前言：中文期刊网精心挑选了多目标优化概念范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
多目标优化概念范文1
关键词：海洋工程结构多目模糊优化
中图分类号：K928.44 文献标识码： A
一、多目模糊优化背景与发展历史
1. 模糊优化设计的背景
是造价最低,或是达到某一专项目标,或是同时达到几项目标但在设计过程中,时常会遇上大量的模糊概念,如/重量不超过...0!/体积不大于...0等等由于缺乏处理手段和方法而把这些概念当成确定性量来对待,这样把设计的约束条件和目标函数人为简单化,以至于设计结果不符合要求随着设计学的发展,大量的模糊信息需要定量描述,使设计达到真正的优化目的"在普通优化的基础上引入模糊数学,建立在模糊集理论基础上的模糊优化设计方法产生了模糊优化设计为解决具有上述模糊概念的优化问题提供了可行的方法和有效的手段模糊优化设计的概念首先是别尔曼和扎德提出来的,提出的背景主要有以下几个方面:(l)事物间的差异中介过渡给事物带来模糊性;对事物研究的定量化会遇上大量模糊因素:所研究的事物涉及多方面的模糊因素;以及在计算机应用领域中会考虑对模糊信息的识别和处理等等"这些都会给优化设计带来大量的模糊因素,导致模糊优化问题的出现(2)对于一项工程设计会发现设计比分析涉及的因素更多,尤其是人文因素例如,一种新产品的设计,不仅要满足工作要求和技术性能指标,而且经济!可靠!使用条件性也是不可忽视的因素其实,优化设计的发展也是向多方面发展,已经打破了原先只在物理!几何性质上做文章的格局当今社会的发展以人为本,在理工科高等教育中加强人文知识教育也是为了使理工科研究不能脱离人文,所以人文因素已经渗透于整个设计过程"人文因素的模糊性是优化设计遇到的主要问题,必会产生模糊优化的问题显然,模糊优化设计的产生是优化设计领域的一次革命,大大地促进了优化设计的发展,为解决优化设计中出现的问题提供了理想的方法。
2模糊优化设计的产生和发展历史
随着科学与科学研究的发展,从物理发展到事理,从物态进展到事态的研究,传统的经典数学已显得苍白无力,或者说过去那些与数学毫无糊数学诞生于1965年,美国加利福尼亚大学控制论专家查德教授(LA.zdahe)发表了著名论文-下uzyzsets0(模糊集合),提出模糊集合的思想,给出模糊现象的模型!模糊问题的定量表示方法及数学处理方法"他指出,刻画一个模型集合时,不必指明哪些元素属于它,哪些元素不属于它,只需对给定范围内的各元素确定一个"到1之间的实数,用它表明这个元素以多大程度属于这个集合,这个数就叫作该元素对这个集合的隶属度"例如,30岁的人肯定不算老年,他对/老年人0这个概念的隶属度为仇50岁的人属于/老年人0的程度近于0.5;70岁的人为老年人,他对/老年人0的隶属度为1"这说明/中年0和/老年0的概念是相互粘连的,它们之间没有一条绝对分明的界限,而是有一个连续过渡的过程"查德正是用隶属度这个概念表现处于中介过渡的事物对差异一方的倾向程度,这就是他创立模糊集合论时提出的新思想"模糊集合论把原来某元素对于集合要么/属于0,要么/不属于0的确定性关系,推广到元素对于集合按/一定程度0/属于0或/不属于0的确定关系(即在一定程度上/属于0或/不属于,.)以此就标志了模糊理论的产生,模糊数学就是从数学上来刻画和研究客观世界中存在的模糊量,即从量上来描述模糊现象,并以之为突破点建立了研究模糊现象的基本理论模糊数学是研究和处理模糊性现象的数学所谓模糊性,是指客观事物在中介过渡时呈现的概念划分上的不确定性,即/亦此亦彼0性客观世界中存在着大量的模糊性现象,它们很难找到明确的界限,这样的概念叫做模糊概念模糊概念不是不科学的概念,它大量地存在于物理学!化学和生物学中,在经济和人文科学中表现尤为突出,人脑的识别!判断以及概念的形成过程都具有模糊性为了描述模糊概念,满足各门学科的数学化!定量化要求,这就是模糊数学产生的思想基础"随着模糊数学的诞生,一种全新的模糊论方法学也就发展起来了"模糊论是建立在(l)事物的不确定性(随机性和模糊性);(2)广义设计中的模糊性,即定量地研究从狭义设计到广义设计中,必然要遇到大量的模糊概念:(3)复杂化和精确化之间的矛盾"模糊数学由于打破了形而上学的束缚,即认识到事物的/非此即彼0的明晰性形态,又认识到事物的/亦此亦彼0的过渡性形态,因此模糊理论的产生就在数学领域本身以及许多的实用领域里得了广泛迅速的发展和应用模糊理论是在模糊数学基础上发展起来的一门新学科,经过近些年来的发展,己经形成为一门新的应用技术学科,到20世纪90年代,己经形成了具有完整体系和鲜明特点的模糊拓扑学!框架日趋成熟的模糊随机数学!模糊分析学以及模糊逻辑理论,并渗透到各个学科领域,如:人工智能!管理信息!机械制造!自动化控制等等,应用相当广泛。
