1、合肥工业大学博士学位论文基于IEC的隐性目标智能决策方法研究姓名：陆青申请学位级别：博士专业：管理科学与工程指导教师：梁昌勇20090601摘要在管理决策领域中，存在着这样一类特殊的决策问题隐性目标决策问题，如服装设计问题、汽车造型设计问题、旅游行程规划问题等，由于其具有“决策目标难以显式结构化、数量化表示”、“决策者偏好随着决策过程的进行可以调整改变”、“问题的方案可行解空间大，可行方案数目多”的特征，使得求解这类决策问题异常复杂。对于隐性目标决策问题不能直接进行决策方案的穷举比较，也不能通过某种优化搜索机制直接搜索出最优解或满意解方案，需要利用具有交互机制的智能决策方法来解决。由于隐性目标
2、决策问题是一类求解复杂且在实际生活中普遍存在的决策问题，研究支持求解这类决策问题的决策方法具有重要的理论意义与应用价值。近年来，随着智能优化算法与人工智能技术的发展，具有人机交互机制的交互式进化计算(正C)方法在解决含有不确定目标的优化问题方面具有较强的优势，尤其是交互式进化计算领域中的交互式遗传算法(IGA)，是一类可以借鉴的适合处理隐性目标决策问题的方法，可以作为其决策方法基础。本文从隐性目标决策问题的角度出发，分析了这类问题的求解难点，针对其存在的求解效率低、决策者疲劳及方案个体多样性缺失等问题，以IECIGA技术为基础，并结合其他智能计算与人工智能技术，研究了基于IEC的隐性目标智能决
3、策方法，并且以汽车造型概念草图设计和旅游行程规划问题作为问题应用背景，验证了这些方法的有效性。主要研究内容包括：(1)针对隐性目标决策问题的求解效率低以及交互决策过程中的决策者疲劳问题，研究了结合多智能体技术的求解方法，提出了一种交互式多智能体遗传算法。通过定义智能体、智能体生存环境及智能体在环境中的行为，如进化、竞争、自学习等行为操作，将基于智能体计算的思想应用于IEC领域。另外在交互式多智能体遗传算法中设计了有效的适应度给定策略，使决策者在交互过程中无需对每个方案个体都评价适应度，只需在每代中选择1个当代最满意方案个体，且不需给出具体的适应度值，有效减轻了决策者疲劳问题。旅游行程规划仿真实
4、验验证了该方法的有效性。(2)针对隐性目标决策存在的力案个体多样性缺失问题，研究了基于改进共享机制的多样性保持方法。由于共享机制的小生境半径预先准确取值困难，首先设计了一种可根据种群个体间距离自动计算小生境半径的方法，接着将熵的概念引入，提出了度量种群多样性的小生境熵，然后借助于小生境熵和进化世代数计算交叉、变异概率等进化参数，有效控制迭代过程中的遗传进化操作。算例实验和汽车造型概念草图设计仿真实验验证了多样性保持方法和算法的有效性，能够避免过早陷入局部最优，同时也有利于决策者在交互决策过程中逐步确定自己的决策偏好，不增加评价疲劳。(3)对多样性保持与快速收敛的冲突问题进行研究，提出了基于小生
5、境识别的自适应策略。首先针对小生境方法中的小生境范围识别不准确问题，设计了改进的小生境识别方法，接着在识别的小生境范围基础上，进一步改进小生境熵的计算，使之能够更好地度量种群多样性。然后利用小生境熵的计算值自适应调整进化参数的取值，建立了“种群多样性专进化参数专种群多样性”的自适应调整机制。算例实验和汽车造型概念草图设计仿真实验验证了该方法策略的有效性，能够有效解决多样性保持和快速收敛的冲突问题。(4)研究了隐性目标决策问题的一个具体实例汽车造型概念草图设计问题，介绍了基于造型件的汽车造型概念设计和汽车造型编码，构建并实现了基于IGA的汽车造型概念草图辅助设计系统原型。关键词：隐性目标决策问题
6、，交互式进化计算，交互式遗传算法，多智能体，小生境技术，种群多样性ABSTRACTIn the management and decision-making field，there exists a class of special decision-makingproblems which are called Tacit Objective Decision-Making Problems(TODMP)，such as thefashion design problem，the car styling design problem and the travel itinerary plan
7、ning problemItis very complex to solve the TODMP because it has three special characters that the decisionobjectives are unable or difficult to be defined explicitly in a structured or quantitative way,thepreference of the decision-maker Can be changed during the decisionmaking process，and thesoluti
8、on space is very large and it has a huge number of feasible solutionsItS impossible to sovlethis class of problems in the direct way of exhaustive comparison of all decision solutions，and alsoimpossible to search the the optimal solution or satisfactory solution directly in some optimizationsearchin
