前言：中文期刊網精心挑選了多目標優化概念范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
多目標優化概念范文1
關鍵詞：海洋工程結構多目模糊優化
中圖分類號：K928.44 文獻標識碼： A
一、多目模糊優化背景與發展歷史
1. 模糊優化設計的背景
是造價最低,或是達到某一專項目標,或是同時達到幾項目標但在設計過程中,時常會遇上大量的模糊概念,如/重量不超過...0!/體積不大于...0等等由于缺乏處理手段和方法而把這些概念當成確定性量來對待,這樣把設計的約束條件和目標函數人為簡單化,以至于設計結果不符合要求隨著設計學的發展,大量的模糊信息需要定量描述,使設計達到真正的優化目的"在普通優化的基礎上引入模糊數學,建立在模糊集理論基礎上的模糊優化設計方法產生了模糊優化設計為解決具有上述模糊概念的優化問題提供了可行的方法和有效的手段模糊優化設計的概念首先是別爾曼和扎德提出來的,提出的背景主要有以下幾個方面:(l)事物間的差異中介過渡給事物帶來模糊性;對事物研究的定量化會遇上大量模糊因素:所研究的事物涉及多方面的模糊因素;以及在計算機應用領域中會考慮對模糊信息的識別和處理等等"這些都會給優化設計帶來大量的模糊因素,導致模糊優化問題的出現(2)對于一項工程設計會發現設計比分析涉及的因素更多,尤其是人文因素例如,一種新產品的設計,不僅要滿足工作要求和技術性能指標,而且經濟!可靠!使用條件性也是不可忽視的因素其實,優化設計的發展也是向多方面發展,已經打破了原先只在物理!幾何性質上做文章的格局當今社會的發展以人為本,在理工科高等教育中加強人文知識教育也是為了使理工科研究不能脫離人文,所以人文因素已經滲透于整個設計過程"人文因素的模糊性是優化設計遇到的主要問題,必會產生模糊優化的問題顯然,模糊優化設計的產生是優化設計領域的一次革命,大大地促進了優化設計的發展,為解決優化設計中出現的問題提供了理想的方法。
2模糊優化設計的產生和發展歷史
隨著科學與科學研究的發展,從物理發展到事理,從物態進展到事態的研究,傳統的經典數學已顯得蒼白無力,或者說過去那些與數學毫無糊數學誕生于1965年,美國加利福尼亞大學控制論專家查德教授(LA.zdahe)發表了著名論文-下uzyzsets0(模糊集合),提出模糊集合的思想,給出模糊現象的模型!模糊問題的定量表示方法及數學處理方法"他指出,刻畫一個模型集合時,不必指明哪些元素屬于它,哪些元素不屬于它,只需對給定范圍內的各元素確定一個"到1之間的實數,用它表明這個元素以多大程度屬于這個集合,這個數就叫作該元素對這個集合的隸屬度"例如,30歲的人肯定不算老年,他對/老年人0這個概念的隸屬度為仇50歲的人屬于/老年人0的程度近于0.5;70歲的人為老年人,他對/老年人0的隸屬度為1"這說明/中年0和/老年0的概念是相互粘連的,它們之間沒有一條絕對分明的界限,而是有一個連續過渡的過程"查德正是用隸屬度這個概念表現處于中介過渡的事物對差異一方的傾向程度,這就是他創立模糊集合論時提出的新思想"模糊集合論把原來某元素對于集合要么/屬于0,要么/不屬于0的確定性關系,推廣到元素對于集合按/一定程度0/屬于0或/不屬于0的確定關系(即在一定程度上/屬于0或/不屬于,.)以此就標志了模糊理論的產生,模糊數學就是從數學上來刻畫和研究客觀世界中存在的模糊量,即從量上來描述模糊現象,并以之為突破點建立了研究模糊現象的基本理論模糊數學是研究和處理模糊性現象的數學所謂模糊性,是指客觀事物在中介過渡時呈現的概念劃分上的不確定性,即/亦此亦彼0性客觀世界中存在著大量的模糊性現象,它們很難找到明確的界限,這樣的概念叫做模糊概念模糊概念不是不科學的概念,它大量地存在于物理學!化學和生物學中,在經濟和人文科學中表現尤為突出,人腦的識別!判斷以及概念的形成過程都具有模糊性為了描述模糊概念,滿足各門學科的數學化!定量化要求,這就是模糊數學產生的思想基礎"隨著模糊數學的誕生,一種全新的模糊論方法學也就發展起來了"模糊論是建立在(l)事物的不確定性(隨機性和模糊性);(2)廣義設計中的模糊性,即定量地研究從狹義設計到廣義設計中,必然要遇到大量的模糊概念:(3)復雜化和精確化之間的矛盾"模糊數學由于打破了形而上學的束縛,即認識到事物的/非此即彼0的明晰性形態,又認識到事物的/亦此亦彼0的過渡性形態,因此模糊理論的產生就在數學領域本身以及許多的實用領域里得了廣泛迅速的發展和應用模糊理論是在模糊數學基礎上發展起來的一門新學科,經過近些年來的發展,己經形成為一門新的應用技術學科,到20世紀90年代,己經形成了具有完整體系和鮮明特點的模糊拓撲學!框架日趨成熟的模糊隨機數學!模糊分析學以及模糊邏輯理論,并滲透到各個學科領域,如:人工智能!管理信息!機械制造!自動化控制等等,應用相當廣泛。
