已阅读5页,还剩62页未读, 继续免费阅读
(电力系统及其自动化专业论文)量子遗传算法及其在控制系统满意优化设计中的应用.pdf.pdf 免费下载
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
西南交通大学硕士学位论文第1 i 页 a b s t r a c t t h is p a p e r s t u d i e s c h i e f l yi m p r o v e dq u a n t u mg e n e t i ca l g o r i t h m ( i q g a ) a p p l y i n gt os a t i s f a c t o r yo p t i m i z a t i o n ( s o ) d e s i g no fc o n t r o l s y s t e m d u et ot h e1 a r g eq u a n t i t yo fc o m p l e xe l e m e n t si nt h ep r a c t i c a l s i t u a t i o n i ti sd i f f i c u l tf o ru st of i n da na c c u r a t em a t hm o d e lt o d e s c r i b et h e c o r r e s p o n d i n gc a s e s ,o r i ti sn o tw o r t h a c h i e v i n g t h e o p t i m a l s o l u t i o nt h a nt h ec o s t ,a n di n d e e d m a yb e t h a tt h e r ei sn o o p t i m a l s o l u t i o ni nt h et r a d i t i o n a l c o n c e p t i n t h i s c a s e ,ap o p u l a r s t r a t e g y ,s om e t h o d ,i sc h o s e n g e n e t i ca l g o r i t h m ( g a ) i sa d a p t e dt o s e a r c ho p t i m a ls o l u t i o ni nt h i ss t r a t e g y ,s ot h ep e r f o r m a n c eo fg aw i l l d i r e c t l y a f f e c tt h e o p t i m a lp u r p o s e t h i sp a p e rp r o p o s e s t h ei q g a b a s e do nt h ea n a l y s i so fq u a n t u mg e n e t i ca l g o r i t h m ( q g a ) ,a n da p p l i e s i tt ot h es oo fc o n t r o ls y s t e m c h a p t e r o n e g i v e s t h e s i m p l e i n t r o d u c t i o nt ot h ec o n v e n t i o n a l o p t i m i z a t i o na n ds 0 ,a sw e l l a sc o n v e n t i o n a lg aa n dq o a c h a p t e r t w od i s c u s s e st h ed e s c r i p t i o no ft h es oa n di t sb a s i cp r o c e d u r ed i a g r a m a n dg i v e sm u l t i - c r i t e r i o ns om o d e la n ds e v e r a lf o r m so fs a t i s f a c t o r y r a t ef u n c t i o n i nc h a p t e rt h r e e ,b ya n a l y z i n gt h eb a s i sc o n c e p to fq g a a n di t s r e a l i z a t i o n ,w ep r o p o s e t h e i q g a i nc h a p t e r f o u r ,t h e a p p l i c a t i o no fi q g a i ns od e s i g no fp a r a m e t e r si np i dc o n t r o l l e ri s d i s c u s s e da n d g o o d r e s u l t sf r o ms i m u l a t i o n e x p e r i m e n t s a n d p r e d o m i n a n tp e r f o r m a n c eo fi q g a a r es h o w n c h a p t e rf i v ep r e s e n t st h e