模糊理论在多目标优化问题求解中的应用
模糊理论在多目标优化问题求解中的应用
发表时间：2011-04-13T11:35:38.980Z 来源：《魅力中国》2010年11月第3期供稿 作者： 周春明
[导读] 本文结合多目标优化问题模型的特点，提出了一种基于模糊理论的多目标优化算法。
周春明（辽东学院机电学院 辽宁 丹东 118000）
中图分类号：TH123文献标识码：A
摘要：本文结合多目标优化问题模型的特点，提出了一种基于模糊理论的多目标优化算法。同时与目前常用的几种多目标规划问题的求解
方法作一比较，结果表明，本文所提多目标模型比单目标具有更好的综合优势，算法快速可靠。
关键词：多目标优化 模糊优化
引言
随着工程问题日益的复杂化，传统的、确定性的单目标优化问题已不能满足实际要求，在工程技术、生产管理以及国防建设等部门中，所遇到的问题往往需要同时考虑多个目标在某种意义下的最优化问题，像这种含有多个目标的最优化问题称为多目标优化问题，亦称
多目标决策。多目标优化要求各个分目标都达到最优，这是比较理想的事情，但是比较困难，不能期望各分目标函数的最优点都重叠在一
起，即同时达到最优解，有时甚至会产生完全对立矛盾的情况。这就需要各个分目标函数在最优解之间进行“协调”，以致得到整体最优方
案。目前寻求满意解的方法很多，大体上可归纳为两大类，一类是基于向量优化理论和效用理论的大系统多目标多模型递阶分析法。另一
类是基于模糊集理论和模糊优选决策理论的多阶段多层次多目标模糊优选法[1]。这两类方法都是在问题非劣解集中通过对有限个方案的比
较筛选来优选方案，其前提是首先要形成只包含有限个方案的非劣解集。但在实际中，有些问题的非劣解并非是有限的，难以列出全部非
劣解。因此，基于单目标最优解模糊化基础上的多目标模糊优化方法似乎更受到决策者的欢迎。该方法可以反映各个单目标最优解和多目
标满意解之间的相互关系，能较好地考虑不同性质的、相互矛盾的多个目标的满意程度，在综合考虑各目标的条件下，寻求一合适的优化
方案，使各个目标都尽可能处于较优状态，为解决多目标系统优化问题提供了新的途径。
一、多目标优化
含有多个目标的最优化问题称为多目标优化问题，亦称多目标决策。由于求最大都可转化为求最小，所以多目标最优化问题的一般形式为：
或者记作：
当p=1 时，式(1.1)和式(1.2)就是非线性规划，称为单目标规划。当p>1 时，则为多目标规划。在具体处理多目标规划问题时，多目标系统的优化一般难以找到一个最优解，大多是在权衡协调各个目标的基础上，依据问题要求，寻求既有一定精确度又有实际意义的最佳均
衡解，即决策的折衷解。为了有效求解，需运用模糊集理论的知识，将多目标问题转化为单目标问题。
二、 多目标模糊优化方法
模糊决策的概念提出之后，数学规划问题就一直与模糊集理论紧密地联系在一起。其中，Zimmermann于1978年首次提出了模糊多目标线性规划的数学模型。模糊多目标决策必须解决几个基本问题[2]：
（1）选择适当的隶属函数来刻画模糊目标或模糊追求的特性；
（2）采用某个或某些模糊算子对不同的目标进行综合，以形成总体的满意性测度；
（3）确定模糊多目标问题的数学模型；
（4）推导出求解模糊数学规划的具体算法；
由于多目标系统的优化一般难以找到一个最优解，因而力求使选择的结果“尽可能地”“接近”理想目标。Zimmermann于1978首先提出了求解经典多目标规划的模糊算法，该算法的基本思想是将一个多目标的线性规划问题转换为一个等价的具有单一目标的模糊线性规划问
题。
（一）均方根形式的模糊化目标函数
应用以上方法，文献[3]提出了一种模型，将式（1.1）形式的多目标优化问题转化为如下形式：
上式中， 为目标函数 分别在约束条件下所得到的最优解。在该模型中，为了得到一个总体的折衷解，在约束条件下分别求出各个目标函数的最优解，同时将多个目标函数转化为一个单一的复合目标函数，该目标函数最大可能地实现
各个目标函数的最优化，且对各目标函数没有偏重，即权重系数相同，不能体现决策者的偏好。但在实际问题中，决策者可能更偏重于某
个目标，希望尽可能地实现某个目标的最大化，而其他目标的重要性相对低一些，所以该模型不适用于该类问题。同时该模型采用了均方
根形式的目标函数，形式较复杂，因此对于式（2.1）形式的模型求解比较困难。相对于该模型，本文所提的模型在求解方面将容易的多。