二、多目模糊优化设计优点:
(1)优化设计方法能够加速设计进度,节省工程造价优化设计与传统的结构设计相比较,一般情况下,对简单的构件可节省工程造价的3一5%,对较复杂的结构可达10%,对新型结构可望达2000/(2)结构优化设计有较大的伸缩性作为优化设计中的设计变量,可以从一两个到几十,上百个"作为优化设计的工程对象,可以是单个的构件,整个建筑物甚至建筑群设计者可以根据需要和本人的经验加以选择0的大小,为设计者进一步改进结构设计指出方向"(4)某些优化设计方法(如网格法)能够提供一系列可行设计直至优化设计,为设计者决策时提供方便(5)设计者能够利用优化设计方法进一步贯彻设计意图"例如在钢筋混凝土结构的优化设计中,若设计者在设计中想相对的少用些钢筋,多用些水泥,只要修改一下目标函数就可以了"
三、多目模糊优化设计
1.多目模糊优化设计
具体说来,就是给出该问题的数学模型"模糊优化的数学模型和普通优化的数学模型一样,也是从设计变量,目标函数和约束条件这三方面给出的模糊优化的设计变量,仍然是决定设计方案的!可由设计人员调整的!独立变化的参数它们或者是决定形状大小的几何参数,或者是决定结构性能的物理参数"这些参数,过去都视为确定性的,但严格说来,大多具有不同程度的模糊性"如结构设计中的动载系数,抗震设计中的地震烈度,动态设计中的阻尼参数等它们很难由一个确定的值来给出,都有一个从完全是到完全非的中介过渡过程,都具有不同程度的模糊性模糊优化的目标函数,仍然是衡量设计方案优劣的某一个指标(单目标函数)或某几个指标(多目标函数)/优0和/劣0本身就是个模糊概念,没有一个确定的界限和标准通常,我们说:要使某项指标达到某个值附近,或达到某一范围,或越小越好等等实际上,都说的是目标函数的模糊性另外,由于目标函数是设计变量的函数,当考虑了设计变量的模糊性时,目标函数也必然是模糊的"模糊优化的约束条件,仍然是限制设计变量取值的条件,也即是设计方案所必须满足的条件"这些约束条件.
2. 拓扑优化方法
拓扑优化设计是现代创新设计领域中的重要核心技术与定量设计方法,是传统的尺寸设计和形状设计的扩展与延伸它的基本原理是在给定材料重量的条件下,通过优化设计与数值求解过程获得具有最大刚度的结构布局形式及构件尺寸自1988年丹麦学者Bnedsoe与美国学者Kikuhci提出结构拓扑优化设计基本理论以来可以说近二十年间结构设计领域发生了革命性的变化"基于结构设计要求的刚度一重量一振动多准则优化,研究使用保凸近似与凸规划建立快速有效极大极小值优化算法以及通用非线性广义加权法队将凸规划对偶求解算法与结构多目标优化设计相结合并应用于拓扑优化设计该研究方向目前已成为国际工程结构与产品创新设计领域的研究热点"目前拓扑优化设计方法作为一项关键技术已应用于卫星!飞机!汽车的关键承力结构,薄壁件结构的加强筋,布局设计以及微机械系统(MEMs}!柔性机构布局设计等多个领域因此从军事应用及国防需求前景上讲,拓扑优化设计方法具有直接而广泛的应用价值
3.多目标协调优化
1994年,Kroo与Balling!sobieski等人提出了协调优化(eo),1997年,工甲peta和Rneuad将该方法修正后用于解决多目标优化问题并对该方法的三种不同的版木做了比较"这种方法的中心思想是:把多目标问题划分成一个个的次问题,然后逐步优化,直到最终得到优化解"
4.模糊优化方法
1992年,Allne探讨了一种能够非常有效地求解分层设计问题的模糊优化方法,显示了该方法解决综合优化设计问题的优点该方法就是利用模糊集理论,构造目标函数!约束函数和设计变量的隶属函数,进而转化为单目标函数进行优化考虑模糊因素的设计问题有以下好处:1使用模糊关系描述某此问题比确定性描述更准确;o考虑问题的模糊性能有效地拓展求解空间;
5.随着优化设计的深入,
多目标优化概念范文2
关键词：飞机除冰；多目标；遗传；调度