二、多目模糊優化設計優點:
(1)優化設計方法能夠加速設計進度,節省工程造價優化設計與傳統的結構設計相比較,一般情況下,對簡單的構件可節省工程造價的3一5%,對較復雜的結構可達10%,對新型結構可望達2000/(2)結構優化設計有較大的伸縮性作為優化設計中的設計變量,可以從一兩個到幾十,上百個"作為優化設計的工程對象,可以是單個的構件,整個建筑物甚至建筑群設計者可以根據需要和本人的經驗加以選擇0的大小,為設計者進一步改進結構設計指出方向"(4)某些優化設計方法(如網格法)能夠提供一系列可行設計直至優化設計,為設計者決策時提供方便(5)設計者能夠利用優化設計方法進一步貫徹設計意圖"例如在鋼筋混凝土結構的優化設計中,若設計者在設計中想相對的少用些鋼筋,多用些水泥,只要修改一下目標函數就可以了"
三、多目模糊優化設計
1.多目模糊優化設計
具體說來,就是給出該問題的數學模型"模糊優化的數學模型和普通優化的數學模型一樣,也是從設計變量,目標函數和約束條件這三方面給出的模糊優化的設計變量,仍然是決定設計方案的!可由設計人員調整的!獨立變化的參數它們或者是決定形狀大小的幾何參數,或者是決定結構性能的物理參數"這些參數,過去都視為確定性的,但嚴格說來,大多具有不同程度的模糊性"如結構設計中的動載系數,抗震設計中的地震烈度,動態設計中的阻尼參數等它們很難由一個確定的值來給出,都有一個從完全是到完全非的中介過渡過程,都具有不同程度的模糊性模糊優化的目標函數,仍然是衡量設計方案優劣的某一個指標(單目標函數)或某幾個指標(多目標函數)/優0和/劣0本身就是個模糊概念,沒有一個確定的界限和標準通常,我們說:要使某項指標達到某個值附近,或達到某一范圍,或越小越好等等實際上,都說的是目標函數的模糊性另外,由于目標函數是設計變量的函數,當考慮了設計變量的模糊性時,目標函數也必然是模糊的"模糊優化的約束條件,仍然是限制設計變量取值的條件,也即是設計方案所必須滿足的條件"這些約束條件.
2. 拓撲優化方法
拓撲優化設計是現代創新設計領域中的重要核心技術與定量設計方法,是傳統的尺寸設計和形狀設計的擴展與延伸它的基本原理是在給定材料重量的條件下,通過優化設計與數值求解過程獲得具有最大剛度的結構布局形式及構件尺寸自1988年丹麥學者Bnedsoe與美國學者Kikuhci提出結構拓撲優化設計基本理論以來可以說近二十年間結構設計領域發生了革命性的變化"基于結構設計要求的剛度一重量一振動多準則優化,研究使用保凸近似與凸規劃建立快速有效極大極小值優化算法以及通用非線性廣義加權法隊將凸規劃對偶求解算法與結構多目標優化設計相結合并應用于拓撲優化設計該研究方向目前已成為國際工程結構與產品創新設計領域的研究熱點"目前拓撲優化設計方法作為一項關鍵技術已應用于衛星!飛機!汽車的關鍵承力結構,薄壁件結構的加強筋,布局設計以及微機械系統(MEMs}!柔性機構布局設計等多個領域因此從軍事應用及國防需求前景上講,拓撲優化設計方法具有直接而廣泛的應用價值
3.多目標協調優化
1994年,Kroo與Balling!sobieski等人提出了協調優化(eo),1997年,工甲peta和Rneuad將該方法修正后用于解決多目標優化問題并對該方法的三種不同的版木做了比較"這種方法的中心思想是:把多目標問題劃分成一個個的次問題,然后逐步優化,直到最終得到優化解"
4.模糊優化方法
1992年,Allne探討了一種能夠非常有效地求解分層設計問題的模糊優化方法,顯示了該方法解決綜合優化設計問題的優點該方法就是利用模糊集理論,構造目標函數!約束函數和設計變量的隸屬函數,進而轉化為單目標函數進行優化考慮模糊因素的設計問題有以下好處:1使用模糊關系描述某此問題比確定性描述更準確;o考慮問題的模糊性能有效地拓展求解空間;
5.隨著優化設計的深入,
多目標優化概念范文2
關鍵詞：飛機除冰；多目標；遺傳；調度
中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2013）26-5978-03
北方機場中，由于冬季天氣寒冷，飛機在機場停留過夜時因為濕度和天氣因素造成飛機表面結冰現象。飛機表面結冰會對飛機氣動外形帶來不好的影響，不僅會增加飛機飛行阻力，造成飛機升力損失，而且會改變飛機蒙皮的力學特性，嚴重時甚至造成飛機事故發生。因此，飛機除冰受到了國內外經常的廣泛注意，飛機除冰操作也是機場機務人員的常備工作之一。對機除冰來說，國內大多數機場采用的是“隨到隨除”的分散式除冰方式，該方法簡單有效，但是由于缺乏調度管理，存在除冰作業環境污染嚴重，除冰效率低等諸多問題。針對此問題，該文在Pareto多目標解的理論基礎之上，提出了基于費用最少和除冰作業時間最短的多目標搜索飛機除冰方法。
