收藏本站
《南京大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

面向装备保障的多准则决策相关方法和技术研究

凌海风  
【摘要】:许多装备保障决策问题都具有大规模、多目标、多约束等特点,传统的依赖决策者阅历、知识和偏好的经验型决策已经不能满足装备保障“适时、适地、适量”的需求,必须研究如何对规模庞大、结构复杂、目标多元的装备保障决策问题科学定量决策的问题。本文按照先优化后决策的思路,对装备保障多准则决策相关的方法和技术进行了研究,其主要研究内容与创新点如下: (1)对MOP测试函数和性能评价方法进行了综述分析,给出了几组典型的约束、非约束多目标测试函数,并总结了几种衡量算法收敛性、分散性等性能的定量性能指标评价方法,为本文提出的新算法的性能分析及与其它同类算法的性能对比分析提供了依据。 (2)对多目标粒子群相关的几个重要问题,如外部档案、密度测量方法、全局向导和个体向导选择等进行了分析综述,为多目标粒子群算法的改进提供了基础。 (3)对约束多目标处理方法进行了综述,在对约束多目标搜索空间特点及其处理难点分析的基础上,提出了改进的约束多目标粒子群算法(CMOPSO)。以一种动态ε不可行度许可约束支配关系作为主要的约束处理方法,提高了约束多目标粒子群算法的边缘搜索能力和跨越非联通可行区域的能力;设计了一种新的计算简便的密集距离度量方法用于外部档案维护,提高了算法的效率;在分析外部档案中的解与群中各粒子关系的基础上,提出了新的全局向导选取策略,使算法获得了更好的收敛性和多样性。对一组典型或复杂的约束、非约束多目标函数进行了计算机仿真,图形及定量性能指标度量结果验证了该算法的可行性和有效性。 (4)基于粒子群算法搜索机理的分析及多目标粒子群算法自身的特点设计了模糊多目标粒子群算法,即模糊学习子群多目标粒子群算法(FLSMOPSO)。对CMOPSO作了进一步改进,在粒子进化过程中,通过模糊学习可使每个粒子在进化过程中产生线性递减的p个粒子形成子群而不是只产生一个粒子,然后从p个粒子中选择模糊满意解作为每个粒子的新位置。本文提出的改进的模糊多目标粒子群算法可迅速缩小搜索区域,加快算法收敛速度,并维持较好的多样性。对一组典型或复杂的约束、非约束多目标函数进行了试验仿真,并与典型的模糊多目标粒子群算法及本文构建的约束多目标粒子群算法进行了对比分析,结果表明FLSMOPSO算法可得到分布性、均匀性及逼近性都较好的Pareto最优解。 (5)对基于Vague集的决策方法进行了分析综述,提出了基于Vague集的多阶段模糊多属性决策方法。通过反复引入偏好进行决策方案收缩和选优,可从数量众多的决策方案中获取用户最满意解,有效解决了现有Vague集排序方法中同一排序值对应不同的Vague值而致使排序函数失效的问题,也能解决因一次转换而使不同方案拥有同样的Vague值,从而导致任何排序方法都失效的问题。 (6)对约束多目标维修任务分配和灾难应急救援定位运输问题这两种典型的复杂装备保障决策问题进行了分析建模,前者的特点是多目标多约束且决策方案众多,而后者属于多约束/多目标/多阶段数学规划问题,运用传统方法很难求解。分别运用本文提出的两种改进的多目标粒子群算法进行了仿真实验,均能快速得到Pareto最优解集。针对产生数量众多的Pareto非劣解而无法得出唯一决策方案的情况,可再基于本文提出的基于Vague集的多阶段模糊多属性决策方法优选出最令决策者满意的决策方案。仿真实验表明,本文提出的优化和决策算法能有效解决装备保障科学定量决策的问题,为装备保障决策由手工盲目决策向自动智能科学定量决策提供了好的解决方法。
【学位授予单位】:南京大学
【学位级别】:博士
【学位授予年份】:2011
【分类号】:E920