中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2013）26-5978-03
北方机场中，由于冬季天气寒冷，飞机在机场停留过夜时因为湿度和天气因素造成飞机表面结冰现象。飞机表面结冰会对飞机气动外形带来不好的影响，不仅会增加飞机飞行阻力，造成飞机升力损失，而且会改变飞机蒙皮的力学特性，严重时甚至造成飞机事故发生。因此，飞机除冰受到了国内外经常的广泛注意，飞机除冰操作也是机场机务人员的常备工作之一。对机除冰来说，国内大多数机场采用的是“随到随除”的分散式除冰方式，该方法简单有效，但是由于缺乏调度管理，存在除冰作业环境污染严重，除冰效率低等诸多问题。针对此问题，该文在Pareto多目标解的理论基础之上，提出了基于费用最少和除冰作业时间最短的多目标搜索飞机除冰方法。
1 Pareto多目标算法
Francis 首先提出了多目标最优概念，Pareto在Francis的基础上提出了多目标最优的定义，也成为Pareto最优。在一个有k个目标函数最大化的问题中，决策向量[x*∈F]是Pareto最优是指不存在另外一个决策向量[x∈F]同时满足式（1）
[fi（x）≥fj（x*），?i∈{1，2，...，k}fi（x）
在最大化问题中称决策向量x优于y，或者支配y，需要满足式（2）。
[fi（x）≥fj（y），?i∈{1，2，...，k}] （2）
在式（1）和式（2）的顶一下，多目标优化得到的结果是一个解集，该解集也被称为Pareto最优解集，该解集中的所有的决策向量都被称为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该解集的Pareto前沿，如果多目标问题只存在两个目标[f1]和[f2]，且这两个目标值都是越大越优，则该解集的Pareto前沿如图1所示1-2。
其中，实线和虚线包围的区域称为多目标函数值域。
2 飞机除冰多目标模型
假设机场中有多种待除冰飞机和多种不同的除冰液运载量的除冰车，飞机除冰优化调度问题的目的就是为待除冰飞机分配除冰车辆，从而使得调度模型能够在有限的时间和除冰车辆中为更多的飞机除冰。在飞机除冰调度模型中，待除冰飞机从除冰地点入口根据起飞顺序依次进入除冰场所，除冰车辆根据优化调度模式对飞机进行除冰操作，在除冰车辆完成对该飞机的除冰操作后从出口划出3-4。
除冰调度的数学模型如式3所示。
[minT=i=1mFivk=1mxik+M?k=1mΦkminC=i=1mCostis.t.Φk=i=1nFixikk=1mxikqi] （3）
其中，m为除冰车辆数量，n为除冰飞机数量， [Fi]为第i台车辆的除冰液存储量，v为除冰液喷洒速度，[qi]为除冰液添加速度，[xik]为除冰操作决策变量，[xik]为1时表示除冰车辆[k]是否为飞机[i]除冰，为0表示不除冰，[Costi]为除冰车操作费用。
3 算法流程
多目标遗传算法的优化目标为除冰费用和除冰时间同时达到最小，其中算法的交叉操作为双点整数交叉，算法的变异操作为单点整数变异，在算法操作的过程中，根据支配集合理论，不断的更新记录非支配解集中的个体，并且根据拥挤度等控制学习进化的方向和非支配解集中解的个数，多目标遗传算法的计算流程如图2所示。
4 仿真实验
为了验证本文提出的算法的有效性，在MATLAB中进行仿真实验，仿真实验的参数为除冰车辆有10辆，飞机数为20架，除冰位有4个，每架飞机除冰液需求和除冰车运载量如表1所示。
遗传算法的参数设置为，种群数为100，迭代次数为100，交叉概率为0.3，变异概率为0.1，仿真过程中记录的非支配解中两个目标的变化如图3所示。
算法最终得到的多目标解集如图4所示。
从图3和图4中可以看出，该文提出的基于遗传算法的飞机除冰调度多目标算法能够在较复杂的问题中取得良好的结果。
5 结论
飞机除冰调度问题是一个具有较好实际应用前景的问题，该文提出了一种基于多目标算法的飞机除冰多目标调度模型，该模型在算法建模的基础上，以除冰时间和除冰费用最小为运行目标，采用多目标遗传算法搜索得到非支配解集。经过仿真实验表明，该算法取得了良好的调度效果，为飞机除冰操作提供了一个新的思路。
参考文献：
[1] 赵亮.一种改进的遗传多目标优化算法及其应用[J].中国电机工程学报，2008（1）
[2] 刘立波，曾雪梅.遗传多目标优化算法及其引用[J]. 电脑知识与技术，2012（07）.