9、g waysIt needs the intelligent decision-making methods丽th all interactive mechanism tosovle the TODMPTODMP is a class of complex decision-making problems，and these problems arcpervasive in our real life，SO itS important to study decision-making methods of solving the TODMPin both theroy and practice
10、In recent years，谢tll the development of intelligent optimization algorithms and artificialintelligence technologies，the interactive evolutionary computation(mC)谢th humancomputerinteraction mechanisms has become a strong advantageous method of sovling the optimizationproblems诵m uncertain objectives，e
11、specially the interactive genetic algorithm(IGA)in the field ofinteractive evolutionary computationThe IECIGA-based methods which are suitable for sovlingthe TODMP become the foundation of the decision-making methods of the TODMPFrom the pointof view of the TODMP,this dissertation analyses the diffi
12、culties of solving this class of problems，and then studies some IEC-bascd intelligent decision-making methods of the TODMP on the basis ofIECflGA，in combination with other intelligent computation and artificial intelligence techniquesThese studied methods aim to solve several problems existing in th
13、e TODMP,which are lowsolution efficiency,decisionmakers thtigue，solution individual diversity reducing，and SO onIn thedissertationthe car styling drm design problem and the travel intinerary planning problem areintroduced as tWO applications of the TODMP,in order to verify the accuracy and effective
14、ness ofthe proposed intelligent decision-making methodsThe main achievements of this dissertation ale asfollows：(1)Intelligent methods combined with multiagent system technology are studied and aninteractive multiagent genetic algorithm is proposed，which is used to sovle the problems of the lowsolut
15、ion efficiency of the TOMDP and the decisionmakerS fatigue in出e interactivedecision-making processIn the proposed algorithm，the idea of agent-based computing is applied tothe domain of IEC，and the concepts of Agent，Agentsenvironment and Agents behaviors in theenvironment are definedThe behaviors of