s om o d e lo fm u l t i v a r i a b l es y s t e mb a s e do nt h ea n a l y s i so fl qp r o b l e m , a n dt h eo p t i m a lm e t h o do fqa n drm a t r i x t h er e s u l t sp r o v et h eu t i l i t y a n du n i v e r s a l i t yo ft h i sm e t h o di nt h ep r a c t i c a la p p l i c a t i o n k e yw o r d s : s a t i s f a c t o r yo p t i m i z a t i o n ;q u a n t u mg e n e t i ca l g o r i t h m ( q g a ) ;p i d c o n t r o l l e r p a r a m e t e ro p t i m i z a t i o n ; m u l t i v a r i a b l es y s t e m ;l q r 西南交通大学硕士学位论文第1 页 第1 章绪论 2 0 世纪下半叶,关于优化理论和方法的一些基本理论被发现; 自从2 0 世纪6 0 年代以来,优化理论和方法迅速发展,并逐渐形成 一门新兴的数学学科。随着现代化生产的发展和科学技术的进步, 优化理论和方法日益受到人们的重视。现在它已经渗透到生产、管 理、商业、军事、决策等领域h ”。随着科学技术尤其是计算机技术 的不断发展,以及数学理论与方法向各门学科和各个领域更加广泛 的渗透,优化理论与方法必将广泛的应用于国民经济各个部门和科 学技术的各个领域,并将在社会的诸多方面起到更加重要的作用。 遗传算法( g e n e t i ca l g o r i t h m ,g a ) 是一种建立在自然选择原理 和自然遗传机制上的迭代式自适应概率性搜索方法,是一种处理复 杂优化问题的新方法。由于g a 不受优化问题本身性质、优化准则形 式、模型结构形式、被优化参数数目和有无约束条件等的限制,它 仅仅采用目标函数在概率准则引导下进行并行全局自适应自动搜 索,就能够处理传统优化方法难以解决的复杂问题,具有极高的鲁 棒性和广泛的适用性,因此g a 在很多不同的领域得到了广泛的应用, 同时也成为跨学科研究的焦点与热点。 1 1 传统优化方法与满意优化方法 在传统的优化方法中强调的是最优化。最优化就是从众多的可能 方案中选择最佳者,以达到最优目标,即试图在求解优化问题的过 程中找到问题的最优解。 最优化理论作为2 0 世纪数学的5 大指导理论之一( 最优化、对 策论、拓扑论、奇点论、计算理论) 【3 】,对2 0 世纪的数学乃至整个 科学、工程理论和整个人类的发展都作出了一定的贡献。最优化问 题本身是一门新兴的应用数学分支,体现在数学方法上,就是一种 求解问题极值的方法。最优化理论与方法已经经过了几十年的蓬勃 发展和完善,从传统优化理论到工程优化、智能优化和广义优化, 西南交通大学硕士学位论文第2 页 它们都是基于最优化理论的一些核心思想。多年来,这些优化技术 和方法已经成功的应用于求解多类优化问题,然而,随着科学技术 的不断发展以及人们对自然科学和对自身处理问题过程本质的认识 不断加深,人们发现传统的优化理论和优化技术在求解许多实际的 优化问题上困难重重,其中包括某些多目标优化问题、组合优化问 题、离散优化问题、动态优化问题、复杂决策问题和实时系统等。 这些困难可以分成两大类。第一类是优化问题理论上存在最优解, 但是难以获得或者求解代价太大,这类困难在组合优化 ( c o m b i n a t i o n a lo p t i m i z a t i o n ) 问题中经常遇到。组合优化问题就是 通过对数学方法的研究去寻找离散事件的最优编排、分组或排序等, 是运筹学中的一个经典而重要的分支。由组合优化的定义,每一个 组合优化问题都可以通过枚举的方法求得最优解,但是枚举的方法 是以时间为代价的,有的问题的枚举时间是可以接受的,有的问题 则不可能接受。例如,旅行商问题( t s p ) ,对于一个非对称距离的 t s p 问题,如果城市的数量为n ,那么固定一个城市为起点,则需要 ( n 一1 ) ! 个枚举,以计算机每秒完成2 4 个城市所有路径为单位则 完成2 5 个城市的枚举时间为2 4 秒,当城市的数目增加到3 0 个的时 候,计算时间约为1 0 8 年川。从计算复杂性的角度而言,通过枚举 方法得到的最优解是不可能接受的。此外,还有一些问题属于这种 情况,如模糊优化问题、随机优化问题等等。 在传统最优化问题中,寻求最优解遇到的第二类困难是由于实际 问题的规模越来越大,复杂性越来越高以及各种不确定因素的影响, 难以找到一个准确的数学模型来对问题进行描述。因此,在许多情 况下难以求得问题的最优解,或者该问题本身就不存在传统意义下 的最优解。例如多数多目标优化问题属于这一类,由于问题本身的 一些目标之间往往存在某种矛盾,不能同时达到最优,因此问题也 就不存在最优解。 另外,在某些问题中不强调解的最优性,而更强调解的满意性, 这类问题有实时优化问题、其他需要满意解就可以满足要求的问题 等等。 以上两种情况使最优化理论和方法在解决优化问题时遇到了严 重的挑战。