多目标优化概念范文3
关键词：粒子群算法;多目标背包问题;禁忌算法;贪婪算法
中图分类号：TP301文献标识码：A文章编号：1672-7800（2012）003-0036-02
基金项目：湖南省自然科学基金项目（06JJ50107)；湖南省教育厅项目（10C0445）
作者简介：张雁（1981-），女，湖南岳阳人，湖南师范大学数学与计算机科学学院硕士研究生，研究方向为智能计算与移动计算；肖伟（1971-），男，湖南溆浦人，博士生，湖南师范大学硕士研究生导师，研究方向为智能计算与移动计算。
0引言
背包问题是一类在给定约束条件的情况下，求最大值的组合优化问题，是典型的非确定多项式完全难题，无论在理论研究上或是在实际应用中都具有重要的意义。
1多目标优化问题和基本概念
一般地，一个多目标优化问题(MOP) 由 n 个决策变量，m个约束条件和 k 个目标函数组成，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为决策向量 x 组成的决策空间，Y 为目标向量 y 组成的目标空间。
满足约束条件的决策向量组成可行空间。
一个解x*∈S是Pareto最优解，当且仅当不存在X∈S满足：①fi(X) ≤fi(X*) ， i=1,...,k;且②fi(X)
换句话说，如何没有一个解能改善目标函数的某个分量而不破坏任何一个分量，那么这个解就是Pareto最优解。既然没有哪个解能比Pareto最优解更优，求解多目标优化问题时就应该寻找尽可能多的Pareto最优解。
1.1多目标 0-1背包问题
一般地，一个0-1背包问题包含了由若干项物品所组成的集合，每项物品都有其重量和效益值，而且背包具有容量上界。背包问题的目的在于: 从多项物品中，选择适当的物品子集，使得所选中的物品效益值总和最大化，同时使选中的物品重量总和不超过背包容量上界。
若增加背包数目，则单一背包问题就被扩展为多目标0-1背包问题。一个由 n 项物品和 k 个背包组成的多目标0-1背包问题可以形式化定义如下:
Maximize y=f(x) =( f1(x) ,
f2(x) ，…，fk(x) )
Subject to i=1,…,k
其中fi(i)=xipij为物品j对于背包i的效益值，wij为物品 j 对于背包 i 的重量,x∈(x1,x2,…,xn) ∈{0,1}n,xj=1,物品j被选中；否则xj=0，物品j未被选中。
1.2算法思路和框架
粒子群算法（PSO）是一种进化计算技术，起源于对鸟类群体的研究。与早期的遗传算法比较，PSO的信息共享机制是很不同的。在遗传算法中，染色体互相共享信息，所以整个种群的移动是比较均匀地向最优区域移动。在PSO中,gBest (orlBest) 给出信息给其它粒子， 这是单向的信息流动。整个搜索更新过程是跟随当前最优解的过程。与遗传算法比较，在大多数情况下，所有的粒子可能更快地收敛于最优解。
PSO中并没有许多需要调节的参数，下面列出了这些参数以及经验设置。
粒子数：一般取20~40，其实对于大部分的问题，10个粒子已经足够可以取得好的结果，不过对于比较难的问题或者特定类别的问题，粒子数可以取到100或200。
粒子的长度：这是由优化问题决定的，就是问题解的长度。
粒子的范围：由优化问题决定，每一维可以设定不同的范围。
最大速度Vmax，决定粒子在一个循环中的最大移动距离，通常设定为粒子的范围宽度，如（x1，x2）∈∈\[-2,2\],那么Vmax的大小就是4。
学习因子：C1和C2通常等于2，不过在文献中也有其它的取值，但一般C1等于C2，并且范围在0和4之间。
中止条件：最大循环数以及最小错误要求。
禁忌搜索算法设计：
禁忌就是禁止重复前面的工作。由于它模拟了人类智力中的“记忆”功能，通过设置一个灵活的存储器结构，记住一些最近被检查过的解，并使它们成为选取下一个解的禁忌(被禁止)，由此有效避免了迂回搜索，使算法在解空间的探索能力增大，并通过藐视准则来赦免一些被禁忌的优良状态，从而优化领域结构。首先确定编码方式，若采用顺序编码，即0-9共10个数字的一个排列便是一个合法的编码。定义互换操作为这个问题的领域结构，便得到一个领域解。
禁忌表的结构：以互换的两种数字（0-9的编码表示）构成的数对作为禁忌表的元素。
目标函数值：以最大值作为目标函数值，目标函数值越大越好。
禁忌表的长度：假若禁忌长度取为3，也就是说，当第四个元素进入禁忌表时，第一个元素就从禁忌表中退出。
渴望水平：如果当前解得某移动得到的解优于历史最优解，则无论移动是否在禁忌表中，都将接受作为下一次迭代的初始解。
由上面的分析可知，要克服PSO的缺点，可以从多方面入手。本文对两个方面进行了改进。首先对W进行了改进，较大的W有助于算法在解空间中作大范围的探测，又助于算法跳离局部极值点，但不利于算法的收敛并降低解的精度；较小的W有助于算法在解空间内开拓，可以帮助主算法加快收敛速度及提高解法，如果在开始时W就较小，那么算法就很容易陷入局部解值点。
禁忌粒子群混合策略中，由于粒子算法的广域搜索能力较强，一般作为“主算法”；由于禁忌算法的局部搜索能力较强，一般作为“从算法”。主算法和从算法的概念并不是针对两个算法的重要性，而是这样的混合算法从整体上看来比较像一般的粒子群算法，而其中的实现方法又带有禁忌算法的思想。
3结果分析
禁忌粒子群算法的改进增加了多目标0-1背包问题求解空间的多样性，且兼顾了单独使用粒子群算法的快速寻找全局最优的特性，其收敛性和解的精度等方面与以前相比都有了提高。
参考文献：
\[1\]王凌.智能优化算法及其应用\[M\].北京: 清华大学出版社，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).