16、Agent are evolution，competition and self-learningInaddition，an effective fitness strategy is designed in the proposed interactive multi-agent geneticalgorithmSO itS not necessary for the decision-maker to evaluate each solution individual iIl theinteractive decisionmaking processThe decision-maker o
17、nly needs to select the most satisfactorysolution individual in each generation，and does not need to give a specific value of its fitness，whichreduces the fatigue of decisionmakerThe result of the travel itinerary planning experiments verifiesthe effectiveness of the proposed method(2)The problem of
18、 solution individual diversity reducing in the decisionmaking process of theTOMDP is studied，and a method based on improved sharing scheme to maintain populationdiversity is proposedBecause there is a drawback that itS difficult to set a correct value to the nicheradius in traditional sharing method
19、，in the proposed method，the niche radius is fnst designed to becalculated automatically according to the average distance of all individual in populationAnd thenthe concept of niche entropy is introduced to measure the populationS diversityThe evolutionaryparameters of the crossover probability and
20、the mutation probability are calculated automatically onthe basis of the evolutionary generation number and the niche entropy in that generation，which Cancontrol the genetic operation in the evolutionary process effectivelyThe results of the benchmarkfunction experiments and the Car styling draft de
21、sign experiments verify the effectiveness of theproposed method of maintaining diversity and the algorithm、历th itThe proposed method ofmaintaining diversity Can effectively avoid falling into the local optima early,and itS more usefulfor the decision-maker to determine hisher own preference graduall
22、y in the interactivedecision-making process，谢m no in凹ease of evaluation fatigue(3)A special adaptive diversity strategy based on an improved niche identification method isproposed to settle the conflict between maintaining diversity and quick convergenceBecause of theinaccurate niche identification