（二）采用隶属度模糊化目标函数
为求解式(1.1)形式的多目标优化问题，本文首先对每个目标函数分配一个模糊愿望值，并用相应的模糊集合来加以描述，用模糊愿望的隶属度来表示决策者对相应目标水平的满意程度。即对目标函数 构造相应的隶属度函数 ，且满足 ，并可用
表示第 i个目标达到最优的程度。 越趋近于1，表示目标函数 越趋近于最优解。然后根据最大隶属度原则，将原问题转化为求各
目标函数隶属度的公共阀值，将多目标问题转化成单目标问题求解。
在上述模糊优化算法中，式（1.1）中的所有模糊愿望的隶属度函数都被定义为如下的线性函数：
其中式(2.2)表示升半梯形的隶属度函数，适用于求解 形式的最大值优化问题，而式(2.3)表示的降半梯形的隶属度函数则适用于求解形式的最小值优化问题。分别表示如图2.1和图2.2：
图2.1 升半梯形隶属度函数 图2.2 降半梯形隶属度函数
式中， 表示在式（1.1）所示的多目标最优化问题中，目标函数 中每个目标函数分量在约束条件 ， 下所求得的最大值与最小值。
图2.1中曲线在0与 之间的值为0，表示目标函数 低于 是不可接受的，在 之间曲线向上倾斜，表示 的
值越趋近于1，目标函数越接近最大值（即最优值），当目标函数达到最大值 时， 的值为1，实现程度最大；图2.2中曲线在
之间向下倾斜，表示目标函数 越远离最优解 ，越不可接受。
针对上述形式的隶属函数，可采用取最小算子来综合不同目标的隶属水平以得到决策的整体满意程度。取 为所有隶属函数中最小的隶属变量，可称之为满意度。式（1.1）所示多目标最优化问题由隶属函数导出的数学规划问题被归结为下面的模型：
(2.4)
由于式（1.1）所示的多目标最优化问题为求解目标极小值问题，每一个目标分量 对应的隶属度函数均采用式（2.2）所示的降半梯形的隶属度函数。因此，式（2.4）等价于如下的线性规划问题：
(2.5)
这样对于多目标最小化问题，引入模糊隶属度变量 后，可化为简单的单目标优化问题，若约束条件为线性函数，则整个模型便成为一个单目标线性优化问题，采用单纯法形法求解快速可靠。将模糊化理论引入到本文的多目标规划问题当中，能够同时兼顾各个目标函数，
使各个目标在约束条件下都最大程度地实现，避免了各个目标函数相互矛盾的缺点，能够得到一个比较理想的折中值。
三、结论
多目标系统的优化难以找到一个最优解，大多是在权衡协调各个目标的基础上寻求一个折中解的问题，求解的方法很多。本文所提模型虽然也无法很好地体现决策者的偏好，但其算法快速可靠，可以反映各个单目标最优解和多目标满意解之间的相互关系，能较好地考虑
不同性质的、相互矛盾的多个目标的满意程度，在综合考虑各目标的条件下，寻求一个合适的优化方案，使各个目标都尽可能处于较优状
态，为解决多目标系统优化问题提供了新的途径，因此受到很多领域决策者的青睐。
参考文献：
[1] 郭耀煌.运筹学原理与方法[M]. 成都.西南交通大学出版社.1994；
[2] 李荣钧．模糊多准则决策理论与应用．北京.科学出版社.2002.262-276；
[3] Le Anh Tuan， Kankar Bhattacharya， Jaap Daalder． Transmission congestion management in bilateral markets： An interruptible
load auction solution．Electric Power Systems Research 74(2005)：379-389；
[4] 薛毅．最优化原理与方法．北京.北京工业大学出版社.2001：36-51；
[5] 徐玖平、胡知能等．运筹学．北京.：科学出版社.2004：252-255；
[6] 徐扬．模糊系统与专家系统．重庆.西南交通大学出社.1989：65-67；
[7] 江辉、彭建春、杨期余．基于模糊算法的水火系统双目标经济负荷分配的研究．电力系统及其自动化学报，2000，12(5)：15-18；
[8] 刘明波、段晓军．一种求解多目标最优潮流的模糊优化算法．电网技术.1999.23(9)：23-26。
基于灰色和模糊集理论的铁路方案多目标综合评价方法及模型研究_吴小萍