鉴于传统优化理论和优化方法遇到的困难,许多学者开 西南交通大学硕士学位论文第3 页 始对传统的优化理论和方法进行改进,同时把其他科学技术领域的 研究成果引入到优化理论和优化算法中。特别是7 0 年代以后,以禁 忌搜索( t a b u s e a r c h ) 算法、模拟退火( s i m u l a t e d a n n e a l i n g ) 算法、 遗传算法( g e n e t i ca l g o r i t h m s ) 、人工神经网络( a n n ,a r t i f i c i a l n e u r a l n e t w o r k ) 等为代表的一系列现代优化方法被提出并且已经运 用到实际的问题中。与此同时,随着算法复杂性理论( c o m p u t a t i o n a l c o m p l e x i t yt h e o r y ) 的完善,在优化问题中我们不再一味的强调要求 得到最优解,而只要求找到一个令人满意的解,整个问题就会大大 的简化。 美国著名的人工智能专家、诺贝尔经济学奖的获得者h a s i m o n 在经济组织实际决策的研究中,于1 9 7 8 年首先提出了“令人满意准 则”的概念来代替微观经济学的最大化原则,同时提出了在某些情 况下,应该用“令人满意的决策”代替传统意义上的最优决策的思 想。从而开辟了一个崭新的知识体系。引入“令人满意准则”之后, 最优化理论应该确切的称为优化理论,即不必事事强求“最优”,在 多数情况下,求得“较优”的即可。一般把寻求最优解的优化问题 称为最优化问题,因此,可以把寻求满意解的优化问题称为满意优 化问题。h a s i m o n 举出一个对“满意解”及其优越性进行形象描述 的例子:在地里摘玉米。如果找到一个最大的玉米是很困难的。需 要把地里的玉米都要测量一下,再加以比较才能确定。并且这个问 题的工作量是相当大的,它和玉米地的面积成正比,面积越大,工 作量越大。但是如果要求找到的不是最大的那个,而是一个比较大 的,即按通常的说法,到地里摘一个大玉米,问题就简单多了。这 时,土地的面积大小甚至和工作量基本无关f 5 】。 而在同一时期,人工智能( a r t i f i c i a li n t e l l i g e n c e ) 方面的研究 取得了惊人的成就。在研究知识在人工智能领域的重要作用的过程 中,一些学者将智能定义为:当一个系统具有可运用的知识时,智 能就是在巨大的搜索空间迅速的找到一个满意解的能力。而这一理 论在人工智能发展史上有着重要的意义和影响,知识工程、专家系 统等都是这一理论影响下发展起来的。 在文献 5 中,任平教授首先对满意解进行了数学分析,利用模 糊数学的隶属函数、子集、截集等概念,将满意解定义为某一论域 西南交通大学硕士学位论文第4 页 在约束条件构成的子集的限制下所形成的截集,同时提出了使用模 糊集合论的方法来研究满意解集。九十年代,西南交通大学的靳蕃 教授在研究人工神经网络( a n n ,a r t i f i c i a l n e u r a l n e t w o r k ) 过程中, 通过比较传统的v o nn e u m a n n 计算机与入脑的结构特点、运行机制 和求解方法,发现人脑之所以在高级智能信息处理领域比电脑“聪 明”,不仅在于前者的巨大并行分布拓扑结构,还因为它寻求满意解 的运算原则。在此基础上,首先提出了“神经计算的满意解原理”【6 ,】。 上海交通大学席裕庚教授在研究复杂工业过程环境的基础上,总结 出控制是有约束多目标多自由度优化的特点( c m m o ) ,提出了满意 控制概念和原理框架i s , g 。西南交通大学的金炜东教授研究了评价满 意解性能的满意度函数,针对优化问题的比较复杂的情况提出了串 行求解结构和并行求解结构。提出了一种“多目标满意优化模型” 和“局部一全局型满意优化模型”,并将它们应用于控制器的参数设计 以及列车操纵优化方法研究中】,从而将满意优化的研究在理论和 实际应用上又向前推进了一步。此外,西南交通大学的罗刚博士以 满意原则为主要内容,以满意解原则在工程中的应用为研究出发点, 详细分析已经取得的研究成果,提出了累积矛盾( 接近) 度、瞬时 矛盾( 接近) 度、归一化矛盾( 接近) 度等多种衡量质量准则关系 的指标:同时探讨了多目标优化问题中的各个目标间折衷原则的确 定方法,并将其应用于p i d 控制器的参数优化设计之中m ,。 以上几位不同学科领域的专家、学者先后提出的这几个概念和 思想实质上是一致的,从不同背景的应用问题研究中提出了一个共 性的问题:在处理复杂的实际优化问题时应该采取“寻求问题满意 解”的优化策略。满意优化方法摒弃了传统的“最优”的概念,强 调的是“令人满意”,而不是“最优”,它是一种将优化问题的约束 和目标融为一体进行优化计算的方法,具有更大的灵活性和适用性。 在本文中则是采用这种优化策略来进行控制系统的优化设计的。 以寻求满意解为目的的满意优化方法之所以得到迅速的发展, 逐渐被众多学者所密切关注,主要是因为它具有以下几方面的特点 ( 1 ) 满意优化方法具有人类智能信息处理方式的基本特征之 即在巨大的搜索空间中迅速地找到满意解的能力。 西南交通大学硕士学位论文第5 页 ( 2 ) 传统优化方法采用描述问题的数学模型。因为数学模型是 问题本身的简化,或多或少地忽略了一些因素。