1 Pareto多目標算法
Francis 首先提出了多目標最優概念，Pareto在Francis的基礎上提出了多目標最優的定義，也成為Pareto最優。在一個有k個目標函數最大化的問題中，決策向量[x*∈F]是Pareto最優是指不存在另外一個決策向量[x∈F]同時滿足式（1）
[fi（x）≥fj（x*），?i∈{1，2，...，k}fi（x）
在最大化問題中稱決策向量x優于y，或者支配y，需要滿足式（2）。
[fi（x）≥fj（y），?i∈{1，2，...，k}] （2）
在式（1）和式（2）的頂一下，多目標優化得到的結果是一個解集，該解集也被稱為Pareto最優解集，該解集中的所有的決策向量都被稱為非劣解或者非支配解。使用Pareto解集中的所有非支配解可以做出該解集的Pareto前沿，如果多目標問題只存在兩個目標[f1]和[f2]，且這兩個目標值都是越大越優，則該解集的Pareto前沿如圖1所示1-2。
其中，實線和虛線包圍的區域稱為多目標函數值域。
2 飛機除冰多目標模型
假設機場中有多種待除冰飛機和多種不同的除冰液運載量的除冰車，飛機除冰優化調度問題的目的就是為待除冰飛機分配除冰車輛，從而使得調度模型能夠在有限的時間和除冰車輛中為更多的飛機除冰。在飛機除冰調度模型中，待除冰飛機從除冰地點入口根據起飛順序依次進入除冰場所，除冰車輛根據優化調度模式對飛機進行除冰操作，在除冰車輛完成對該飛機的除冰操作后從出口劃出3-4。
除冰調度的數學模型如式3所示。
[minT=i=1mFivk=1mxik+M?k=1mΦkminC=i=1mCostis.t.Φk=i=1nFixikk=1mxikqi] （3）
其中，m為除冰車輛數量，n為除冰飛機數量， [Fi]為第i臺車輛的除冰液存儲量，v為除冰液噴灑速度，[qi]為除冰液添加速度，[xik]為除冰操作決策變量，[xik]為1時表示除冰車輛[k]是否為飛機[i]除冰，為0表示不除冰，[Costi]為除冰車操作費用。
3 算法流程
多目標遺傳算法的優化目標為除冰費用和除冰時間同時達到最小，其中算法的交叉操作為雙點整數交叉，算法的變異操作為單點整數變異，在算法操作的過程中，根據支配集合理論，不斷的更新記錄非支配解集中的個體，并且根據擁擠度等控制學習進化的方向和非支配解集中解的個數，多目標遺傳算法的計算流程如圖2所示。
4 仿真實驗
為了驗證本文提出的算法的有效性，在MATLAB中進行仿真實驗，仿真實驗的參數為除冰車輛有10輛，飛機數為20架，除冰位有4個，每架飛機除冰液需求和除冰車運載量如表1所示。
遺傳算法的參數設置為，種群數為100，迭代次數為100，交叉概率為0.3，變異概率為0.1，仿真過程中記錄的非支配解中兩個目標的變化如圖3所示。
算法最終得到的多目標解集如圖4所示。
從圖3和圖4中可以看出，該文提出的基于遺傳算法的飛機除冰調度多目標算法能夠在較復雜的問題中取得良好的結果。
5 結論
飛機除冰調度問題是一個具有較好實際應用前景的問題，該文提出了一種基于多目標算法的飛機除冰多目標調度模型，該模型在算法建模的基礎上，以除冰時間和除冰費用最小為運行目標，采用多目標遺傳算法搜索得到非支配解集。經過仿真實驗表明，該算法取得了良好的調度效果，為飛機除冰操作提供了一個新的思路。
參考文獻：
[1] 趙亮.一種改進的遺傳多目標優化算法及其應用[J].中國電機工程學報，2008（1）
[2] 劉立波，曾雪梅.遺傳多目標優化算法及其引用[J]. 電腦知識與技術，2012（07）.
多目標優化概念范文3
關鍵詞：粒子群算法;多目標背包問題;禁忌算法;貪婪算法
中圖分類號：TP301文獻標識碼：A文章編號：1672-7800（2012）003-0036-02
基金項目：湖南省自然科學基金項目（06JJ50107)；湖南省教育廳項目（10C0445）
作者簡介：張雁（1981-），女，湖南岳陽人，湖南師范大學數學與計算機科學學院碩士研究生，研究方向為智能計算與移動計算；肖偉（1971-），男，湖南溆浦人，博士生，湖南師范大學碩士研究生導師，研究方向為智能計算與移動計算。
0引言
背包問題是一類在給定約束條件的情況下，求最大值的組合優化問題，是典型的非確定多項式完全難題，無論在理論研究上或是在實際應用中都具有重要的意義。
1多目標優化問題和基本概念
一般地，一個多目標優化問題(MOP) 由 n 個決策變量，m個約束條件和 k 個目標函數組成，可形式化描述如下：
Min y=f( x) =( f1( x) ，f2( x) ，…，fk( x) )
Subject to ej( x)≤0，j=1，2，…，m.