文章编号:1001-8360(2001)05-0107-07基于灰色和模糊集理论的铁路方案多目标综合评价方法及模型研究
吴小萍, 詹振炎(中南大学土木建筑学院,湖南长沙 410075)摘 要:分析并指出了铁路可行性研究中经济评价的局限性,提出在着手经济评价的同时,应辅之以多目标综合评价以克服经济评价局限性的思想。根据铁路方案综合评价各类指标对评价方法的实用性的分析结果,将多种方法组合起来,在此基础上提出了一种新的方法——基于灰色和模糊集理论的铁路方案多目标综合评价方法,并建立其决策模型,编制了该模型的应用软件。最后,以某快速客运通道方案评价为实例进行验证,结果表明本文建立的模型可以辅助经济评价法获得较为全面的综合评价结果,从而克服经济评价的局限性,为铁路方案综合评价和投资组合决策(protfoliodecisionmaking)提供了一种新的、有效的方法。关键词:经济评价;方案决策;多目标决策;综合评价中图分类号:U212 文献标识码:AResearchonmultiple-objectivedecision-makingmethodandmodelforevaluatingrailwayschemesbasedonGreyandFuzzySetsTheoryWUXiao-ping, ZHANZhen-yan(SchoolofCivilandArchitectureEng.,CentralSouthUniversity,Changsha410075,China)Abstract:Inthisthesis,thelimitationsoftheeconomicevaluationintherailwayfeasibilitystudyareanalyzedandproposed.Basedontheanalysisofthelimitationsoftheeconomicevaluation,anewmethod——themulti-ple-objectivedecision-makingmethodforevaluatingrailwayschemesbasedontheGreyandFuzzySetsTheoryisputforward,whichmeanscombiningvariousmethodsintoone,andacorrespondingmodelissetup,accord-ingtotheanalyticalresultsfromtheapplicationofvariousindexestoevaluationmethodsofrailwayschemesandbyapplyingtheprincipleofmultiple-objectivedecision-makingandrevolvingaroundthesolutionofsuchproblem.Alsoitsapplicationsoftwareisintroduced.Finally,takingthesyntheticevaluationoflineschemesappliedtooneexpressrailwaypassageforexample,theresultsfromsuchexperimentcanprovethatthedeci-sionmakingmodelputforwardinthisthesiscanbeappliedtohelpeconomicevaluationtogetarathercompre-hensiveassessmentresultssoastoovercomethelimitationsoftheeconomicassessment,anditisanewandef-fectivemethodfortherailwaysyntheticevaluationandprotfoliodecisionmaking.Keywords:economicevaluation;schemesdecision;multiple-objectivedecisionmaking;syntheticevaluation 铁路方案比选牵涉到投资决策问题,它是通过可行性研究解决的。可行性研究[1～5]始于1933年美国田纳西河流域的治理规划,研究技术可能、经济合理、投资少、见效快、利润大、风险小的治理规划。