23、in traditional niche methods，an improved approach to identify nichesis designed firstly,and then on the basi，s of the identified niches，the calculation of the niche entropyis improved，which is more suitable to measure the populationS diversityIn the proposed strategy,the evolutionary parameters are
24、adjusted adaptively by the calculated value of the niche entropy,which establishes an adaptive mechanism of“population diversity专evolutionary parameters专population diversity”The results of the benchmark function experiments and the Car styling drafldesign experiments verify the effectiveness of the
25、proposed method and strategy which caneffcctively settle the conflict between maintaining diversity and quick convergence(4)The Car styling draft design problema specific example of the TODMP is studiedIn thispart of the dissertation，the car styling draft design based on modeling parts and the Car s
26、tyle codingare introduced，and all IGA-based aided system prototype for the car styling draft design isconstructed and realizedKeywords：Tacit Objective Decision-Making Problems；Interactive Evolutionary Computation；Interactive Genetic Algorithm；MultiAgent；Niche Techniques；Population Diversity插图清单图11特征
27、参数空间中的适应度由用户评估产生示意图9图21基本遗传算法(SGA)流程图21图22基本交互式遗传算法(sIGA)流程图22图2。3决策过程三个基本成分的对应关系23图24染色体三个基本成分的的对应关系24图25基因型隶现型映射：25图2-6基因型弓茛现型矩阵25图27基于IEC的问题进化求解过程26图31 Agent基本结构模型29图3-2一维智能体网格(M-5)32图33二维智能体网格(肼=4)32图3_4二维网格竞争邻域32图3-5行程智能体网格42图3-6交互式多智能体遗传算法(IMAGA)43图37 IMAGA算法自学习过程45图38行程方案个体表现型j46图3-9旅游行程规划过程界
28、面(SIGA算法)47图310旅游行程规划过程界面(IMAGA算法)47图4I算法群体演化过程55图42最优个体目标函数值的变化情况59图43 自适应参数的变化情况59图44基于改进共享机制的交互式遗传算法(SharingIGA)63图45 Sharing_lGA中种群多样性变化情况：。65图51一维函数的个体分布一68图52按与小生境中心距离排列的个体顺序68图53尸k和fk关于日的函数曲线73图54算法优化五的变化曲线。76图5-5算法优化五的变化曲线77图5。6基于小生境识别的交互式遗传算法州l IGA)79图57 NI IGA中种群多样性变化情况81图61汽车造型概念设计层次83图6-
29、2汽车正面造型个体的表现型系统输出84图63基于IGA的汽车造型概念草图辅助设计系统架构图85图6_4基于IGA的汽车造型概念草图辅助设计系统基本流程87图6-5基于IGA的汽车造型概念草图辅助设计系统功能图88图6-6基于IGA的汽车造型概念草图辅助设计系统主界面89图6-7算法选择和参数设置界面一90图6-8汽车造型概念草图辅助设计过程界面(SlGA算法)90图6-9汽车造型概念草图辅助设计过程界面(Sharing_IGA算法)91表格清单表31标准高维测试函数37表32 UDMAGA与UGA、MAGA的优化结果比较38表33算法对高维函数的优化结果比较39表3-4 IMAGA与SIGA的
30、评价次数比较48表41 a的取值对算法的影响。57表42口的取值对算法的影响58表4-3印的取值对算法的影响。58表44 n的取值对算法的影响58表45算法性能的比较60表4-6 Sharing_IGA与SIGA的成功率比较65表47 Sharing_IGA与SIGA的评价次数比较65表5一l缈1，妒2不同取值时的优化结果75表5-2研不同取值时的优化结果75表53算法优化五的结果78表54算法优化厶的结果78表55算法优化磊的结果：78表5-6算法优化尼的结果78表5-7 NIIGA与Sharing_IGA、SIGA的成功率比较8l表61汽车正面造型个体的基因型说明84独创性声明本人声明所呈