其中，x=( x1，x2，…，xn)∈X，y=( y1，y2，…，yk)∈Y。
X為決策向量 x 組成的決策空間，Y 為目標向量 y 組成的目標空間。
滿足約束條件的決策向量組成可行空間。
一個解x*∈S是Pareto最優解，當且僅當不存在X∈S滿足：①fi(X) ≤fi(X*) ， i=1,...,k;且②fi(X)
換句話說，如何沒有一個解能改善目標函數的某個分量而不破壞任何一個分量，那么這個解就是Pareto最優解。既然沒有哪個解能比Pareto最優解更優，求解多目標優化問題時就應該尋找盡可能多的Pareto最優解。
1.1多目標 0-1背包問題
一般地，一個0-1背包問題包含了由若干項物品所組成的集合，每項物品都有其重量和效益值，而且背包具有容量上界。背包問題的目的在于: 從多項物品中，選擇適當的物品子集，使得所選中的物品效益值總和最大化，同時使選中的物品重量總和不超過背包容量上界。
若增加背包數目，則單一背包問題就被擴展為多目標0-1背包問題。一個由 n 項物品和 k 個背包組成的多目標0-1背包問題可以形式化定義如下:
Maximize y=f(x) =( f1(x) ,
f2(x) ，…，fk(x) )
Subject to i=1,…,k
其中fi(i)=xipij為物品j對于背包i的效益值，wij為物品 j 對于背包 i 的重量,x∈(x1,x2,…,xn) ∈{0,1}n,xj=1,物品j被選中；否則xj=0，物品j未被選中。
1.2算法思路和框架
粒子群算法（PSO）是一種進化計算技術，起源于對鳥類群體的研究。與早期的遺傳算法比較，PSO的信息共享機制是很不同的。在遺傳算法中，染色體互相共享信息，所以整個種群的移動是比較均勻地向最優區域移動。在PSO中,gBest (orlBest) 給出信息給其它粒子， 這是單向的信息流動。整個搜索更新過程是跟隨當前最優解的過程。與遺傳算法比較，在大多數情況下，所有的粒子可能更快地收斂于最優解。
PSO中并沒有許多需要調節的參數，下面列出了這些參數以及經驗設置。
粒子數：一般取20~40，其實對于大部分的問題，10個粒子已經足夠可以取得好的結果，不過對于比較難的問題或者特定類別的問題，粒子數可以取到100或200。
粒子的長度：這是由優化問題決定的，就是問題解的長度。
粒子的范圍：由優化問題決定，每一維可以設定不同的范圍。
最大速度Vmax，決定粒子在一個循環中的最大移動距離，通常設定為粒子的范圍寬度，如（x1，x2）∈∈\[-2,2\],那么Vmax的大小就是4。
學習因子：C1和C2通常等于2，不過在文獻中也有其它的取值，但一般C1等于C2，并且范圍在0和4之間。
中止條件：最大循環數以及最小錯誤要求。
禁忌搜索算法設計：
禁忌就是禁止重復前面的工作。由于它模擬了人類智力中的“記憶”功能，通過設置一個靈活的存儲器結構，記住一些最近被檢查過的解，并使它們成為選取下一個解的禁忌(被禁止)，由此有效避免了迂回搜索，使算法在解空間的探索能力增大，并通過藐視準則來赦免一些被禁忌的優良狀態，從而優化領域結構。首先確定編碼方式，若采用順序編碼，即0-9共10個數字的一個排列便是一個合法的編碼。定義互換操作為這個問題的領域結構，便得到一個領域解。
禁忌表的結構：以互換的兩種數字（0-9的編碼表示）構成的數對作為禁忌表的元素。
目標函數值：以最大值作為目標函數值，目標函數值越大越好。
禁忌表的長度：假若禁忌長度取為3，也就是說，當第四個元素進入禁忌表時，第一個元素就從禁忌表中退出。
渴望水平：如果當前解得某移動得到的解優于歷史最優解，則無論移動是否在禁忌表中，都將接受作為下一次迭代的初始解。
由上面的分析可知，要克服PSO的缺點，可以從多方面入手。本文對兩個方面進行了改進。首先對W進行了改進，較大的W有助于算法在解空間中作大范圍的探測，又助于算法跳離局部極值點，但不利于算法的收斂并降低解的精度；較小的W有助于算法在解空間內開拓，可以幫助主算法加快收斂速度及提高解法，如果在開始時W就較小，那么算法就很容易陷入局部解值點。
禁忌粒子群混合策略中，由于粒子算法的廣域搜索能力較強，一般作為“主算法”；由于禁忌算法的局部搜索能力較強，一般作為“從算法”。主算法和從算法的概念并不是針對兩個算法的重要性，而是這樣的混合算法從整體上看來比較像一般的粒子群算法，而其中的實現方法又帶有禁忌算法的思想。
3結果分析
禁忌粒子群算法的改進增加了多目標0-1背包問題求解空間的多樣性，且兼顧了單獨使用粒子群算法的快速尋找全局最優的特性，其收斂性和解的精度等方面與以前相比都有了提高。
參考文獻：
\[1\]王凌.智能優化算法及其應用\[M\].北京: 清華大學出版社，2001.
\[2\]TING C K, LI S T, LEE C N.TGA: a new integrated approach to evolutionary algorithms\[J\].IEEE Congress on Evolutionary Computation, 2001(2).
\[3\]FAIGLE V,KERN W.Some convergence results for probabilistic tabu search\[J\].ORSA on Computing,1992(1).
多目標優化概念范文4
關鍵詞：粒子群算法；單目標；多目標；傳遞率；傳遞函數矩陣；無窮范數；狀態反饋控制；控制力傳遞率
中圖分類號：TU112.41 文獻標識碼：A
單自由度、雙自由度體系是研究設備振動隔離的主要模型方法，且隔振體系性能與隔振參數關系密切，選擇合適的參數，能提高系統的隔振性能，如果參數選擇不當，就會適得其反，所以隔振參數的優化研究顯得非常必要.文獻1將遺傳算法與最大熵法結合，給出了兩級隔振系統參數優化設計的一種混合方法；宋鵬金等2采用傅里葉變化法和直接積分法分別對時域函數和頻域函數進行參數優化，提出了一種鍛錘隔振參數優化的新方法；文獻3根據超精密隔振器的內部結構和隔振系統的布置形式，建立了超精密隔振系統的動力學模型，并在此基礎上推導出理論頻響函數、進行了系統參數的辨識研究；LIU等4基于整星隔振體系進行了參數優化；ESMAILZADEH5采用梯度優化方法對汽車懸掛體系進行了隔振參數的優化研究；文獻6提出了一種隔振參數線性變化的方法，主要通過剛度遲滯模型實現；劉春嶸等7基于振原理在小振幅假設下建立了兩級浮筏系統的數學模型，并分析了隔振機理，推導出了力傳遞率的表達式.
作為新型的群智能算法――粒子群優化算法PSO自1995年提出以來，就因其簡單、易實現、收斂快，可調參數少等優點得到了廣泛應用8.由于傳統粒子群算法的局限性，許多學者對其做出了改進.Shi9等提出了關于權重的線性調整策略，獲得了滿意的優化效果；李軍等10在Shi的基礎上提出了自適應權重變化策略，克服了傳統粒子群算法尋優過程的早熟情況，能使粒子群算法達到局部最優及全局最優的平衡.Coello等首次提出了多目標粒子群優化算法MOPSO，掀開了多目標優化問題的新篇章，主要思想是通過Pareto最優解集決定粒子飛行方向以及在全局知識庫中得到之前發現的非支配向量，以指導其它粒子飛行11.
