基于IEC與RBF的隱性目標(biāo)決策方法研究.pdf

1、在現(xiàn)實決策中存在著一類重要而又難以求解的決策問題：隱性目標(biāo)決策問題。其決策目標(biāo)函數(shù)不能或者難以顯性定義，而且此類問題中決策者的偏好也難以在一開始就完全定義清楚，而需要決策者在交互的問題求解過程中逐漸加以確認(rèn)。而交互式遺傳算法將傳統(tǒng)的進化機制與人的智能評價相結(jié)合，可以有效地解決隱性目標(biāo)決策問題。但是，人的疲勞問題是交互式遺傳算法的核心問題，它嚴(yán)重制約了交互式遺傳算法在復(fù)雜優(yōu)化問題中的應(yīng)用。為解決該問題，研究求解該類問題的新算法，并研究處理

2、隱性目標(biāo)決策問題的求解實例。 本文從隱性目標(biāo)決策問題的角度出發(fā)，主要的研究內(nèi)容包括： (1)闡述了本文的研究對象-“隱性目標(biāo)決策問題”，并分析了該類問題的特征和研究難點，研究討論了隱性目標(biāo)決策問題求解方法的要求，指出交互式進化計算(IEC)與徑向基網(wǎng)絡(luò)函數(shù)(RBF)是適合處理隱性目標(biāo)決策問題的技術(shù)方法，基于交互式進化計算與徑向基網(wǎng)絡(luò)，建立處理隱性目標(biāo)決策問題的求解過程框架。 (2)交互式遺傳算法(IGA)是IEC

3、中研究最多的一個分支，闡述了交互式進化計算的概念，分析了交互式進化計算的核心問題；闡述了徑向基網(wǎng)絡(luò)函數(shù)(RBF)的結(jié)構(gòu)，分析了徑向基網(wǎng)絡(luò)函數(shù)的逼近能力、學(xué)習(xí)以及泛化能力，研究了徑向基網(wǎng)絡(luò)函數(shù)的學(xué)習(xí)算法。 (3)給出了一種基于交互式進化計算(IEC)與徑向基函數(shù)網(wǎng)絡(luò)(RBF)的求解隱性目標(biāo)決策問題的算法，該算法依據(jù)用戶少數(shù)次對進化個體的評價，采用徑向基函數(shù)運算提取評價過的個體偏好特征，以機器代替人對個體適應(yīng)值評價。該算法克服了交互