化算法,该算法将元胞机的演化规则与嚎叫信息素更新规则、人工狼群更新规则进行组合,采用元胞及其邻居来增强搜索过程的多样性和分布性,使人工头狼在元胞空间搜索的过程中,增强了人工狼群算法的全局搜索能力,并获得更多的全局非劣解;其次结合多目标0-1规划模型对元胞狼群算法进行了详细的数学描述,定义了人工狼群搜索空间、移动算子、元胞演化规则和非劣解集更新规则,并给出了元胞狼群算法的具体实现步骤;最后通过MATLAB软件对3个典型的多目标0-1规划问题算例进行解算,并将解算结果与其它人工智能算法的结果进行比较,结果表明:元胞狼群算法在多目标0-1规划问题求解方面可获得更多的非劣解集和更优的非劣解,并具有较快的收敛速度和较好的全局寻优能力。     

含直觉模糊弹性约束的多目标模糊线性规划求解

基于模糊结构元方法构建并讨论了一类含有直觉模糊弹性约束的多目标模糊线性规划问题.通过引入模糊数的加权特征数,定义了一种序关系并拓展了Verdegay的模糊线性规划方法,将上述多目标模糊线性规划问题转化成两个等价含参数约束条件的清晰多目标线性规划模型,并应用一种线性加权函数法给出了此类线性规划模型的对比最优可行解.最后通过一个数值实例来说明此类问题的一般求解方法.     

多目标预测模型在黑龙江垦区大豆产量预测中的应用

在预测模型的均值和稳定性基础上,建立了多目标组合优化模型,并以黑龙江九三地区35年的大豆产量数据为例,利用该地区大豆单产的Logistic模型和大豆产量与气象因子的逐步回归模型建立了多目标组合优化模型,并计算出最优解.结果表明,该组合模型没有最优点,而有非劣解.该方法对提高模型的精度,指导大豆生产具有重要意义.     

多目标0-1规划的萤火虫算法

针对于多目标0-1规划问题,给出一种新型的智能优化算法-萤火虫优化算法对其进行求解,并在计算机上予以实现.经一系列算例测试,并与其它智能算法进行比较,算法能获得较多的非劣解,表明算法可行有效,可求解实际应用中的相应问题.