多目标优化概念范文4
关键词：粒子群算法；单目标；多目标；传递率；传递函数矩阵；无穷范数；状态反馈控制；控制力传递率
中图分类号：TU112.41 文献标识码：A
单自由度、双自由度体系是研究设备振动隔离的主要模型方法，且隔振体系性能与隔振参数关系密切，选择合适的参数，能提高系统的隔振性能，如果参数选择不当，就会适得其反，所以隔振参数的优化研究显得非常必要.文献1将遗传算法与最大熵法结合，给出了两级隔振系统参数优化设计的一种混合方法；宋鹏金等2采用傅里叶变化法和直接积分法分别对时域函数和频域函数进行参数优化，提出了一种锻锤隔振参数优化的新方法；文献3根据超精密隔振器的内部结构和隔振系统的布置形式，建立了超精密隔振系统的动力学模型，并在此基础上推导出理论频响函数、进行了系统参数的辨识研究；LIU等4基于整星隔振体系进行了参数优化；ESMAILZADEH5采用梯度优化方法对汽车悬挂体系进行了隔振参数的优化研究；文献6提出了一种隔振参数线性变化的方法，主要通过刚度迟滞模型实现；刘春嵘等7基于振原理在小振幅假设下建立了两级浮筏系统的数学模型，并分析了隔振机理，推导出了力传递率的表达式.
作为新型的群智能算法――粒子群优化算法PSO自1995年提出以来，就因其简单、易实现、收敛快，可调参数少等优点得到了广泛应用8.由于传统粒子群算法的局限性，许多学者对其做出了改进.Shi9等提出了关于权重的线性调整策略，获得了满意的优化效果；李军等10在Shi的基础上提出了自适应权重变化策略，克服了传统粒子群算法寻优过程的早熟情况，能使粒子群算法达到局部最优及全局最优的平衡.Coello等首次提出了多目标粒子群优化算法MOPSO，掀开了多目标优化问题的新篇章，主要思想是通过Pareto最优解集决定粒子飞行方向以及在全局知识库中得到之前发现的非支配向量，以指导其它粒子飞行11.
状态反馈控制是振动控制领域的常用方法，通常包括线性二次型最优控制、极点配置控制、基于观测器的控制器等，由于实际问题的不确定性，鲁棒H2H
SymboleB@ 控制被提出并广泛应用 12.上述方法在机械、结构等振动控制领域中发挥了巨大作用，其实质是通过控制器产生基于输出的反馈控制力，以优化控制系统响应.
1粒子群算法
1.1标准粒子群算法
粒子群优化算法模型中，每一个粒子的自身状态都由一组位置和速度向量描述，分别表示问题的可行解和它在搜索空间中的运动方向.粒子通过不断学习它所发现的群体最优解和它在搜索空间中的运动方向，并不断更新它所发现的群体最优解和邻居最优解，从而实现全局最优解.粒子的速度和位置更新方程是PSO的核心，由式1表示：
1.3多目标粒子群算法
多目标粒子群算法的主要计算步骤如下所述：
Step1：初始化粒子群，计算各对应粒子的目标函数向量，将其中的非劣解加入到外部档案之中；
Setp2：初始化粒子的局部最优值pbest和全局最优值gbest；
Setp3：在搜索空间内，通过式1，2调整粒子的飞行速度和位置，形成新的pbest；
Step4：根据新的非劣解维护外部档案，并为每个粒子选取gbest档案的内容决定全局最优值的选取；
Step5：是否达到最大迭代次数，若否则继续计算，若是则停止计算，输出pareto最优解集及全局最优解.
多目标粒子群优化算法与单目标粒子群优化算法的主要区别就是全局最优解的选取方式及外部档案的设定和更新.需要着重指出的是，关于全局最优解的选取问题；对于多目标优化，直接计算会存在一组等价的最优解集，很难从每一次迭代中确定一个全局最优解.解决该问题最直接的方法即是利用Pareto支配的概念，考虑档案中的所有非劣解，并从中确定一个“主导者”，通常采用密度测量的方法来确定全局最优解.本文将采用基于粒子最近邻拥挤程度评判的最近邻密度估计方法
6结语
基于粒子群优化算法，以控制输出的传递率为目标函数，在单自由度、双自由度隔振体系传递率分析的基础上，分别进行了隔振参数的单目标和多目标优化设计研究.
传统的振动控制设计，往往是在已知隔振参数的情况下创新控制方法或者优化控制器，却忽略了隔振参数对控制系统的重要性，盲目地从控制角度优化体系，不仅容易造成控制能源浪费，还可能会引起系统响应发散.
我国《隔振设计规范》15仅对单自由度隔振体系的传递率等相关参数做了规定，事实上，本文研究表明，双自由度隔振体系更适用于常见的工程振动控制.本文亦为最优隔振体系设计及最优振动控制设计提供了新思路，对《隔振设计规范》接下来的修订工作具有指导意义.
参考文献
1 魏燕定，赖小波，陈定中，等. 两级振动隔振系统参数优化设计J.浙江大学学报，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宋鹏金，陈龙珠，严细水.锻锤隔振基础参数优化的新方法J.振动与冲击，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，蒲华燕，徐振高，等. 超精密隔振系统的建模与参数辨识J.武汉理工大学学报，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刘春嵘，肖卫明，徐道临. 双层流体浮筏的隔振特性研究J.湖南大学学报：自然科学版，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李军，许丽佳.一种带压缩因子的自适应权重粒子群算法 J.西南大学学报，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欧进萍.结构振动控制――主动、半主动和智能控制M. 北京：科学出版社，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.