另外,数据采集的 不精确以及参数估计的不准确都可以导致得到的“最优解”比采用 满意优化方法得到的满意解产生的误差可能会更大。 ( 3 ) 对于一些计算复杂程度较大的优化问题,现在并未找到行 之有效的最优化方法,但是采用某种按满意解原则所设计的满意优 化方法却能够得到满意的优化效果。 ( 4 ) 满意优化方法具有一定的普遍性。满意优化方法不仅出现 在优化、决策、管理、控制、分配等科学领域,而且普遍存在于人 类社会的各种事务中。 1 2 遗传算法和量子遗传算法 在采用的满意优化方法寻求优化问题满意解的过程中采用的是 遗传算法进行满意解的寻优计算。下面简略地分析遗传算法( g a , g e n e t i c a l g o r i t h m ) 的发展与原理,同时概括地介绍本文将要采用的 新遗传算法一量子遗传算法。 遗传算法是一种建立在自然选择原理和自然遗传机制上的迭代 式自适应概率性搜索方法3 】。它模拟自然界中生物进化的发展规律, 在人工系统中实现特定目标的优化。目前,遗传算法迅速发展,已 经被广泛的应用于解决各种问题,例如,系统优化、机器学习、工 程控制、模式识别、人工智能、故障诊断以及计算机技术等领域, 取碍了良好的效果。随着遗传算法的基本原理、方法及其应用技巧 的深入研究,其应用范围也越来越广泛。 遗传算法最早是由美国密执安( m i c h i g a n ) 大学j h h o l l a n d 教 授在1 9 7 5 年发表的论文“自然和人工系统的适配”中提出的,文中 叙述了以二进制数字串为基础的基因模式理论及基本原理,为遗传 算法奠定了坚实的理论基础。同年,在该校的一篇博士论文中,将 遗传算法应用于解决优化问题。随后,遗传算法的研究吸引了大量 的研究者和探索者,去研究如何描述待实现系统的行为以及如何用 于求解问题。经过几十年的努力,遗传算法已经成为一种成熟的具 有极高鲁棒性和广泛适用性的优化方法”1 。 西南交通大学硕士学位论文第6 页 遗传算法的基本原理是通过模拟自然界的生物进化过程,将所 求解的优化问题的解用编码串( 也称为“染色体”) 来加以表示,并 形成一组代表该优化问题的一些可能解的集合,我们称为种群,然 后利用相应的遗传算子( 选择,交叉,变异) 作用于种群中的各个 染色体,即按照“适者生存,优胜劣汰”的原则,生成新的种群, 反复迭代,最终达到包含问题最优解染色体的优良种群,达到优化 的目的】。 与传统的优化方法比较,遗传算法具有以下主要特点o ,: ( 1 ) 遗传算法处理参数的编码集,而非参数本身。 ( 2 ) 遗传算法只利用目标函数值计算适应值进行搜索,而不必 用到目标函数的导数等辅助信息,因此它对于待优化的函数基本无 限制。 ( 3 ) 遗传算法使用的是随机变换规则来指导搜索,而不是确定 性规则。 虽然遗传算法与传统的优化方法比较,具有相当多的优点,但是 算法本身还存在着一些问题,有待于进一步完善和改进。在优化过 程中,遗传算法的主要性能不是取决于种群平均适应值的收敛性, 而是决定于搜索中最优个体的令人满意程度。因此采用传统的遗传 算法实现满意优化设计时,保持种群的多样性是使算法和优化结果 更加令人满意的关键。另外,由于传统遗传算法还存在迭代次数多、 早熟现象、容易陷入局部最优值、收敛速度慢等问题,因此,人们 开始对遗传算法进行详细的研究,并对其从各个不同的方面改进, 比如引入免疫机制的遗传算法、结合量子计算理论的遗传算法等。 在本文中的满意优化方法的寻优计算中采用的是结合量子计算理论 的遗传算法一量子遗传算法( q u a n t u mg e n e t i ca l g o r i t h m ,q g a ) , 进行优化问题的寻优计算。这主要是考虑到量子遗传算法本身所具 有的特点,该算法能够大大增加种群多样性和收敛速度,并且能够 得到比较好的优化效果。 量子遗传算法是一种新发展起来的概率进化算法,是量子计算理 论和进化算法理论相结合的产物。1 9 8 2 年,著名物理学家r i c h a r d f e y n m a n 提出了量子计算和量子计算机的概念,他指出按照量子力 学规律建造的量子计算机在求解某些问题时可能会比经典计算机更 西南交通大学硕士学位论文第7 页 有效:在此基础上,1 9 8 5 年d e u t s c h 指出利用量子态的相干叠加性 ( c o h e r e n ts u p e r p o s i t i o n ) 可以实现并行的量子计算:1 9 9 4 年,美国 a t & t 公司的研究者p e t e rs h o r 发现了分解大数质因子的量子算法, 给量子计算机研究注入了活力,并且掀起了量子计算研究的热潮【l 7 1 。 近几年,量子计算和量子计算机的理论和实验研究都呈迅猛发展的 势头,已经从最初仅是学术上感应兴趣的对象,变成对计算算法、 计算机科学、密码技术、通信技术以及国家安全和商业应用都有潜 在重大影响的领域,因而引起广泛的关注和研究。 首先将量子计算理论和进化算法相结合进行研究的是英国e x t e r 大学计算机科学系的a j i tn a r a y a n a n 和m a r km o o r e ,并于19 9 6 年提 出了量子遗传算法的概念1 1 8 1 ;在2 0 0 0 年k u k h y u nh a n 将量子遗传 算法进一步完善,并首次将其应用于组合优化问题中f ,9 - 2 1 】;中国科学 技术大学的杨俊安博士在改进量子遗传算法的基础上,提出了一种 新的量子遗传算法并从理论上证明了算法的全局收剑性,同时提出 了基于量子遗传算法与独立分量分析算法相结合的盲源分离新算法 【4 5 】,进一步发展了量子遗传算法。