文档介绍：摘要⒔谌氲交贗的混合型隐嗄在管理决策领域中,大量存在着一类混合型隐性多目标决策问题,此类决策问题具有以下三个显著特征:决策目标既包含有可以数量化表示的显性目标拱岩允晃侍獾目尚薪饪占浯螅尚蟹桨甘慷可以为无限多个痪霾哒咂ê盟孀啪霾吖痰慕锌梢缘髡谋洌蝗缛颂骞こ萄Р飞杓朴呕侍狻⒐ぷ骷布局优化问题、旅游行程规划问题等。混合型隐性多目标决策问题是隐性目标决策领域的一类重要问题,研究适合处理混合型隐性多目标决策问题的决策方法是隐性目标决策的内在要求,具有重要的理论意义与应用价值。混合型隐性多目标决策问题具有的这些特征,使得该类决策问题求解异常复杂并且无法直接应用传统的多准则决策方法缛ㄖ睾头ā⑿в煤ā⑼仔ǖ加以求解,其求解过程需要采用具有交互机制的决策方式,以逐渐获取决策者的偏好。交互式进化方法除了具有传统进化算法的优点外还具备与决策者进行交互的机制,兼具交互式系统的可适应性及本质上适合搜索复杂性问题的特性,,分析了此类问题的求解难点,以椒ㄎ决策方法,并建立了适合处理此类决策问题的优化决策支持模型。主要的研究内容包括:攵韵钟醒芯恐腥狈旌闲鸵远嗄勘昃霾咧С帜P偷奈侍猓疚囊谰莼旌闲鸵远目标决策问题的特征,从多目标优化决策的角度,将椒ǖ慕换ナ骄霾呋朴攵嗄勘杲诤希岢隽艘恢质视τ诨旌型隐性多目标决策的优化决策支持模型,并讨论了在该模型框架下结合刖哂型獠康蛋讣多目标进化算法的混合型隐性多目标决策问题求解过程,以说明该决策支持模型的可操作性。攵曰旌闲鸵远嗄勘昃霾叩腎决策方法中存在的进化效率问题,提出了一种高效自学习等智能体行为规则,提出了一种交互式多智能体多目标进化求解算法,该算法充分利用了人的智能和多智能体计算技术的特点,使得用户每次只需选择最好的与最差的个体,用户不需对个体给山具体的适应值,有效缩短了用户对每一代种群的评价时间,从而减轻用户评价疲劳。工量化表示的隐性目标计算,成为适合处理混合型隐性多目标决策问题的主要方法。技术基础,并结合多智能体计算技术与免疫计算技术,研究了混合型隐性多目标决策问题的智能法,的轮盘反转算子,标决策方法设计中,从算法的机理上来提高混合型隐性多目标决策的椒ǖ慕省@砺分析证明了轮盘反转算子能够有效克服糯惴ɡ砺壑刑岢龅姆醋K阕谑凳嗦胨惴ㄓτ弥械墓逃胁缓侠硇裕皇凳笛橐惭橹ち薘算子的优越性。进而根据混合型隐性多目标决策问题的特征,结合阕佑攵嘀悄芴寮扑慵际酰过定义智能体、智能体生存环境及智能体在环境中的行为规则,如扩散、变异、竞争死亡、再生、
合型隐嗄勘昃霾呶侍獾那蠼馓峁┓椒ㄖ傅己图际踔С帧攵曰旌闲鸵远嗄勘昃霾吖讨懈鎏宥嘌匀笔侍猓芯苛嘶谥秩红匦畔⒈3种群多样性的策略。将种群熵抽样方法与一种自适应变异算子相结合提出了一种基于种群熵信息的自适应种群多样性保持策略,并基于该策略提出了一种小种群遗传算法,数值实验表明该策略能够在小种群规模下使得算法有效保持种群多样性,预防算法陷入局部寻优,提高算法性能,适合在杏τ茫唤ù硕嘌员3植呗匀谟诨旌闲鸵远嗄勘昃霾呶侍獾慕换ナ角蠼馑惴ㄉ计中,提出了一种交互式多目标进化求解算法,工作间布局优化仿真实验验证了算法的有效性。化计算领域中来研究新颖高效的智能决策方法,以支持混合型隐性多目标决策问题求解。提出了一种交互式免疫多目标进化求解算法;并将免疫单/多克隆策略与多智能体计算技术结合,定义了抗体死亡、抗体再生与抗体自学习等行为规则,提出了一种交互式免疫智能体多目标进化求解算法。在两种算法中每次评价只需要决策者选出最好与最坏的个体,这样的评价策略使得评价过程轻松快捷,能够有效减轻用户评价疲劳。通过服装选购推荐问题仿真实验可以看出,两种算法都杓屏艘恢种С只旌闲鸵远嗄勘昃霾呶侍馇蠼獾闹悄芫霾咧С衷拖低常⒍韵低选购推荐问题,分析了服装商品的编码及其求解思路,研究了基于姆把」和萍鱿低车幕本流程,给出了系统功能的具体实现。混合型隐性多目标决策问题是大量存在于管理决策领域中的一类复杂决策问题,本文从多目标优化决策角度,建立了适合处理混合型隐性多目标决策问题的优化决策支持模型,围绕混合型支持混合型隐性多目标决策问题的求解。这些研究成果丰富了该领域的研究内容,能够为实际混关键词:混合型隐性多目标决策问题;隐性目标决策问题:多目标优化;交互式进化计算;多智能体;免疫计算:种群多样性;轮盘反转算子作间布局优化仿真实验验证了该方法的有效性,且能够有效缓解用户疲劳。攵曰旌闲鸵远嗄勘昃霾呶侍馇蠼庑实偷奈侍猓庖呒扑慵际跻氲浇换ナ浇免疫智能体、免疫智能体生存环境以及免疫智能体的免疫行为规则,如抗体多克隆、抗体单克隆、优于传统的序列交互式进化算法,且能够有效缓解用户疲劳。中各模块的功能进行了分析讨论。研究了“混合型隐性多目标决策问题”的一个具体实例—服装隐性多目标决策问题提出了一些新颖有效的基于