多目标优化概念范文5
关键词：公共服务设施；配置；研究进展
中图分类号：F299.24；TU99
文献标志码：A
文章编号：1673-291X（2012）14-0199-04
美国学者戴蒙德是国外最早关注公共服务设施配置研究的学者之一，他在1912年参加芝加哥组织的一次规划设计竞赛中首次提出了公共服务设施配置的思想[1]。20世纪60年代开始，国外学者从不同角度对各类公共服务设施配置展开了持续而深入的研究，但由于时代的局限性，早期学者主要关注公共服务设施的需求预测、选址、布局等方面。20世纪80年代以来，受计算机技术和信息化浪潮的影响，公共服务设施配置研究开始转向公共服务设施的配置模式、空间优化配置、规划决策支持系统和设施配置评价等方面。通过对近年来国外公共服务设施配置的主要研究内容进行归纳与梳理，明确国外公共服务设施配置的研究体系有利于国内学者把握公共服务设施配置的近期研究热点与趋势，为国内后续研究提供借鉴。
一、概念界定
公共服务设施（public service facility）有时亦称为公共设施（public facility），在国外与公共服务（public service）的意义基本相同，指由政府部门直接或者间接提供，供其全体国民享用的服务或者设施[2]。根据设施服务的可传送与否，国外通常将公共服务设施分为两类，一类是在家庭和社区附近直接提供服务的设施，如垃圾收集站、消防设施等；另一类是依托固定的公共服务场所，居民必须出行才能获得服务的设施，如学校、医院、图书馆和体育场等[3]。公共服务设施包含了与人们日常生活密切相关的各个方面，是使居民日常生活所需的衣、食、住、行等各种事务能就近选择，就近解决的各类设施。
目前，对于公共服务设施配置（public service facility allocation或public service allocation）的概念尚没有统一的界定，在国外文献中它与公共服务设施空间布局（public service facility location）相近，指根据特定的规划目标，依靠一定的技术方法，对一定时期一定区域范围的公共服务资源系统地进行安排、设计、组合与布局，进而得到由公共服务提供点、线、面、网组成的多目标、多层次的公共服务设施配置体系，以满足绝大多数公民公共服务需求的过程[4]。
二、研究尺度
不同的研究尺度反映了各学科学者在不同阶段对不同区域的关注程度，也在一定上反映了某研究主题的大致发展脉络。在公共服务设施配置的研究中，国外学者从宏观、中观和微观三个尺度对各类公共服务设施配置进行了探讨（见图1）。
宏观尺度研究主要集中在大尺度地域范围的公共服务设施配置问题研究和公共服务设施配置的指标体系、配置标准等普适性问题的研究。对于中观尺度研究，多外学者主要关注个别地区公共服务设施配置的研究和区域适用性公共服务设施配置研究两个方面。微观尺度的研究是对社区（村庄）公共服务设施配置和个案地区、单独种类的公共服务设施配置的研究。
三、研究进展
（一）配置模式研究
国外学者对公服设施的配置模式研究主要从设施配置的资金来源、覆盖群体、管理机制等方面分析。GreenhutM.L（1980）等人通过分析影响公服设施配置的因素（如：需求、成本、福利等），创建了一种基于福利经济的新型公服设施配置模式[5]。Okafor.S.I（1981）认为，公共设施的扩张通常有三种方式：第一种是增加现有设施大小或容量，第二种是在新的地方新建设施，第三种是第一种和第二种的结合。在此基础上，他提出利用一些固定的供给点扩大公服设施配置网络的模式[6]。Michalos A C（1999）等人运用线性模型分析出公众对市、省和联邦政府提供的公服满意度，结果表明，一种自下而上的模式优于自上而下的配置模式[7]。Joao C.Teixeira（2008）等人提出了一种离散型的公服设施等级配置模式，并通过一个学校网络规划案例验证了该模式的有效性[8]。Nip D（2009）指出，现有公服设施管理系统是基于专家学者和规划管理部门的，缺乏公众参与，他提出在公服设施配置中通过公私合作形式加强公服设施管理的公众参与[9]。Olivier Bochet（2010）等人提出了可以解决所有集中决策所引起的问题的广义多元决策机制[10]。可以看出，随着线性规划方法的运用和信息化技术的发展，公共服务设施的配置模式也日益科学化和精确化。
多目标优化概念范文6
关键词：水文学及水资源专业；运筹学；教学内容与方法
中图分类号：G643；O22文献标志码：A文章编号：10052909（2012）06009303提高研究生教育质量一直是高校研究生教育工作的重中之重，如何培养高层次、高质量的研究生对中国科技发展、社会进步至关重要［1-2］。运筹学是水文学及水资源专业研究生的一门重要基础课程，加强其教学内容和教学方法的改革，“量身定做，因材施教”，对提高学生质量有着至关重要的作用。
一、运筹学教学中存在的问题
运筹学作为一门管理数学，已经广泛应用到国民经济建设的多种行业中。水文学及水资源专业与运筹学结合紧密，如水资源配置时需要线性规划、目标规划、动态规划等方面的知识［3］；地下水数值模拟参数选取时经常需要应用诸如遗传算法等现代优化理论［4］，分布式水文模型参数率定时需要现代优化算法［5］；流域区域水资源管理中经常应用多目标规划、线性规划等理论；水库优化运行、地下水水源地优化运行经常用到多目标规划、动态规划、先行规划等方面的理论［6］。在研究生运筹学教学中，中国大多高校目前存在的问题主要集中在教学内容不科学、实践教学不足、教学方法不合理等方面［7-11］。