目前,量子遗传算法已经受到人 们的密切关注,并且成为某些学科和领域的研究热点。 量子遗传算法是基于量子计算的概念和理论( 诸如量子位 ( q u b i t s ) 和量子叠加态( s u p e r p o s i t i o no fs t a t e ) ) 和进化算法的一 种概率搜索算法。与传统的遗传算法相比较,量子遗传算法能够以 更小的种群规模,在更短的时间里找到问题的最优解。该算法采用 的染色体编码方式不是传统的二进制编码、实数编码或符号编码等 方式,而是量子位染色体编码方式。并且对父代的操作也不是采用 传统的复制、交叉和变异等操作,而是利用量子门作用完成更新父 代个体,从而产生新的子代个体。同时量子位是量子遗传算法中最 小的信息存储单元。在量子遗传算法中,采用的量子态的基本特性 就是量子叠加态,并且是对量子概率幅进行操作。量子遗传算法与 其他遗传算法相比较,具有以下优点: ( 1 ) 量子遗传算法中的种群规模可以很小,但是并不影响算法 的性能,仍能保持种群中个体的多样性。 ( 2 ) 在量子遗传算法中,采用量子位的编码方式,一个量子位 染色体能够表示叠加的状态,因此与传统的遗传算法比较,它具有 西南交通大学硕士学位论文第8 页 更好的种群多样性。 ( 3 ) 量子遗传算法具有较高的搜索效率,广泛的适应性,迅速 的收敛性。 ( 4 ) 量子遗传算法具有良好的全局搜索能力,同时由于量子位 的概率表示,它能够用一个量子位同时表示出所有的线性叠加状态, 这样就大大地减少了染色体的个数,并且每个量子位都是由当前最 优解和其概率决定的,这样每个个体之间的联系性就比较弱。因此, 它比传统的遗传算法更适于并行结构的实现。 ( 5 ) 量子遗传算法同时兼有数据探索和数据挖掘的能力,这得 益于量子遗传算法本身的算法结构。 目前,由k u k h y u nh a n 提出的这种量子遗传算法主要是针对组 合优化问题,般情况下,这类问题的最优解准则是事先知道的。 但是对于实际的优化问题,特别是在控制系统的优化设计中,大多 数都是针对于连续函数进行寻优计算的,最优解准则事先很难知道。 因此,本文将对k u k h y u nh a n 提出的量子遗传算法进行改进,采用 一种适合于连续函数寻优计算的改进量子遗传算法,为控制系统的 满意优化计算提供更加有效的寻优计算方法,从而达到更加令人满 意的控制效果。 1 。3 本文的内容及结构安排 本论文在分析和研究了文献 1 9 2 1 】给出的量子遗传算法的基 础,提出了一种改进量子遗传算法( i q g a ) ,同时结合满意优化方 法以及多目标满意优化系统模型,详细地分析已经取得的研究成果, 并且给出典型性能测试函数对改进量子遗传算法进行算法性能测 试,应用一定实例对量子遗传算法在控制系统中的满意优化设计中 的应用进行分析和研究。本论文一共分为五章论述这些研究工作。 第1 章为绪论,阐述了本论文研究工作的背景及意义,对优化 方法的发展与现状以及量子遗传算法和遗传算法的概念、特点等方 面进行了分析讨论和归纳概括。 第2 章介绍了满意优化方法,具体介绍了满意解与满意度函数 的定义,并且对满意度函数的各种表示形式进行了分析;同时得出 西南交通大学硕士学位论文第9 页 了满意优化问题的基本运行框架;最后介绍了多目标满意优化问题, 通过分析多目标满意优化问题,给出了多目标满意优化问题的计算 模型。 第3 章主要介绍量子遗传算法。首先介绍了量子遗传算法的基 础概念和原理;然后给出了量子遗传算法具体的实现过程;最后通 过分析文献 1 9 2 1 】给出的量子遗传算法,提出了一种改进的量子 遗传算法,并利用测试函数进行算法性能测试。 第4 章主要分析和介绍了利用满意优化方法进行单变量系统的 优化设计,并且在寻优计算过程中结合了改进量子遗传算法。本文 中,以p i d 参数的满意优化设计为例,进行分析和研究的。通过实 例说明了利用多目标满意优化计算模型进行p i d 参数优化设计方法 的有效性和灵活性;同时也说明了在寻优计算过程中采用不同的优 化算法对满意优化方法优化效果的影响。 第5 章主要介绍了利用i q g a 进行多变量系统的满意优化设计。 在分析线性二次型问题和二次型性能指标,给出了多变量系统线性 二次型调节器( l q r ) 满意优化模型。然后通过仿真实例,证明了 采用i q g a 进行l q r 的满意优化设计的可行性和实用性。 西南交通大学硕士学位论文第1 0 页 第2 章满意优化方法 满意优化方法,z 2 - z 3 ( s a t i s f a c t o r yo p t i m i z a t i o nm e t h o d ) 是相对 于最优化方法提出来的,它是在人类智能准则的基础上形成的,以 一定的满意原则,在一个可以接受的计算代价内寻求满意解 ( s a t i s f i e ds o l u t i o n ) 的一类优化方法。满意优化方法将系统性能指 标的满意设计与系统参数的优化统一考虑,将优化问题的约束条件 和目标函数统一考虑。因此,将优化问题与优化目标一起分析的这 种满意优化方法具有广泛的适用性和较强的灵活性。