31、交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得 盒胆王些厶堂 或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名： 签字魄2十如细学位论文版权使用授权书本学位论文作者完全了解金妲互些太堂有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权盒坦王些太堂可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等
32、复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名： 协青签字日期沙7年孑刖少日学位论文作者毕业去向：工作单位：通讯地址：导师签名：签字日期：研年电话：邮编：厉气刀慨致谢我首先要衷心感谢我的导师梁昌勇教授对我的辛勤培养，感谢他为我提供了良好的学习和科研工作环境。在我硕博连读的五年里，导师对我的学习、科研和生活等各个方面都给予了无微不至的关怀和悉心的指导，我所取得的每一点进步都凝结着导师倾注的大量心血。本文的研究工作就是在导师的悉心指导下完成的，论文从选题、构思、修改以及最后的定稿，论文的每一个步骤和环节都和导师的悉心指导和帮助密不可分。五年来，导师渊博的知识、勤
33、奋的工作态度、严谨的治学作风、敏锐的学术思想，以及积极开拓的科研精神为我树立了榜样，使我受益良多，并将对我的终身产生深远的影响。感谢合肥工业大学管理学院的领导、老师对我的鼓励和关心。感谢在我读博期间，曾给予我教诲和帮助的杨善林教授、刘业政教授、朱卫东教授、刘心报教授、倪志伟教授、蒋翠清教授及俞家文、陆文星、丁勇等老师。感谢我的同学和师兄弟黄永青、陈增明：吴坚、张俊岭、李聪、王勇胜、张恩桥、曹清玮、戚筱雯、蔡美菊等人，在数年的的学习生活中，我们一起交流和互相学习，结下了深厚的友谊。特别感谢含辛茹苦将我养育成人的父母，他们为了我的成长倾注了大量的心血，正是他们的支持使我顺利地完成了学业和论文。谨以
34、此文回报他们的关爱和期盼。最后，感谢所有曾经帮助和关心过我的人们。第一章绪论在现代管理决策领域中，有些决策问题所包含的决策方案可能非常多，甚至是无穷多个，对于这样的决策问题不能直接进行穷举比较，需要通过某种优化搜索机制搜索出最优解或满意解方案。在这些决策问题中存在着一类特殊的半结构化或非结构化决策问题隐性目标决策问题，其有些决策目标不能或者难以显式表示，使得求解这类决策问题异常复杂，需要利用具有交互机制的智能决策方法来解决。本章首先提出所研究的对象隐性目标决策问题，分析讨论了隐性目标决策问题的特征及其求解难点，指出基于交互式进化计算0EC)的求解方法是一类可以借鉴的适合处理隐性目标决策问题的方
35、法，可以作为其决策方法基础；接着综述与该问题相关的理论与方法的国内外研究现状；最后，对本文所做的研究内容与论文结构安排进行说明。11问题的提出111隐性目标决策问题现代管理决策中通常把决策看作是一个过程，为了实现预定的决策目标，在已有客观信息和决策者经验的基础上提出各种备选方案，再应用科学理论和方法进行判断、分析和计算，按照某种准则从中选出最满意方案，并对方案的实施进行检查，直到目标实现的全过程。决策包括三个基本阶段：确定目标、设计方案和评价方案，也就是Simon教授所提出的三阶段决策概念：情报活动、设计活动和选择活动【l】。从决策过程的三阶段概念可以知道，确定决策目标是决策的首要任务。然而，
36、在现实生活中存在着这样一类决策问题，其有些决策目标不能或者难以显式表示12。(1)服装设计【3巧1：在服装设计过程中，设计者对所期望要设计的服装是很难确切地结构化描述的，只能抽象地表示所要设计的要求，如服装样式要时尚、色彩要流行等，这些抽象的设计要求和偏好只有设计者本人才能把握，并在设计过程中设计者能够不断认识和调整自己的偏好，直至自己满意为I卜。在服装设计过程中，设计者需对各种式样、颜色、不同部分设计款式进行组合比较，而这个组合比较的空间是十分巨大的。(2)汽车造型设计【6】：汽车造型设计过程是一个从顾客语言、产品型谱规划、设计主题和概念出发，由造型设计者通过概念草图设计、效果图设计，不断具
37、体化的过程，最终确定为款具体的车型。在这个造型设计过程中，设计决策目标是难以显式结构化、数量化表示的，尤其是概念草图设计阶段，所能够参考的只是抽象的造型设计主题描述，如“时尚”、“气派”的造型主题等，设计者在具体设计之前是难以确定和把握这样的设计目标。同样，汽车公司决策者在看到和比对具体汽车造型前，也是难以抉择什么造型是符合所提造型主题的。(3)旅游行程规划【7。1 o】：旅行者在制定行程计划时，对一个区域的各个景点有不同程度的台肥工业大学博士论文偏爱，起初只能有一些模糊的行程规划目标，包括对不同的行程计划所花费时间的多少、交通成本费用的高低、到达个别景点的时间、抵达各个景点的先后次序等，其中
38、到达个别景点的时间、抵达各个景点的先后次序等涉及了旅游者个人的偏好、情感和感性(KANSED等主观因素。所以，旅游者的行程规划目标和规划偏好难以完全确定，旅游者需要在制定具体的旅游行程计划时通过交互的决策逐渐认识自己的偏好，以找到符合自己行程规划目标的满意行程。现实生活中类似于上述三个例子的设计问题、规划问题是大量存在的，其它如配乐设计in、各种工业产品设计盼1伽等等。从决策问题的角度分析这类问题可以发现，这类决策问题具有以下三个显著的特征：(1)决策目标难以显式数量化、结构化表示由于决策环境和决策问题本身的复杂性，决策者对决策问题的认识程度不够，或者决策问题本身难以结构化表征，以至于决策者对