狀態反饋控制是振動控制領域的常用方法，通常包括線性二次型最優控制、極點配置控制、基于觀測器的控制器等，由于實際問題的不確定性，魯棒H2H
SymboleB@ 控制被提出并廣泛應用 12.上述方法在機械、結構等振動控制領域中發揮了巨大作用，其實質是通過控制器產生基于輸出的反饋控制力，以優化控制系統響應.
1粒子群算法
1.1標準粒子群算法
粒子群優化算法模型中，每一個粒子的自身狀態都由一組位置和速度向量描述，分別表示問題的可行解和它在搜索空間中的運動方向.粒子通過不斷學習它所發現的群體最優解和它在搜索空間中的運動方向，并不斷更新它所發現的群體最優解和鄰居最優解，從而實現全局最優解.粒子的速度和位置更新方程是PSO的核心，由式1表示：
1.3多目標粒子群算法
多目標粒子群算法的主要計算步驟如下所述：
Step1：初始化粒子群，計算各對應粒子的目標函數向量，將其中的非劣解加入到外部檔案之中；
Setp2：初始化粒子的局部最優值pbest和全局最優值gbest；
Setp3：在搜索空間內，通過式1，2調整粒子的飛行速度和位置，形成新的pbest；
Step4：根據新的非劣解維護外部檔案，并為每個粒子選取gbest檔案的內容決定全局最優值的選取；
Step5：是否達到最大迭代次數，若否則繼續計算，若是則停止計算，輸出pareto最優解集及全局最優解.
多目標粒子群優化算法與單目標粒子群優化算法的主要區別就是全局最優解的選取方式及外部檔案的設定和更新.需要著重指出的是，關于全局最優解的選取問題；對于多目標優化，直接計算會存在一組等價的最優解集，很難從每一次迭代中確定一個全局最優解.解決該問題最直接的方法即是利用Pareto支配的概念，考慮檔案中的所有非劣解，并從中確定一個“主導者”，通常采用密度測量的方法來確定全局最優解.本文將采用基于粒子最近鄰擁擠程度評判的最近鄰密度估計方法
6結語
基于粒子群優化算法，以控制輸出的傳遞率為目標函數，在單自由度、雙自由度隔振體系傳遞率分析的基礎上，分別進行了隔振參數的單目標和多目標優化設計研究.
傳統的振動控制設計，往往是在已知隔振參數的情況下創新控制方法或者優化控制器，卻忽略了隔振參數對控制系統的重要性，盲目地從控制角度優化體系，不僅容易造成控制能源浪費，還可能會引起系統響應發散.
我國《隔振設計規范》15僅對單自由度隔振體系的傳遞率等相關參數做了規定，事實上，本文研究表明，雙自由度隔振體系更適用于常見的工程振動控制.本文亦為最優隔振體系設計及最優振動控制設計提供了新思路，對《隔振設計規范》接下來的修訂工作具有指導意義.
參考文獻
1 魏燕定，賴小波，陳定中，等. 兩級振動隔振系統參數優化設計J.浙江大學學報，2006，405：893-896.
WEI Yanding， LAI Xiaobo， CHEN Dingzhong， et al. Optimal parameters design of twostage vibration isolation systemJ.Journal of Zhejiang University， 2006， 405：893-896.In Chinese
2宋鵬金，陳龍珠，嚴細水.鍛錘隔振基礎參數優化的新方法J.振動與沖擊，2004，233：96-98.
SONG Pengjin， CHEN Longzhu. YAN Xishui. The new parameters optimization method of vibration isolation base of hammer J. Journal of Vibration and Shock， 2004， 233：96-98. In Chinese
3董卡卡，蒲華燕，徐振高，等. 超精密隔振系統的建模與參數辨識J.武漢理工大學學報，2013，31：126-128.
DONG Kaka， PU Huayan， XU Zhengao， et al. Modeling and parameter identification of the ultraprecision vibration isolation system J. Journal of Wuhan University of Technology， 2013， 31：126-128. In Chinese
4LIU L K， ZHENG G T. Parameter analysis of PAF for wholespacecraft vibration isolation J. Aerospace Science and Technology， 2007， 116： 464-472.
5ESMAILZADEH E. Design synthesis of a vehicle suspension system using multiparameter optimization J. Vehicle System Dynamics， 1978， 72： 83-96.
6ZHANG F， GRIGORIADIS K M， FIALHO I J. Linear parametervarying control for active vibration isolation systems with stiffness hysteresis J. Journal of Vibration and Control， 2009， 154： 527-547.
7劉春嶸，肖衛明，徐道臨. 雙層流體浮筏的隔振特性研究J.湖南大學學報：自然科學版，2013，401：43-48.
LIU Chunrong， XIAO Weiming， XU Daolin. Study of the vibration isolation of twodegreeoffreedom fluidtype floating raft J. Journal of Hunan University：Natural Sciences， 2013，401：43-48. In Chinese
8KENNEDY J， EBERHART R C. A new optimizer using particle swarm TheoryCProceedings of the Sixth International Symposium on IEEE.Micro Machine and Human Science， 1995： 39-43.
9SHI Y， EBERHART R C. A modified particle swarm optimizer CIEEE World Congress on Computational Intelligence.NewYork： IEEE，1998：69- 73.
10李軍，許麗佳.一種帶壓縮因子的自適應權重粒子群算法 J.西南大學學報，2011，337： 118-120.