从某种意义上 说,满意优化方法可以认为是优化理论本身的扩充或是调整,是 种以满意解代替最优解的优化方法。因此,满意优化方法比最优化 方法应用更加广泛,它不仅包容了最优化方法适合的领域,而且还 适合于管理工程、人工智能( 知识库系统、推理机、知识获取、模 式识别) 、可靠性等领域。最优化理论作为独立的数学分支存在,而 满意优化理论已经渗透到其它的理论当中发挥作用。 研究满意优化方法必须首先明确满意优化问题的特点以及满意 解与满意度函数的概念。因此,本章首先给出了了满意解与满意度 函数的定义,并分析了满意度函数的几种不同的表示形式;然后给 出了满意优化问题的运行框架以及计算模型;最后对多目标满意优 化问题进行描述,同时给出了多目标满意优化问题的计算模型。 2 。1 满意解与满意度函数 2 1 1 “令人满意原则”的提出 “令人满意原则”是诺贝尔奖获得者h a s i m o n 首先在经济组织 决策研究中提出来的概念,他认为在某些情况下,应当采用满意方 案来代替最优方案的思想,并把满意解的寻求过程称为“s a t i s f y i n g ” 从而开辟了一个崭新的知识体系。 h a s i m o n 提出的“令人满意原则”,当时是针对决策科学领域 的,开始的研究也主要集中在决策领域,后来人们发现“令人满意 西南交通大学硕士学位论文第1 1 页 原则”不应该局限于决策科学,它应该是一种普遍的概念与原则, 并且适用于许多与人类活动相关的科学领域,比如优化、决策、管 理、控制、知识系统和分配等。因此,h a s i m o n 提出“令人满意原 则”之后,“满意原则”受到许多学者的关注并进行分析和研究,任 平教授的满意优化原则,靳蕃教授的神经计算满意解输出原则。这 些研究的共同点就是用满意准则代替传统的最优化准则,并且使满 意准则逐渐趋于具体化、数学化和应用化。同时许多学者和专家在 满意原则的基础上提出了满意解与满意度函数的概念,进一步推动 了满意优化理论。 2 1 2 满意解和满意度函数定义 满意解是针对优化问题的最优解提出来的。问题的最优解是指 优化问题的可行解集中性能指标最好的一个解;而满意解则是指优 化问题的可行解集中性能指标令人满意的解,显然它是一个集合, 一般称之为“满意解集”。研究满意优化问题首先要明确满意解的概 念,解的性能的令人满意程度一般用满意度来衡量,以此来确定问 题的满意解集。从数学描述的角度讲,最优的意义是确定的,而“满 意”的意义则是不确定的,具有一定的模糊性,属于f u z z y 集,可 以用模糊数学的原则和方法来进行分孝厅和研究。 满意解和满意度函数一直是满意优化问题中研究最多、应用最 为广泛的概念,先后出现过几种定义方法,下面介绍两种比较典型 和常用的满意解与满意度函数的定义。 在文献【5 中,暨南大学的任平教授首先应用模糊数学的方法讨 论了h a s i m o n 提出的“令人满意原则”概念并对满意解进行定义, 给出了如下的满意解和满意度的数学描述。 设论域u 为可行解集合,y 为目标值集合,考虑u 到y 的一个映 射: f :u 斗v ( 2 一1 ) u 为所有可能解或可能策略的集合,矿是衡量解或策略的某种标准的 集合。 定义矿的一个f u z z y 子集g 为“令人满意”,可以将其隶属函数 西南交通大学硕士学位论文第1 2 页 定义为: g :v 斗1 0 ,l 】 ( 2 2 ) 对于v v ,儿( v ) 简记为g ( v ) ,表示当目标值为v 时令人满意的程 度。令c 为u 的f u z z y 子集,有: 定义2 1 :对满足c 2 o ,g 中的任何一个兄值,0 s 兰1 , 称 m 。= 缸b c ,( ”) g 。 ( 2 3 ) 为厂在c 上的五一水平的满意解集。其中, 一水平的截集。即: c 。= 函k u ,c ( “) c 、g 。分别为c 、g 的a ( 2 4 ) g = 驯v v ,g ( v ) a ( 2 5 ) 定义2 2 :考虑c 的一个f u z z y 子集吖,其隶属函数规定为: m ( u 1 = s u p a 0 s 旯1( 2 6 ) h 吖 则称i t 为厂在c 上的“满意解”,m ( u ) 为解“的满意度函数。 上述满意解与满意度函数的定义反映了模糊性这一本质,并且 是非常严格的,因此适合理论推导。但是必须从目标集倒推到论域, 并需要确定置信水平五,计算复杂,所以并不适合于实际应用。于是, 我们希望得到一种具有普遍意义并且可以广泛适用的满意解和满意 度函数的定义。因此,这里给出了通用意义上的满意解与满意度函 数定义。 定义2 3 :在衡量问题的个解是否是满意解时需要一个衡量 准则或标准,我们称这个准则或标准为性能评价准则。其具体描述 如下: 设论域u 中,问题附的所有可能解构成的可行解集x ,即: x = b k 为p x 的解j ( 2 7 ) 给定一个映射厂,使得 西南交通大学硕士学位论文第1 3 页 ,:工_ q ( 2 - 8 ) q = 厂( x ) e g x x 称映射,为解的性能评价准则,q 为性能评价准则厂下,可行解集x 的质量集,q 为性能评价准则,下,可行解x 的质量。 定义2 4 :论域v 中,给定问题删的可行解集j 及其性能评价 准则下的质量集q ,则存在一个函数 ( t ) ,构成映射: h :q 甘l o ,1 j s ( x ) = h ( q ) = a ( 厂( x ) ) ( 2 9 ) v x x ,q q ,s 月( x ) t o ,1 j 该映射确定了可行解集z 的一个子集a ,称4 为工在性能评价准则, 下的满意解集。