论文阅读:求解约束多目标区间优化的交互多属性决策NSGA-II算法

求解约束多目标区间优化的交互多属性决策NSGA-II算法

作者:陈志旺,陈林,白锌,杨七,赵方亮

期刊:控制与决策、2015.05

DOI:10.13195/j.kzyjc.2014.0455

内容简介

针对约束多目标区间优化问题,提出一种交互多属性决策NSGA-II算法.该算法将非线性问题线性化,定义P占优支配关系求出个体的序值,定义区间拥挤距离来区分具有相同序值个体的优劣,采用约束精英策略删除种群中不满足约束的个体.将选出的个体作为方案集,目标函数作为属性集,决策者对于各目标函数的偏好作为属性权重,构建一个多属性决策模型,在进化过程中融入该模型来选取符合决策者偏好的满意解.仿真实验验证了所提出方法的可行性和正确性.

内容摘录

  • 本文将多属性决策与改进NSGA-II进行交互,即在该算法中引入间隔代数 I I I(间隔代数小于遗传代数),在进化过程中,设置种群每进化 I I I代就进行一次多属性决策,并存储当代种群中的满意解。若算法连续3次(进化3 I I I代)所得的满意解均为同一解,则终止算法;否则,对所有满意解进行排序,并选择其中的最小值个体作为满意解。
  • 多属性决策:
    • Pareto最优解集中符合决策者偏好的解称为满意解。
    • N N N个决策方案的集合: A = { A 1 , A 2 , ⋯   , A N } A=\{A_1,A_2,\cdots,A_N\} A={A1,A2,⋯,AN};
    • z z z个目标函数对应的方案属性集合 C = { C 1 , C 2 , ⋯   , C z } C=\{C_1,C_2,\cdots,C_z\} C={C1,C2,⋯,Cz};
    • 决策者的偏好(各属性权重)为 ω = { ω 1 , ω 2 , ⋯   , ω z } \omega=\{\omega_1,\omega_2,\cdots,\omega_z\} ω={ω1,ω2,⋯,ωz}。
      构建方案集A在属性集C上的决策矩阵,并对决策矩阵做标准化处理,在标准化决策矩阵中分别找出 R i C j R_i^{C_j} RiCj中的最小值 R i m i n R_{imin} Rimin作为理想方案 R + = ( R 1 m i n , R 2 m i n , ⋯   , R z m i n ) R^+=(R_{1min},R_{2min},\cdots,R_{zmin}) R+=(R1min,R2min,⋯,Rzmin),再计算各个方案与理想方案之间的加权距离 D ( R j , R + ) D(R_j,R^+) D(Rj,R+),最后依据 D ( R j , R + ) D(R_j,R^+) D(Rj,R+)对所有方案进行升序排序。
  • 改进的NSGA-II:在NSGA-II的基础框架上提出基于可能度的P占优支配关系、利用区间距离公式求出相同序值解之间的拥挤距离、引入正态分布交叉算子、提出考虑约束条件的约束精英策略、在NSGA-II中融合交互多属性决策。

阅读心得总结

本文提出的算法是将多属性决策和改进的NSGA-II进行交互,使用多属性决策来代替DM对种群中的解进行决策排序,排序标准是按照各个方案与理想解的加权距离进行升序排序。

此算法的交互对象:多属性决策 & 改进NSGA-II算法。

相关推荐
van叶~16 分钟前
算法妙妙屋-------1.递归的深邃回响:二叉树的奇妙剪枝
c++·算法
简简单单做算法17 分钟前
基于Retinex算法的图像去雾matlab仿真
算法·matlab·图像去雾·retinex
云卓SKYDROID32 分钟前
除草机器人算法以及技术详解!
算法·机器人·科普·高科技·云卓科技·算法技术
半盏茶香1 小时前
【C语言】分支和循环详解(下)猜数字游戏
c语言·开发语言·c++·算法·游戏
徐子童1 小时前
双指针算法习题解答
算法
咔叽布吉1 小时前
【论文阅读笔记】CamoFormer: Masked Separable Attention for Camouflaged Object Detection
论文阅读·笔记·目标检测
想要打 Acm 的小周同学呀1 小时前
LRU缓存算法
java·算法·缓存
劲夫学编程2 小时前
leetcode:杨辉三角
算法·leetcode·职场和发展
毕竟秋山澪2 小时前
孤岛的总面积(Dfs C#
算法·深度优先
浮生如梦_4 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测