LI Jun， XU Lijia. Adaptive weight particle swarm optimization algorithm with construction coefficient J.Journal of Southwest University， 2011， 337： 118-120. In Chinese
11COELLO A C， LECHUGA， MOPSO M S： A proposal for multiple objective particle swarm optimizationC Proceedings of the 2002 Congress on IEEE.Evolutionary Computation， 2002， 2： 1051-1056.
12歐進萍.結構振動控制――主動、半主動和智能控制M. 北京：科學出版社，2003：61-68.
OU Jinping. Structure vibration controlactive， semiactive and smart controlM.Beijing： Science Press， 2003：61-68. In Chinese
13DEB K， PRATAP A， AGARWAL S， et al. A fast and elitist multiobjective genetic algorithm： NSGAII J. IEEE Transactions on Evolutionary Computation， 2002， 62： 182-197.
14GOLDBERG D E， RICHARDSON J. Genetic algorithms with sharing for multimodal function optimizationC Proceedings of the Second International Conference on Genetic Algorithms and Their Applications.Hillsdale， NJ： Lawrence Erlbaum， 1987： 41-49.
多目標優化概念范文5
關鍵詞：公共服務設施；配置；研究進展
中圖分類號：F299.24；TU99
文獻標志碼：A
文章編號：1673-291X（2012）14-0199-04
美國學者戴蒙德是國外最早關注公共服務設施配置研究的學者之一，他在1912年參加芝加哥組織的一次規劃設計競賽中首次提出了公共服務設施配置的思想[1]。20世紀60年代開始，國外學者從不同角度對各類公共服務設施配置展開了持續而深入的研究，但由于時代的局限性，早期學者主要關注公共服務設施的需求預測、選址、布局等方面。20世紀80年代以來，受計算機技術和信息化浪潮的影響，公共服務設施配置研究開始轉向公共服務設施的配置模式、空間優化配置、規劃決策支持系統和設施配置評價等方面。通過對近年來國外公共服務設施配置的主要研究內容進行歸納與梳理，明確國外公共服務設施配置的研究體系有利于國內學者把握公共服務設施配置的近期研究熱點與趨勢，為國內后續研究提供借鑒。
一、概念界定
公共服務設施（public service facility）有時亦稱為公共設施（public facility），在國外與公共服務（public service）的意義基本相同，指由政府部門直接或者間接提供，供其全體國民享用的服務或者設施[2]。根據設施服務的可傳送與否，國外通常將公共服務設施分為兩類，一類是在家庭和社區附近直接提供服務的設施，如垃圾收集站、消防設施等；另一類是依托固定的公共服務場所，居民必須出行才能獲得服務的設施，如學校、醫院、圖書館和體育場等[3]。公共服務設施包含了與人們日常生活密切相關的各個方面，是使居民日常生活所需的衣、食、住、行等各種事務能就近選擇，就近解決的各類設施。
目前，對于公共服務設施配置（public service facility allocation或public service allocation）的概念尚沒有統一的界定，在國外文獻中它與公共服務設施空間布局（public service facility location）相近，指根據特定的規劃目標，依靠一定的技術方法，對一定時期一定區域范圍的公共服務資源系統地進行安排、設計、組合與布局，進而得到由公共服務提供點、線、面、網組成的多目標、多層次的公共服務設施配置體系，以滿足絕大多數公民公共服務需求的過程[4]。
二、研究尺度
不同的研究尺度反映了各學科學者在不同階段對不同區域的關注程度，也在一定上反映了某研究主題的大致發展脈絡。在公共服務設施配置的研究中，國外學者從宏觀、中觀和微觀三個尺度對各類公共服務設施配置進行了探討（見圖1）。
宏觀尺度研究主要集中在大尺度地域范圍的公共服務設施配置問題研究和公共服務設施配置的指標體系、配置標準等普適性問題的研究。對于中觀尺度研究，多外學者主要關注個別地區公共服務設施配置的研究和區域適用性公共服務設施配置研究兩個方面。微觀尺度的研究是對社區（村莊）公共服務設施配置和個案地區、單獨種類的公共服務設施配置的研究。
三、研究進展
（一）配置模式研究
國外學者對公服設施的配置模式研究主要從設施配置的資金來源、覆蓋群體、管理機制等方面分析。GreenhutM.L（1980）等人通過分析影響公服設施配置的因素（如：需求、成本、福利等），創建了一種基于福利經濟的新型公服設施配置模式[5]。Okafor.S.I（1981）認為，公共設施的擴張通常有三種方式：第一種是增加現有設施大小或容量，第二種是在新的地方新建設施，第三種是第一種和第二種的結合。在此基礎上，他提出利用一些固定的供給點擴大公服設施配置網絡的模式[6]。Michalos A C（1999）等人運用線性模型分析出公眾對市、省和聯邦政府提供的公服滿意度，結果表明，一種自下而上的模式優于自上而下的配置模式[7]。Joao C.Teixeira（2008）等人提出了一種離散型的公服設施等級配置模式，并通過一個學校網絡規劃案例驗證了該模式的有效性[8]。Nip D（2009）指出，現有公服設施管理系統是基于專家學者和規劃管理部門的，缺乏公眾參與，他提出在公服設施配置中通過公私合作形式加強公服設施管理的公眾參與[9]。Olivier Bochet（2010）等人提出了可以解決所有集中決策所引起的問題的廣義多元決策機制[10]?？梢钥闯觯S著線性規劃方法的運用和信息化技術的發展，公共服務設施的配置模式也日益科學化和精確化。
多目標優化概念范文6
關鍵詞：水文學及水資源專業；運籌學；教學內容與方法