这项综合治理方案是可行性研究的先声,经过五十多年不断地发收稿日期:2001-04-04;修回日期:2001-08-02作者简介:吴小萍(1965—),女,广东丰顺人,副教授,硕士。展和完善,发展成为一套系统的科学决策方法——可行性研究。目前可行性研究已从定性分析发展到定量计算、数理统计、概率理论、预测技术、决策方法等,正在得到日益广泛的运用。我国正式编制可行性研究文件的第一个建设项目是1979年江西德兴铜矿引进外资项目,铁路部门最早是1981年对汕头梅县铁路进行了可行性研究,十几年来,铁路设计部门编制了大量的第23卷第5期铁 道 学 报Vol.23 No.52001年10月JOURNALOFTHECHINARAILWAYSOCIETYOctober 2001可行性研究报告,经济评价方法不断充实提高。铁路可行性研究着重论证以下几点:①项目必要性;②条件可靠性;③技术合理性;④经济有利性;⑤实施可能性。可行性研究是以投资的经济效果为目的,故对投资决策效果的研究分析是可行性研究的中心内容,必须进行经济评价[1～5]。经济评价作为可行性研究的一部分,内容有财务评价、国民经济评价、不确定性分析和综合评价。它是在选定最佳方案的基础上,计算效益和费用。多年来铁路设计中各种方案比选工作着重在使建议方案的许多影响定量化,确定方案的效益和成本的货币价值,通过效益和成本之间的货币关系来确定各个方案的价值。经济学方法存在着的许多问题,限制了其应用。这些问题是:①直接将目标换算为货币值,有时存在问题;②必须确定适当的利率及服务寿命,否则对结果会有影响;③需要分清谁是项目的受益者,谁是受害或付出者,而这种区分往往是不准确的;④评价时要包括所有费用,甚至外部费用;⑤项目外部效应总是正负两面并存的,如铁路方案面临污染、占用耕地等等,均为其负面效应。由于这些原因,经济评价法只适于用作范围比较小的项目或只作为大项目的许多评价方法之一。而多目标评价法,就不仅仅只依赖经济因素作为评价标准。因此,在着手经济评价的同时,应辅之以多目标综合评价以克服经济评价的局限性。设铁路方案综合评价问题Q={A,C,Y,P},且A={ai,i=1,2,…,m}表示备择方案集;C={cj,j=1,2,…,n}为评价指标集,评价指标的权重集W={w1,w2,…,wn}已由AHP确定;Y={yij}m×n为评价矩阵,yij表示第i个方案的第j个指标的评定值;P={P1,P2,…,Pl}表示决策者的偏好结构集,l是决策者的个数。本文基于灰色和模糊集理论建立了一种综合评价模型并编制了该模型的应用软件。该模型采用经济评价的数据,且同时考虑了其它技术经济指标以及其它影响,如环境、社会的影响,可以用于辅助经济评价获得较为全面的综合评价结果。1 研究思路采用多目标决策技术进行铁路方案综合评价,应着重处理好以下两个问题:①选择适当的目标数目,目标选得过多,将使计算工作量成倍增加,目标选得太少,又可能不能充分反映各方案的特性,因此要根据铁路方案的具体情况选定适当的目标数目。②采用合适的多目标决策方法。对这种多目标决策问题,有各种不同的处理方法。一种是采用解析方法确立统一的综合性指标,但多个评价指标之间有时难于用统一的尺度去衡量。此时可采用另一种逐个目标优化的方法,但又不可能获得各个评价指标都是最优的绝对最优解。因而就会有评价目标重要性的排序问题,各个目标函数容许放宽的范围问题,逐步由计算机排除劣解,求出满足各个或若干个指标的优化解,最后,可用建立专家系统的办法来取得最优解。文献[11]通过研究指出铁路方案综合评价一般具有如下特点:①评价目标多个性。对于铁路方案的评价,往往针对的是几个可行的目标,这些评价目标都是设计人员经过纸上或现场勘察后或优化设计后筛选出来的方案,各自之间具有较强的可比性和各自的特点,因此,进一步评价比选的难度大,但价值也大。②评价指标的多样性。评价指标可以划归为多类。③评价指标的类聚性。铁路方案影响因素涉及到诸方面,评价指标可以划归为若干大类,并且各大类之间独立性较强,在分析评价时,类聚性较为明显。2 灰色和模糊集理论[6～8]2.1 灰色理论灰色系统(GreySystem)理论是由华中理工大学邓聚龙教授于1982年创立的,该理论用来处理普遍存在于现实世界中信息不完全确知的系统,即灰色系统。灰色系统可以用微分方程来描述,用微分拟合建立的模型称为灰色模型GM(GreyModel)。