区间系数多目标规划的智能优化算法

论文摘要

多目标优化问题已被广泛运用到工厂界和科学界当中,然而由于收集信息的复杂,导致所获得的数据具有模糊性以及不确定性,所以在解决这类问题时,往往建立的是区间系数多目标规划的模型。针对这个模型,本文提出了区间系数多目标规划的智能优化算法。该算法打破了传统算法对函数性质的苛刻要求,进而解决了一系列的非线性问题,非连续问题。本文通过对区间数的一些性质研究,总结出了一些结论,并给出了详细的证明。然后介绍了几种智能优化算法,在算法的基础上,给出了相应算法的设计以及具体的步骤,主要完成了以下的工作：1.对区间数性质的分析,得出了区间数的序比较关系、概率比较关系,以及通过满意度的提出,将区间数转换成精确的数。2.简单介绍了模拟退化算法,并给出了相应的区间数多目标规划的模拟退火算法。3.本文给出了具体的区间系数多目标规划的遗传算法,包括：(1)已知满意度,可以通过转化求解；(2)不知满意度,可以通过序关系比较和概率比较关系的方法设计适应函数。(3)在时间复杂度和精确程度都均衡的前提下,可以采用混合的遗传算法。针对这几种情况,都做了具体的描述,给出了具体的算法步骤,以及实例分析。4.通过解决实际问题,来说明智能优化算法可以快速准确的解决区间系数的多目标规划问题。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 多目标决策的意义及解决方法
• 1.2 区间数多目标决策的产生及其研究
• 第二章 区间数的比较及其转换
• 2.1 区间数的相关概念
• 2.2 区间数的运算
• 2.2.1 区间数的序比较
• 2.2.2 区间数的概率比较
• 2.2.3 区间数的常数转换
• 第三章 区间系数多目标规划的模拟退火算法
• 3.1 模拟退火算法简单描述
• 3.2 模拟退火算法的计算步骤和流程图
• 3.3 区间数多目标规划的模拟退火算法
• 第四章 区间系数多目标规划的遗传算法
• 4.1 遗传算法的简单描述
• 4.1.1 遗传算法的步骤
• 4.1.2 遗传算法的构成要素
• 4.1.3 遗传算法的流程图
• 4.2 基于满意度的GA算法
• 4.2.1 基于满意度的GA算法的描述
• 4.2.2 基于满意度的GA算法的实现
• 4.2.3 区间系数多目标规划的实例分析
• 4.3 基于序关系的GA算法
• 4.3.1 基于序关系的GA算法的描述
• 4.3.2 基于序关系的GA算法的实现
• 4.3.3 区间系数多目标规划的实例分析
• 4.3.4 基于序关系的GA算法的改进
• 4.4 基于概率比较的GA算法
• 4.4.1 基于概率比较的GA算法的描述
• 4.4.2 基于概率比较的GA算法的实现
• 4.5 基于GA的混合算法
• 4.5.1 基于GA的混合算法的描述
• 4.5.2 区间系数多目标规划的实例分析
• 第五章 区间系数多目标规划的应用举例
• 5.1 货运路线问题
• 5.1.1 问题描述
• 5.1.2 算法设计
• 5.1.3 主要步骤
• 5.1.4 实例分析
• 5.2 双背包问题
• 5.2.1 双背包问题的描述
• 5.2.2 双背包问题的解决
• 5.2.3 算法的实现
• 5.2.4 实例分析
• 第六章 总结和展望
• 参考文献
• 致谢
• 攻读硕士学位期间相关工作情况