（一）教学内容不科学
随着现代优化理论与算法的发展，运筹学的内容不断增加，但由于教学课时有限，不可能涵盖运筹学的所有内容，需要根据专业要求合理地选择教学内容才能满足教学需要。首先，当前中国高校运筹学教学中，教学内容的选择带有一定的随意性，存在着因教师的专业背景不同而教学内容不同现象；其次，教学内容偏重理论知识与公式推导，轻视或忽略实际应用与能力培养，学生缺乏解决实际问题的能力。（二）实践教学不足
中国高校研究生在实践（实验）教学中，往往是教师先设置好上机实验内容，再让学生具体操作，这种方法导致学生缺乏实践想法，难以达到实践教学的目的。缺乏实例（文献）教学和文献阅读特别是英文文献阅读能力的培养是导致学生实践教学不足的另一原因。运筹学软件教学内容少且单一，学生不知道怎样根据自己的特点和爱好使用相关软件，诸如Excel、Matlab、DPS统计软件［12］、Lingo、Lindo、WinQSB［13］等。
（三）教学方法不合理
不少高校在运筹学教学中还存在着“填鸭式”“灌输式”教学，在实际教学中没有发挥学生能动性，无法进行启发式教学。另外，板书教学存在信息量少、课堂效率低等缺点；多媒体教学在理论推导的时候会引起学生思路跟不上或注意力分散等缺点；需要进行多媒体加板书式教学，增加文献讨论课，促进教师与学生互动、学生与学生互动，以提高教学质量。
12高等建筑教育2012年第21卷第6期
平建华，等水文学及水资源专业研究生运筹学教学探索
二、教学内容改革
加强现代数学及现论优化算法诸如遗传算法、神经网络、模拟退火、禁忌搜索等算法和耗散论、博弈论的介绍与应用，以提高学生在今后科研和工作中应用现代优化理论与方法的能力，提高学生科研创新能力，拓宽学生知识面。
三、实例教学
在阐述运筹学教学内容时，结合具体的水文水资源学科实例，既重视基本概念和原理的讲述，又注重水文水资源学科的应用。实例教学有助于激发学习兴趣，提高其自学能力，有利于今后毕业设计选题的确立。
线性规划法在求解水文地质参数［14］、水库优化调度［15］、水资源配置［16］、水源地优化运行［17］等方面都有广泛应用。目标规划在水资源配置［18］、水库调度［19］、地下水资源管理［20］方面应用较多。动态规划在水库水电站优化调度［21］、水资源优化配置［22］、水资源系统优化运行［23］、水质-水量联合调度［24］、污水处理［25］等方面有很多运用。现代数学优化算法也有大量的应用实例，如神经网络应用于水环境质量评价、水资源系统优化计算、水电站优化运行、水文预报等方面，遗传算法应用于参数优化、水资源系统优化决策、水资源系统评价等方面。
在讲述耗散论、突变论、协同论、博弈论时，结合应用实例介绍其在水文学及水资源学科中的应用。
四、运筹学软件教学
Excel（或其他背景下）的spreadsheet将所要解决的实际问题进行概念描述、数据处理、建立并求解模型，使运筹学的理论与方法变得易于理解和使用，推动了运筹学方法在科研和生产中的应用［26］。吴忠、江滨［27］ 应用基于Excel的spreadsheet举例求解了线性规划、目标规划和非线性规划；郑蕉、涂传清［28］应用Excel解决了多目标规划问题并进行了灵敏度分析；海心［29］应用Excel求解了动态规划问题；晶晶［30］应用Excel中的随机函数模拟了多服务台单对列排队系统，提供了Excel解决排队论的实例；付木亮、余小飞［31］应用Excel结论了网络最短路问题的求解；Excel在决策分析、存储论、随机模拟等方面也有大量的应用［32］。在教学中，介绍了各种基本规划的原理后，实验课运用Excel实例教学，使学生加深了对基本原理的理解，并掌握应用软件求解优化问题的方法。
Matlab（Matrix Laboratory）是矩阵实验室简称，它是由美国MathWorks 公司研制开发的一套高性能的集数值计算、算法开发、数据分析、信息处理、图形显示等于一体的可视化数学工具软件，目前已有8.0版本。相对于C或Fortran等语言，Matlab的基本数据单位是矩阵，它的表达式与数学和工程中常用的形式十分相似，应用十分方便。Matlab中包含多个功能强大的“工具箱”，如主工具箱（Matlab main toolbox）、控制系统工具箱（control system toolbox）、优化工具箱（optimization toolbox）、神经网络工具箱（neural network toolbox）、小波工具箱（wavele toolbox）等，这些工具箱在解决线性规划、目标规划、动态规划等方面都有广泛的应用［33-34］，在应用神经网络、遗传算法、模拟退火、蚁群算法等现代算法中也有大量的应用。教学过程中，结合Matlab在优化管理方面的应用，使学生迅速掌握Matlab求解优化问题的技术，提供学生解决实际问题的能力。
另外，国内自主开发的DPS统计软件、Lingo、Lindo、WinQSB都可以作为运筹学教学软件使用。
五、结语
通过以上教学内容与方法上的改革，学生既加深了对运筹学理论的理解又掌握了运筹学在水文水资源学科中的应用，熟悉了一些运筹学专业软件的应用。总之，在水文学及水资源专业研究生运筹学教学中，教师要不断地探索新的理论知识和技术方法，推动教学改革，加强与学生的互动，调动他们的积极性，挖掘他们的潜力，提高教学质量，培养优秀专业技术与管理人才。
参考文献：
［1］ 范建刚. 适应社会需求：提高研究生教育质量的关键所在［J］.学位与研究生教育， 2005（6）： 42-45.