以( 功称为在,下的对于满意解集4 的满意度函数, 简记为s ( x ) 。s 。( x ;) ( x 。x ) 称为在,下的x ,对于a 的满意度,简记 为s ( x 。) 。向( - ) 称为性能评价准则厂下的满意映射函数。 可行解集一中在性能评价准则,下,满意度最大的解的满意度记 为s 一( z ) ,满意度最小的解的满意度记为s 。( x ) ,即: s 。( x ) = m a x p ( x ) 卜x j s 。i ( x ) = m i n ( s ( x ) x x 定义2 一s :给定可行解集爿的子集a :,即 一 = 扛悟( x ) 丑,x x j ( 2 一1 1 ) 称为可行解集义上的满意度为a 水平的满意解集。 2 。2 满意度函数的表示形式 满意度函数是用来评价在一定的性能评价准则下求得的满意解 的质量的函数。前面已经给出了适合于满意优化问题的满意解与满 意度函数的定义。在满意优化问题中,建立满意度函数是一项基本 并且关键的工作,它直接影响到求得的解的质量。在实际应用中, 可以根据优化问题的不同应用背景,设计相应的满意度函数,来完 成满意解的评价。因此,为了满足科学研究和工程计算的需要,对 西南交通大学硕士学位论文第1 4 页 满意度函数些常用的、易实现的、比较合理的表示形式进行量化 的描述和研究是非常必要的。 考虑到满意度函数表示形式存在单调性,同时参考模糊集合隶属 函数的形式,下面给出几种满意度函数的表示形式。在解决实际优 化问题时,可以根据具体问题进行选择满意度函数的形式,实现问 题满意解的评价。 2 2 1 单调增加满意度函数( 戒下形) 单调增加的满意度函数有很多种,常用的有升半矩阵满意度函 数、升半正态满意度函数、升半r 一满意度函数、升半柯西满意度 函数、升半梯形满意度函数、升折线形满意度函数等。下面给出这 几种常用的单调增加满意度函数表示形式的量化描述。 ( 1 ) 升半矩阵满意度函数 跗,= f o :;: 如图2 1 所示。 ( 2 ) 升半正态满意度函数 s c z ,= 。一。一0 。一,:;: 其中k 0 ,如图2 2 所示。 l 【却 j 图2 1 升半矩形满意度函数 ( 3 ) 升半r 1 一满意度函数 s ( x ) 2 l 一。- k 0 ) x a 口 ix 其中k 0 ,如图2 3 所示。 图2 2 升半正态满意度函数 望童至望查兰塑主兰焦笙塞篁! ! 蔓 ( 4 ) 升半柯西满意度函数 f0 x 兰c i s x 2 器x a 其中口 o , 0 ,如图2 4 所示。 图2 3 升半r 满意度函数 图2 4 升半柯西满意度函数 ( 5 ) 升半梯形满意度函数 s ( x ) 0 工a 】 ;粤耶x 姐 0 2 一q 1 x 疗2 如图2 5 所示。 ( 6 ) 升折线形满意度函数 s ( x ) = 0 x 口, b ( x - a , ) 口l x 口2 ( 1 6 ) ( x - - a 3 ) + l 口, a a 其中0 0 ,如图2 9 所示。 ( 1 0 ) 降半柯西满意度函数 图2 8 降半正态满意度函数 点 如 西南交通大学硕士学位论文第17 页 图2 9 降半r 一满意度函数图2 一1 0 降半柯西满意度函数 ( 1 1 ) 降半梯形满意度函数 s ( 茁) = 1x 乱 a ,一x 。一a l a 2 如图2 1 1 所示。 ( 1 2 ) 降折线形满意度函数 s ( z ) = 1x 日- ( 1 - b ) ( a l - x ) + 1 a x d ,l 口2 一a i 6 ( d 2 一工) 口, 玎, 其中0 b 1 ) 称为问题的向量目标函数 矿一m 。i n 。f ( x ) 为多目标极小化( 向量形式) 模型的缩写;g l ( x ) 和h j ( x ) 表 西南交通大学硕士学位论文第2 0 页 示问题的约束条件。 与单目标优化问题比较,多目标优化问题具有以下特点: ( 1 ) 要求在给定条件下,多个目标都尽可能地好; ( 2 ) 各个目标并不总是独立存在,往往相互之间存在着耦合或 矛盾,一些目标的性能改善往往会引起另一些目标的性能变坏。因 此,各个目标的最优解之间的矛盾难以兼顾而无法同时达到最优: ( 3 ) 各个目标一般没有共同的衡量标准,很难进行量的比较, 或者目标函数与约束条件之间存在着模糊性。 由于多目标优化问题存在以上的特点,因此,在某种意义上满 足设计者的问题的解具有一定的“满意性”。在求解过程中,传统的 多目标优化问题是基于单目标优化问题最优思想,大多数的求解方 法始终坚持寻求问题的最优解。这和多目标优化问题的特点具有本 质上的矛盾,并且这种意义下的最优解往往很难找到或者根本就不 存在。因此,人们提出了有效解和弱有效解的概念,同时提出了采 用评价函数的方法求解多目标优化问题。其基本思想是:根据某种 寻优策略或决策意图,通过评价问题的多个目标构造出评价函数, 从而将求解多目标优化问题转化为求解相应的单目标优化问题,并 且把求得的满足有效解或弱有效解条件的解作为多目标优化问题的 解。在这种意义下,所求得的解可以看作是多目标优化问题的一种 “满意解”。 通过前面的叙述,可以看出,在实际应用中人们解决多目标优 化问题是以满意解输出原则为依据,通过某种解的质量评价准则, 求得优化问题的满意解,即采用的是满意优化方法求解实际的多目 标优化问题。 