知网文化
【相似文献】
中国期刊全文数据库 前10条
1 厉虹;张甜;;基于样条逼近与曲线拟合的欠驱动仿生机器人运动规划[J];北京信息科技大学学报(自然科学版);2011年04期
2 戴浪;黄守道;黄科元;叶盛;;风电场风速的神经网络组合预测模型[J];电力系统及其自动化学报;2011年04期
3 彭显刚;胡松峰;吕大勇;;基于RBF神经网络的短期负荷预测方法综述[J];电力系统保护与控制;2011年17期
4 张广明;袁宇浩;龚松建;;基于改进最小二乘支持向量机方法的短期风速预测[J];上海交通大学学报;2011年08期
5 唐明珠;王岳斌;阳春华;;一种改进的支持向量数据描述故障诊断方法[J];控制与决策;2011年07期
6 孙锋利;何明一;高全华;;基于自适应脊波网络的高光谱遥感图像分类[J];计算机科学;2011年08期
7 陈世明;聂森;李慧敏;方华京;;移动智能体网络的优化功率控制及同步[J];华中科技大学学报(自然科学版);2011年07期
8 陈志英;任远;白广忱;高阳;;粒子群优化的Kriging近似模型及其在可靠性分析中的应用[J];航空动力学报;2011年07期
9 姜秋香;付强;王子龙;;三江平原水资源承载力评价及区域差异[J];农业工程学报;2011年09期
10 柳强;王成恩;;基于Kriging模型的复杂产品管线敷设顺序粒子群优化[J];机械工程学报;2011年13期
中国重要会议论文全文数据库 前10条
1 赵建玉;贾磊;陈月辉;张勇;;基于粒子群优化的信号交叉口交通流预测模型[A];第二十六届中国控制会议论文集[C];2007年
2 王晓燕;王东风;韩璞;;一种分数阶系统的粒子群优化辨识方法[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年
3 范业坤;梁新荣;;基于粒子群优化的高速公路匝道PI控制器[A];第二十七届中国控制会议论文集[C];2008年
4 薛艳红;胡立坤;;基于粒子群优化的配电网静止同步补偿器PI控制器整定[A];中南六省(区)自动化学会第二十九届学术年会论文集[C];2011年
5 冯祎;李霞;;一种K最近邻分类的改进算法及应用[A];2011年全国通信安全学术会议论文集[C];2011年
6 那吉生;;多准则决策的出入流方法及应用[A];发展的信息技术对管理的挑战——99’管理科学学术会议专辑(上)[C];1999年
7 徐俊杰;忻展红;;粒子群优化在0/1背包问题中的应用[A];中国运筹学会第七届学术交流会论文集(上卷)[C];2004年
8 赵秋玲;周雅莉;张奇志;;基于粒子群优化的结构振动分布式反馈控制[A];2005年中国智能自动化会议论文集[C];2005年
9 薛云灿;郑东亮;岳兴汉;杨启文;;混沌粒子群优化算法及其在水库优化调度中的应用[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
10 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 凌海风;面向装备保障的多准则决策相关方法和技术研究[D];南京大学;2011年
2 窦全胜;求解优化问题的演化计算方法研究[D];吉林大学;2005年
3 刘丽;人工免疫网络研究及应用[D];江南大学;2008年
4 李磊;六自由度并联平台位置正解及控制方法研究[D];哈尔滨工程大学;2008年
5 马瑞新;基于粒子群的网络社区动态角色挖掘研究[D];大连理工大学;2012年
6 陈虹;分离流动的电磁力主动控制[D];华中科技大学;2011年
7 林川;粒子群优化与差分进化算法研究及其应用[D];西南交通大学;2009年
8 韩晓霞;混沌与支持向量机结合的多相催化建模与优化研究[D];太原理工大学;2010年
9 王坚强;几类信息不完全确定的多准则决策方法研究[D];中南大学;2005年
10 柯晶;强跟踪状态估计与群集辨识[D];浙江大学;2003年
中国硕士学位论文全文数据库 前10条
1 雷烨;基于粒子群最小二乘支持向量机的故障诊断算法研究[D];兰州交通大学;2010年
2 马培培;基于粒子群的图像阈值化分割的研究及应用[D];合肥工业大学;2010年
3 姚杰;基于PSO混沌神经网络电力系统负荷预测[D];大庆石油学院;2009年
4 刘杨;粒子群优化算法在电力系统无功优化中的应用[D];天津大学;2005年
5 任晓娜;DNA计算中的编码设计优化算法[D];湖南大学;2010年
6 王琳;基于粒子群优化的数据流挖掘的聚类算法分析[D];长沙理工大学;2010年
7 李涛;基于SVM和PSO的非线性模型预测控制及应用研究[D];上海交通大学;2008年
8 孙巍;供热管网的建模分析及水力平衡调节[D];北京化工大学;2008年
9 李峰;大规模场景绘制中的纹理合成技术研究[D];哈尔滨理工大学;2008年
10 陈亚洲;基于粒子群优化的协同优化方法研究[D];华中科技大学;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026