中圖分類號：G643；O22文獻標志碼：A文章編號：10052909（2012）06009303提高研究生教育質量一直是高校研究生教育工作的重中之重，如何培養高層次、高質量的研究生對中國科技發展、社會進步至關重要［1-2］。運籌學是水文學及水資源專業研究生的一門重要基礎課程，加強其教學內容和教學方法的改革，“量身定做，因材施教”，對提高學生質量有著至關重要的作用。
一、運籌學教學中存在的問題
運籌學作為一門管理數學，已經廣泛應用到國民經濟建設的多種行業中。水文學及水資源專業與運籌學結合緊密，如水資源配置時需要線性規劃、目標規劃、動態規劃等方面的知識［3］；地下水數值模擬參數選取時經常需要應用諸如遺傳算法等現代優化理論［4］，分布式水文模型參數率定時需要現代優化算法［5］；流域區域水資源管理中經常應用多目標規劃、線性規劃等理論；水庫優化運行、地下水水源地優化運行經常用到多目標規劃、動態規劃、先行規劃等方面的理論［6］。在研究生運籌學教學中，中國大多高校目前存在的問題主要集中在教學內容不科學、實踐教學不足、教學方法不合理等方面［7-11］。
（一）教學內容不科學
隨著現代優化理論與算法的發展，運籌學的內容不斷增加，但由于教學課時有限，不可能涵蓋運籌學的所有內容，需要根據專業要求合理地選擇教學內容才能滿足教學需要。首先，當前中國高校運籌學教學中，教學內容的選擇帶有一定的隨意性，存在著因教師的專業背景不同而教學內容不同現象；其次，教學內容偏重理論知識與公式推導，輕視或忽略實際應用與能力培養，學生缺乏解決實際問題的能力。（二）實踐教學不足
中國高校研究生在實踐（實驗）教學中，往往是教師先設置好上機實驗內容，再讓學生具體操作，這種方法導致學生缺乏實踐想法，難以達到實踐教學的目的。缺乏實例（文獻）教學和文獻閱讀特別是英文文獻閱讀能力的培養是導致學生實踐教學不足的另一原因。運籌學軟件教學內容少且單一，學生不知道怎樣根據自己的特點和愛好使用相關軟件，諸如Excel、Matlab、DPS統計軟件［12］、Lingo、Lindo、WinQSB［13］等。
（三）教學方法不合理
不少高校在運籌學教學中還存在著“填鴨式”“灌輸式”教學，在實際教學中沒有發揮學生能動性，無法進行啟發式教學。另外，板書教學存在信息量少、課堂效率低等缺點；多媒體教學在理論推導的時候會引起學生思路跟不上或注意力分散等缺點；需要進行多媒體加板書式教學，增加文獻討論課，促進教師與學生互動、學生與學生互動，以提高教學質量。
12高等建筑教育2012年第21卷第6期
平建華，等水文學及水資源專業研究生運籌學教學探索
二、教學內容改革
加強現代數學及現論優化算法諸如遺傳算法、神經網絡、模擬退火、禁忌搜索等算法和耗散論、博弈論的介紹與應用，以提高學生在今后科研和工作中應用現代優化理論與方法的能力，提高學生科研創新能力，拓寬學生知識面。
三、實例教學
在闡述運籌學教學內容時，結合具體的水文水資源學科實例，既重視基本概念和原理的講述，又注重水文水資源學科的應用。實例教學有助于激發學習興趣，提高其自學能力，有利于今后畢業設計選題的確立。
線性規劃法在求解水文地質參數［14］、水庫優化調度［15］、水資源配置［16］、水源地優化運行［17］等方面都有廣泛應用。目標規劃在水資源配置［18］、水庫調度［19］、地下水資源管理［20］方面應用較多。動態規劃在水庫水電站優化調度［21］、水資源優化配置［22］、水資源系統優化運行［23］、水質-水量聯合調度［24］、污水處理［25］等方面有很多運用。現代數學優化算法也有大量的應用實例，如神經網絡應用于水環境質量評價、水資源系統優化計算、水電站優化運行、水文預報等方面，遺傳算法應用于參數優化、水資源系統優化決策、水資源系統評價等方面。
在講述耗散論、突變論、協同論、博弈論時，結合應用實例介紹其在水文學及水資源學科中的應用。
四、運籌學軟件教學
Excel（或其他背景下）的spreadsheet將所要解決的實際問題進行概念描述、數據處理、建立并求解模型，使運籌學的理論與方法變得易于理解和使用，推動了運籌學方法在科研和生產中的應用［26］。吳忠、江濱［27］ 應用基于Excel的spreadsheet舉例求解了線性規劃、目標規劃和非線性規劃；鄭蕉、涂傳清［28］應用Excel解決了多目標規劃問題并進行了靈敏度分析；海心［29］應用Excel求解了動態規劃問題；晶晶［30］應用Excel中的隨機函數模擬了多服務臺單對列排隊系統，提供了Excel解決排隊論的實例；付木亮、余小飛［31］應用Excel結論了網絡最短路問題的求解；Excel在決策分析、存儲論、隨機模擬等方面也有大量的應用［32］。在教學中，介紹了各種基本規劃的原理后，實驗課運用Excel實例教學，使學生加深了對基本原理的理解，并掌握應用軟件求解優化問題的方法。
Matlab（Matrix Laboratory）是矩陣實驗室簡稱，它是由美國MathWorks 公司研制開發的一套高性能的集數值計算、算法開發、數據分析、信息處理、圖形顯示等于一體的可視化數學工具軟件，目前已有8.0版本。相對于C或Fortran等語言，Matlab的基本數據單位是矩陣，它的表達式與數學和工程中常用的形式十分相似，應用十分方便。Matlab中包含多個功能強大的“工具箱”，如主工具箱（Matlab main toolbox）、控制系統工具箱（control system toolbox）、優化工具箱（optimization toolbox）、神經網絡工具箱（neural network toolbox）、小波工具箱（wavele toolbox）等，這些工具箱在解決線性規劃、目標規劃、動態規劃等方面都有廣泛的應用［33-34］，在應用神經網絡、遺傳算法、模擬退火、蟻群算法等現代算法中也有大量的應用。教學過程中，結合Matlab在優化管理方面的應用，使學生迅速掌握Matlab求解優化問題的技術，提供學生解決實際問題的能力。
另外，國內自主開發的DPS統計軟件、Lingo、Lindo、WinQSB都可以作為運籌學教學軟件使用。
五、結語
通過以上教學內容與方法上的改革，學生既加深了對運籌學理論的理解又掌握了運籌學在水文水資源學科中的應用，熟悉了一些運籌學專業軟件的應用。總之，在水文學及水資源專業研究生運籌學教學中，教師要不斷地探索新的理論知識和技術方法，推動教學改革，加強與學生的互動，調動他們的積極性，挖掘他們的潛力，提高教學質量，培養優秀專業技術與管理人才。
參考文獻：
［1］ 范建剛. 適應社會需求：提高研究生教育質量的關鍵所在［J］.學位與研究生教育， 2005（6）： 42-45.