2 4 2 多目标满意优化问题求解模型 多目标优化问题提出来之后,经过多年的发展,已经形成了多 种类型的分析与求解算法。在文献【l o ) 中,金炜东教授给出了多目标 满意优化问题的求解模型,具体描述如下: 西南交通大学硕士学位论文第2 1 页 l n g 囊m n 枷川 下面对给出的多目标满意优化求解模型进行详细的介绍和分 析。x 为优化问题的可行解集,并且= ( 一,x n ) k r ,f _ 1 ,2 ,n 构成了可供优化选择的参数( 变量) 集;x ix 2 c ,x n 表示优化问题的” 个系统参数( 变量) ,优化问题的解向量则可以表示为 x = x l ,x 2 ,x 。j x ,x r ”。 评价优化问题的性能指标为g ,q :,q 。,并且假设每一个性能指 标变量吼均取实数值,即q r ,k = 1 , 2 ,m ,此处性能指标可以是问 题的系统优化目标,也可以包括对系统性能指标的约束条件;构成 的性能指标集为q = ( g 。,q :,q 。) l q ,r ,f - l ,2 ,m 。每一个性能指标q 。 一般与多个参数变量有关,因此可以表示为 q = ( o k 0 ) ,k = 1 , 2 ,m ( 2 2 6 ) 于是 g = 【9 1 q ,q 。】= 眵。( x ) ,妒:( x ) ,( z ) 】兰妒( x ) ( 2 2 7 ) 其中,妒( ) 是一个向量函数,给出了性能指标q 与系统参数( 变量) x 的函数关系。 对于性能指标q 。,k = 1 , 2 ,m ,可以分别给出其满意度函数g 。: r 一【o ,l 】,记为 s i = g i ( q ) ,k = 1 , 2 ,m ( 2 2 8 ) s 。反映出设计者对性能指标& 所反映的优化问题的该项性能指标的 满意程度,实际上是以函数值的形式反映出设计者对该项性能指标 玑的要求。满意度函数向量记为s = i s ls :,s 。 ,由于只是吼的函数, 于是 j = b ,j :,s 。】= k ,( g ) ,9 2 ( 9 2 ) ,g 。,( g ,。) ( 2 2 9 ) 在这里,我们定义综合满意度函数,: 0 ,1 “- - 9 o ,1 ,厂是一个泛函, 西南交通大学硕士学位论文第2 2 页 它将一个向量空间映射到一个标量域。于是 删= 厂( s ) = f ( s l ,s 2 ,s 。) ( 2 3 0 ) x w 【o ,1 】,是一个标量函数,反映了设计者对性能指标q = 【9 1 ,q :,q 。 综合考虑了各种矛盾因素后作出的评价。综合满意度函数的形式根 据实际优化问题的不同而不同,根据具体问题设计相应的综合满意 度函数也是多目标满意优化问题中的关键问题。在本文中,给出一 种常用的,而且结构和计算都比较简单的综合满意度函数形式,具 体描述如下: w k s 。 删:曼一 w k 其中,是关于的权值,k = 1 , 2 ,m 。式( 2 3 1 ) 以对j 。( 女= 1 , 2 ,卅) 的线性加权方式给出了综合满意度函数删,权值w 。反映了设计者对 性能指标s 。的重视程度。 式( 2 2 5 ) 所给出的多目标满意优化问题的计算模型中,通过 对性能指标的满意度函数的寻优计算,实现了系统参数的优化。系 统的性能指标向量日反映了系统的优化期望,满意度函数g 和综合满 意度函数厂一方面反映了设计者对优化问题实际要求的理解和意图, 另一方面直接影响了满意优化计算模型的寻优结果。 2 5 小结 在本章里,详细的介绍和分析了满意优化问题中的基本概念和 主要问题,为本文后续章节中完成的工作提供了理论基础,但是对 于满意优化方法本身存在问题的研究工作较欠缺。首先给出了满意 优化问题的描述、满意解和满意度函数的定义,具体讨论了满意度 函数的几种表示形式,最后在分析多目标满意优化问题的基础上, 给出了多目标满意
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 高一政治必修一“原始社会的解体和阶级社会的演进”教学设计
- 高中信息技术选修算法与程序设计双重循环教学设计
- 初中数学九年级下册反比例函数图象与性质复习教学设计
- 八年级物理 熔化与凝固 教学设计
- 初中物理八年级上册 1.1 声音是什么 教学设计
- 小学五年级班队活动教学设计《做自己的舵手-从被管教到自觉的成长》
- 初中八年级信息技术《改变图像大小和方向》教学设计
- 学期教学工作总结
- CN119538297A 一种基于客户端分组的联邦学习隐私保护方法 (安徽工业大学)
- CN119537506A 一种异步式服务化信息检索和索引管理方法及系统 (中国石油天然气股份有限公司)
- 东营港东营港区环抱港池内航道维护性疏浚工程环境影响报告书
- 熔化焊接与热切割培训课件
- 12J9-1 室外工程图集
- ReFi动态养老财务模型目标基准点及养老财务相关知识测试题附答案
- GB/T 29911-2025汽车租赁服务规范
- 河大版小学信息技术课件教学
- 贝壳租房合同协议
- T-CALC 007-2025 重症监护病房成人患者人文关怀规范
- 《农村既有居住建筑抗震鉴定与加固技术标准》
- ABBdcs组态课件CONDUCTORVMS操作
- DB43T 833-2016 前(后)置微耕机
评论
0/150
提交评论