［2］ 英爽，甄良. 从主体能动性角度解析研究生教育质量［J］.学位与研究生教育， 2010（5）： 10-14.
［3］ 王顺久，张欣莉， 倪长健，等. 水资源优化配置原理及方法［M］.北京：中国水利水电出版社，2007.
［4］ 王福刚，曹剑锋. 改进的遗传算法在地下水数值模拟中的应用［J］.吉林大学学报：地球科学版， 2002（1）：64-68.
［5］ 武震，张世强，张小文. 流域水文模型参数识别的现代优化方法研究进展［J］.冰川冻土， 2008（1）： 64-71.
［6］ 周训，屈晓荣， 姚锦梅，等. 华北某地地下水水源地开采井优化开采方案［J］.勘察科学技术，2007（2）：46-49.
［7］ 周宏宇，张瑞红. 运筹学理论与实践教学的改革研究［J］.科技创新导报， 2010（2）： 172.
［8］ 刘雁灵.运筹学教学讨论［J］.通话师范学院学报， 2010（4）： 109-110.
［9］ 罗荣桂， 原海英. 运筹学教学改革与探索［J］.理工高教研究， 2005（6）： 49-50.
［10］ 于善伦，姚运. 运筹学案例教学体系初探［J］.江苏科技信息：学术研究， 2009（9）： 138-139.
［11］ 石磊，蔡定教. 关于运筹学课程教学改革的几点思考［J］.广西教育学院学报， 2010（2）：108-110.
［12］ 唐启义. DPS数据处理系统：实验设计、统计分析及数据挖掘［M］.北京：科学出版社， 2010.
［13］ 李牧南. 运筹学实验教程：典型的建模、计算方法及软件使用［M］.广州：华南理工大学出版社，2008.
［14］ 戴凤君. 线性规划法在推求水文地质参数中的应用［J］.水文， 2005（S1）： 42-43.
［15］ 都金康，李罕，王腊春，等.防洪水库（群）洪水优化调度的线性规划方法［J］.南京大学学报：自然科学版， 1995，31（2）：301-309.
［16］ 凌和良. 区域水资源承载力模糊线性规划模型及应用［J］.数学的实践与认识， 2008（24）： 103-106.
［17］ 周训，屈晓荣，姚锦梅，等.华北某地地下水水源地开采井优化开采方案［J］.勘察科学技术，2007（2）：46-49
［18］ 邓坤，谭炳卿.多目标规划法在南四湖流域水资源优化配置中的应用［J］.水资源研究，2009（4）： 14-18.
［19］ 鲍卫锋，黄介生，杨芳，等.基于多目标动态规划模型的水库优化调度研究［J］.西安理工大学学报， 2005（4）：421-424.
［20］ 王来生，杨天行，徐红敏，等.多目标规划在哈尔滨市地下水资源管理中的应用［J］.长春科技大学学报，2001（2）： 156-159.
［21］ 张芳.跨流域引水水电站水库系统优化调度研究［D］.南京：河海大学， 2005.
［22］ 姜莉萍，赵博. 动态规划在水资源配置中的应用［J］.人民黄河， 2008（5）： 47-48.
［23］ 白宪台，雷声隆.水资源系统优化中的动态规划与模拟结合算法［J］.武汉水利电力学院学报， 1986（2）：41-49.
［24］ 邵东国，郭宗楼.综合利用水库水量水质统一调度模型［J］.水利学报， 2000（8）： 10-15.
［25］ 蒋惠忠.污水处理流程优化动态规划［J］.环境保护，1998（12）： 15-17.
［26］ 王向荣，曹玉山，艾素梅，等.《运筹学》教学改革研究——运用Spreadsheet方法建模与求解［J］. 沧州师范专科学校学报， 2008（1）： 58-59.
［27］ 吴忠，江滨.利用Excel工具求解规划问题［J］.上海工程技术大学学报， 1999（4）： 273-279.
［28］ 郑蕉，涂传清. Excel在多目标规划求解和灵敏度分析中的应用［J］.中国管理信息化，2007（9）：45-47.
［29］ 海心.电子表格在动态规划算法中的应用［J］.南京工程学院学报：自然科学版， 2005（4）：69-72.
［30］ 晶晶.在Excel中应用随机函数模拟多服务台单队列排队系统［J］.中国管理信息化， 2010（10）：88-89.
［31］ 付木亮，余小飞.基于Excel的网络最短路问题的求解［J］.技术研发， 2010（6）：18-19.
［32］ 叶向.实用运筹学［M］.北京：中国人民大学出版社， 2007.