［2］ 英爽，甄良. 從主體能動性角度解析研究生教育質量［J］.學位與研究生教育， 2010（5）： 10-14.
［3］ 王順久，張欣莉， 倪長健，等. 水資源優化配置原理及方法［M］.北京：中國水利水電出版社，2007.
［4］ 王福剛，曹劍鋒. 改進的遺傳算法在地下水數值模擬中的應用［J］.吉林大學學報：地球科學版， 2002（1）：64-68.
［5］ 武震，張世強，張小文. 流域水文模型參數識別的現代優化方法研究進展［J］.冰川凍土， 2008（1）： 64-71.
［6］ 周訓，屈曉榮， 姚錦梅，等. 華北某地地下水水源地開采井優化開采方案［J］.勘察科學技術，2007（2）：46-49.
［7］ 周宏宇，張瑞紅. 運籌學理論與實踐教學的改革研究［J］.科技創新導報， 2010（2）： 172.
［8］ 劉雁靈.運籌學教學討論［J］.通話師范學院學報， 2010（4）： 109-110.
［9］ 羅榮桂， 原海英. 運籌學教學改革與探索［J］.理工高教研究， 2005（6）： 49-50.
［10］ 于善倫，姚運. 運籌學案例教學體系初探［J］.江蘇科技信息：學術研究， 2009（9）： 138-139.
［11］ 石磊，蔡定教. 關于運籌學課程教學改革的幾點思考［J］.廣西教育學院學報， 2010（2）：108-110.
［12］ 唐啟義. DPS數據處理系統：實驗設計、統計分析及數據挖掘［M］.北京：科學出版社， 2010.
［13］ 李牧南. 運籌學實驗教程：典型的建模、計算方法及軟件使用［M］.廣州：華南理工大學出版社，2008.
［14］ 戴鳳君. 線性規劃法在推求水文地質參數中的應用［J］.水文， 2005（S1）： 42-43.
［15］ 都金康，李罕，王臘春，等.防洪水庫（群）洪水優化調度的線性規劃方法［J］.南京大學學報：自然科學版， 1995，31（2）：301-309.
［16］ 凌和良. 區域水資源承載力模糊線性規劃模型及應用［J］.數學的實踐與認識， 2008（24）： 103-106.
［17］ 周訓，屈曉榮，姚錦梅，等.華北某地地下水水源地開采井優化開采方案［J］.勘察科學技術，2007（2）：46-49
［18］ 鄧坤，譚炳卿.多目標規劃法在南四湖流域水資源優化配置中的應用［J］.水資源研究，2009（4）： 14-18.
［19］ 鮑衛鋒，黃介生，楊芳，等.基于多目標動態規劃模型的水庫優化調度研究［J］.西安理工大學學報， 2005（4）：421-424.
［20］ 王來生，楊天行，徐紅敏，等.多目標規劃在哈爾濱市地下水資源管理中的應用［J］.長春科技大學學報，2001（2）： 156-159.
［21］ 張芳.跨流域引水水電站水庫系統優化調度研究［D］.南京：河海大學， 2005.
［22］ 姜莉萍，趙博. 動態規劃在水資源配置中的應用［J］.人民黃河， 2008（5）： 47-48.
［23］ 白憲臺，雷聲隆.水資源系統優化中的動態規劃與模擬結合算法［J］.武漢水利電力學院學報， 1986（2）：41-49.
［24］ 邵東國，郭宗樓.綜合利用水庫水量水質統一調度模型［J］.水利學報， 2000（8）： 10-15.
［25］ 蔣惠忠.污水處理流程優化動態規劃［J］.環境保護，1998（12）： 15-17.
［26］ 王向榮，曹玉山，艾素梅，等.《運籌學》教學改革研究——運用Spreadsheet方法建模與求解［J］. 滄州師范專科學校學報， 2008（1）： 58-59.
［27］ 吳忠，江濱.利用Excel工具求解規劃問題［J］.上海工程技術大學學報， 1999（4）： 273-279.
［28］ 鄭蕉，涂傳清. Excel在多目標規劃求解和靈敏度分析中的應用［J］.中國管理信息化，2007（9）：45-47.
［29］ 海心.電子表格在動態規劃算法中的應用［J］.南京工程學院學報：自然科學版， 2005（4）：69-72.
［30］ 晶晶.在Excel中應用隨機函數模擬多服務臺單隊列排隊系統［J］.中國管理信息化， 2010（10）：88-89.
［31］ 付木亮，余小飛.基于Excel的網絡最短路問題的求解［J］.技術研發， 2010（6）：18-19.
［32］ 葉向.實用運籌學［M］.北京：中國人民大學出版社， 2007.