39、决策目标还停留于模糊的、不确定的状态，难以显式数量化、结构化地表示出来，形成决策目标函数或部分决策目标函数未知的状态。(2)决策者偏好随着决策过程的进行可以调整改变决策目标的不确定性使得决策者对自己的偏好也比较难以明确，且随着决策过程的深入，决策者对决策问题的认知会加深，会改变自己原有的目标偏好，产生出决策者偏好不断调整的情况。(3)问题的方案可行解空间大，可行方案数目多由于对这类问题的限定条件非常少，对问题的方案可行解空间进行确认后，可以发现这类问题的方案可行解空间大，可行方案数目多(甚至可以为无限多个)。如旅游行程规划问题，旅游行程规划方案数随着行程景点数的增加而呈指数级增加，例如选择10
40、个景点时，涉及的方案数为10!(_3628800)个。从决策目标是否可建立显式数量化、结构化表示目标函数的角度，决策问题一般有两类决策目标：一类是可以建立显式数量化、结构化表示的目标函数，称为显性目标(ExplicitObject)，如距离、费用等；另一类是不能或者难以建立显式数量化、结构化表示的目标函数，称为隐性目标(Tacit Objec0，如最流行、最好玩等，这类目标具有模糊性、难言性且不同的决策者有着不同的理解，因而难以建立相应的显式决策目标函数，我们把这类带有隐性目标且具有上述三个特征的决策问题称为隐性目标决策问题(Tacit Objective Decision-MakingPro
41、blem，TODMP)。从问题的结构化程度来说，隐性目标决策问题属于半结构化或非结构化决策问题。112问题描述与求解方法隐性目标决策问题是一类涉及决策目标函数不能显式数量化、结构化表示的决策问题，针对隐性目标决策问题可以给出一个数学形式的概念描述。定义11【2】：隐性目标决策问题是一个六元组(，五Z c，yP)：2第一章绪论(1)M黾决策者的集合，当的维数Il=1时表示单人决策，而当M-2时表示的是群体决策；(2)艉可行方案的集合，可行方氛-(xl声2，尚)，而是属于某论域uI的决策变量，刀是决策空间的维数；(3)厂=(石，厶，厶；+t，埘，+g)是问题的目标函数。前反窿o)个函数表示可以数量
42、化的目标函数，即函鳓压，石能显式表示成决策变氨l,x2，而的某种数学形式；而后9(贮1)个函数表示不能或者难以数量化的目标函数，即 数fp+i抽，矗g不能显式表示成决策变量Xl,X2,xn的某种数学形式；(4)c0)=(c(而)，c(x2)，c()0是约束条件，它与问题的要求有关。(5)Y=(M，Y2，Yp，Yv+。)是在约束条件c(功0下集合臃映岍像的集合，即Y=Y JY=厂(x)，c(x)0，zx。最优化的总目标如下：Maximize Y=翩Subjectto c)0(6)p是决策者的取舍准则。隐性目标决策问题的决策准则是与人有关的，不同的人其决策准则会不一样，甚至存在很大的差异，所以目标
43、函煳形式也会不一样；而当有多人参与决策时，情况会变得更为复杂。隐性目标决策问题一般可以分为两类：一类是仅含有隐性目标的决策问题，问题只涉及不能或者难以数量化、结构化表示的决策目标(此时问题目标函数中的矿o、g1)，如汽车造型概念草图设计问题；另一类是既含有隐性目标又含有显性目标的决策问题，这也属于隐性目标决策问题，问题既涉及可以数量化、结构化表示的决策目标，也涉及不能或者难以数量化、结构化表示的决策目标(此时问题目标函数中的窿l、g1)，如旅游行程规划问题。从隐性目标决策问题的描述和特征讨论可以看出，要寻找解决这类决策问题的方法，应该从问题的三个特征入手，这三个特征同时也是隐性目标决策问题的求
44、解难点所在。由于这类隐性目标决策问题的决策目标难以显式结构化、数量化表示，决策者的偏好结构不确定，且决策者偏好不断调整，不同的决策者所选择的满意最优决策方案常常不同，从而使得决策异常复杂。采用传统的决策方法难以对其进行有效求解，其决策方法与传统决策方法有着很大的差异。对于这样的决策问题不能直接进行决策方案的穷举比较，也不能通过某种优化搜索机制直接搜索出最优解满意解方案。在求解隐性目标决策问题时需要对方案的优劣作一个评价，所以可以借助于人在对复杂信息处理上的优势，将决策问题的决策方案以适当的形式呈现给决策者，决策者根据方案与其心目中的理想目标方案的距离进行评价，这种评价值就集中反映了决策者对方案
45、的偏爱程度。在决策过程中如何处理可以不断调整的决策者偏好，成为问题求解的关键。由于决策者偏好可以随着决策过程的进行而调整改变，所以适合采用具有交互机制的智能决策方法来解3合肥工业大学博士论文决，决策者通过参与评估方案的优劣，使其偏好信息得到表达，以便进一步搜索满足决策者偏好的方案。从上面的分析可知，处理隐性目标决策问题的方法适合采用交互机制的决策方式，以逐渐获取决策者的偏好，并且求解方法的搜索能力要强，能够在合理的时间内搜索到满意最优解。交互式进化计算(Interactive Evolutionary Computation，IEC)15】正好符合上面条件，是一类可以借鉴的适合处理隐性目标决策问题的方
