基于猶豫度的交互式遺傳算法在產(chǎn)品配置中的應(yīng)用研究.pdf

1、交互式遺傳算法(Interactive Genetic Algorithm,IGA)是一種將人的主觀評價值作為個體適應(yīng)值的智能進化方法。IGA最顯著的特點就是融入了人的智能,個體的適應(yīng)度由用戶指定而非通過函數(shù),因此非常適合解決隱式性能指標或評價指標模糊的優(yōu)化問題,其中一個重要的應(yīng)用就是在產(chǎn)品配置領(lǐng)域。然而IGA也存在一些限制,由于用戶通過人機界面指定個體的適應(yīng)度,頻繁的交互很容易引起用戶疲勞,而且,在評價過程中,由于對目標個體的不明確以

2、及疲勞的影響,對于相同的個體在不同的評價階段可能會有不同的適應(yīng)值,也就是所謂的評價噪聲。另外,在用交互式遺傳算法解決產(chǎn)品配置問題時,由于交叉、變異操作的隨機性,會產(chǎn)生不滿足約束的個體。因此,針對以上問題,本文做了以下研究。
　　(1)針對評價噪聲和疲勞度問題,提出了猶豫的概念,給出了量化猶豫度的公式,并根據(jù)評價過程中不同階段猶豫度的規(guī)律,建立了猶豫度調(diào)整機制以降低評價過程中的噪聲,最終達到加速收斂、減少疲勞度、提高滿意度的目的。<

3、br>　　(2)針對交叉變異過程中產(chǎn)生不滿足約束條件的問題,將約束分為結(jié)構(gòu)性約束和非結(jié)構(gòu)性約束,并提出兩種約束處理策略——刪除策略與修改策略來解決兩種約束在產(chǎn)品配置不同階段中產(chǎn)生的問題。
　　(3)考慮到傳統(tǒng)產(chǎn)品配置模型不能很好的適用于交互式遺傳算法,提出了基于實例的PIC模型,將企業(yè)擁有的設(shè)計實例資源整合為一個整體,并且明確了各個組成模塊之間的約束條件,為之后的約束處理策略的運行奠定了基礎(chǔ)。
　　最后,本文建立了基于猶豫度