灰色系统是研究已知量和未知量系统的理论,可用于预测、决策和控制等。灰色系统理论是研究从系统内部去发掘信息并充分利用其信息,建模方法是着重于系统内部行为数据间的内在联系上去挖掘其量化的方法,目前,该理论用于灰色关联分析、灰色系统决策等方面都取得了令人满意的结果。灰色关联分析方法是灰色系统的重要组成部分;它是分析灰色系统中各因素间关联程度的一种量化方法,其基本思想是根据序列曲线几何形状的相似程度来判断灰色过程发展态势的关联程度。利用灰色关联度(greycorrelationdegree)作为测度进行综合评价,可以充分利用已有的白化信息,减少误差。2.2 模糊集理论模糊(Fuzzy)评价是应用模糊集理论对系统进行综合评价的一种方法,即根据给出的评价标准和实测值,经过模糊变换后对事物作出评价。这种方法将不确定的信息用定量的方法加以处理,变定性决策为定量决策,增加判断的直观性和准确性。定义1 设在论域U上给定了映射__∶U→[0,1]则说_确定了U上的一个Fuzzy子集,记为A。_称为A的隶属函数,亦写作_A～。_A～(u)称为u关于A的108 铁 道 学 报第23卷隶属度,它表示u属于A的程度。将Fuzzy子集简称为Fuzzy集。为简便计,约定_A～(u)=A(u)或_A～=A由定义1可有下述几个结论:(1)若以F(u)表示u上模糊集的全体,即F(U)={A|A是U上的模糊集}那么P(U) F(U),其中P(U)是U的幂集合,即P(U)={A|A是U的普通子集}这就是说,若模糊集A的隶属函数只取0与1两个值时,A便蜕化为一个U的普通子集合。或者说U的普通子集可以看作是U上一类特殊的模糊集。P(U) F(U),即任一个清晰集都可视为一个Fuzzy集,每一个清晰集和每一个Fuzzy集与F(U)的关系都是∈或∈的关系。故F(U)是一个清晰集。(2)当A∈P(U)是U的普通子集时,那么A的特征函数的意义是:当A(u)=1时,u对A的隶属度是1,从而表明u完全符合确定A的条件,而A(u)=0,则u完全不符合确定A的任何条件,因而u A,这就意味着在模糊集论中,模糊集A,其隶属度A(u)越是接近1,那从u隶属于A的程度越大;反之,A(u)越是接近0,那么u隶属于A的程度越小。论域U={u}上的模糊集合A由隶属函数A(u)来表征,其中0≤A(u)≤1,A(u)的大小反映u对于模糊集合A的隶属程度。论域是被讨论的全体对象,有时也可称为空间。它的元素是清晰的,而只有U的子集A才是模糊的,所以模糊集合通常是指模糊子集合。定义2 给定论域U、V,称积集U×V={(u,v)|u∈U,v∈V}的Fuzzy子集R～为U×V上的Fuzzy二元关系,简称为Fuzzy关系,隶属度R(u,v)刻划了u与v的R相关程度。若U=V,对称R为u上的一个Fuzzy关系。模糊关系是经典关系的拓广。定义3 设U={u1,u2,…,un},V={v1,v2,…,vm},以及R∈F(U×V),则R可用下式表达R=(rij)n×m(1)式中,rij=R(ui,vj)(i≤n,j≤m),称式(1)为模糊矩阵。2.2.1 单指标模糊评价设C表示评价的指标集{C1,C2,…,Cn},Y表示评价集,其元素代表不同的评价结果,记为{Y1,Y2,…,Ym}。对于C上的每个指标Ci都有一个评价结果Ri={ri1,ri2,…,rim} (i=1,2,…,n)式中,Ri是Y上的模糊子集,称为对指标Ci的单指标评价。分别对C中的n个指标进行单指标评价,得到单指标评价阵R=(rij)n×m式中,rij=R(Ci,Yj),表示指标Ci的评价对于Yj的隶属度。R就是指标论集C和评价论域Y之间的模糊关系,它确定了从C到Y的一个变换关系。2.2.2 模糊综合评价单因素模糊评价,仅反映了一个因素对评价对象的影响,而综合评价就是对多种因素所影响的事物或现象作出总的评价,即对评价对象的全体根据所给的条件,给每个对象赋予一个非负实数——评语结果,再据此排序择优。模糊综合评价的数学模式是模糊变换B=W R(2)式中,评判结果B是评价集Y上的模糊集;W是权分配模糊集。经模糊变换R把W变到B的过程,称为模糊综合评价。主要有下述三种变换规则求B规则一 bj=∨ni=1(wi∧rij) j=1,2,…,m(3)式中,∨和∧分别为取大(max)和取小(min)运算,即bj=max{min(w1,r1j),min(w2,r2j),…,min(wn,rnj)}(j=1,2,…,m)(4) 用这种取大取小运算方法决定bj时,对每个评价值Yj而言,只考虑了rij中最大的那个起主要作用的因素,而忽视了其它小因素的影响,故这种运算是一种“主要因素决定型”综合评价,这种合成运算较适用于单因素综合评价情况。规则二 bj=∨ni=1(wirij) j=1,2,…,m(5)bj=max{w1r1j,w2r2j,…,wnrnj} (j=1,2,…,m)(6)这种运算也是属于“主要因素决定型”的,但评价结果要较运算规则一得到的“细腻”。规则三 bj=田∑ni=1wirij (j=1,2,…,m)(7)式中,“田”为上界求和运算。有bj=min{1,∑ni=1wirij} (j=1,2,…,m)(8) 这种方法的主要特点在于,决定各指标的评价对评价值Yj的隶属度bj时,考虑了所有指标Ci(i=1,2,…,n)的影响,而不是只考虑对bj影响最大的指标。考虑到规则二为加权平均型,它对所有因素依权重大小均衡兼顾,较适用于要求整体指标的情形,本文采用规则二。109第5期基于灰色和模糊集理论的铁路方案多目标综合评价方法及模型研究
如何解决机器学习中的多目标优化问题
如何解决机器学习中的多目标优化问题
随着机器学习的快速发展，多目标优化问题逐渐成为研究的热点之一。多目标优化问题意味着在解决一个问题时需要同时优化多个目标函数，而这些目标函数之间通常存在冲突关系。因此，解决多目标优化问题需要面临许多挑战。本文将讨论一些常见的方法和技术，以解决机器学习中的多目标优化问题。
一种解决多目标优化问题的常用方法是将其转化为单目标优化问题。具体而言，可以使用加权和法将多个目标函数结合成一个单一的目标函数。加权和法通过为每个目标函数赋予不同的权重来平衡它们之间的重要性。这样，优化算法就可以以单个目标函数为基础进行优化，从而简化了问题的复杂性。
另一种方法是利用进化算法，例如遗传算法和粒子群优化算法来解决多目标优化问题。这些算法通过模拟种群的进化过程，通过不断迭代来逼近最优解的集合，而不是寻找单个的解。在每一代中，进化算法通过选择、交叉和变异等操作来改进当前种群，以逐步收敛到帕累托前沿上的解。
另外，还有一种常见的方法是使用多目标优化算法，如NSGA-II（非支配排序遗传算法 II）和MOEA/D（多目标进化算法基于分解）。这些算法主要基于种群，能够在较短时间内找到一组帕累托最优解。NSGA-II通过定义非支配排序和拥挤距离来选择优质的解。MOEA/D通过将多目标优化问题分解为一组子问题，并使用协同求解来获得全局最优解。
另外，近年来还出现了一些基于元启发式搜索的方法，例如多目标遗传编程和模拟退火算法。这些方法通过利用启发式搜索算法的优势，结合目标函数的残差信息来优化多目标问题。多目标遗传编程通过使用树状结构来表示和搜索解空间，从而在多目标问题上进行进化。而模拟退火算法则以一定概率接受较差的解，以避免陷入局部最优。 此外，还有一些其他的方法可以用来解决多目标优化问题，例如支持向量机和模糊集理论等。支持向量机通过构建最优边界来解决分类问题，但也可以扩展到多目标优化问题。模糊集理论则考虑到了目标函数之间的关联性和不确定性，能够更好地解决多目标问题。
模糊控制理论及应用
模糊控制理论及应用
模糊控制是一种基于模糊逻辑的控制方法，它能够应对现实世界的不确定性和模糊性。本文将介绍模糊控制的基本原理、应用领域以及未来的发展趋势。
一、模糊控制的基本原理
模糊控制的基本原理是基于模糊逻辑的推理和模糊集合的运算。在传统的控制理论中，输入和输出之间的关系是通过精确的数学模型描述的，而在模糊控制中，输入和输出之间的关系是通过模糊规则来描述的。模糊规则由模糊的IF-THEN语句组成，模糊推理通过模糊规则进行，从而得到输出的模糊集合。最后，通过去模糊化操作将模糊集合转化为具体的输出值。
二、模糊控制的应用领域
模糊控制具有广泛的应用领域，包括自动化控制、机器人控制、交通控制、电力系统、工业过程控制等。
1. 自动化控制：模糊控制在自动化控制领域中起到了重要作用。它可以处理一些非线性和模糊性较强的系统，使系统更加稳定和鲁棒。
2. 机器人控制：在机器人控制领域，模糊控制可以处理环境的不确定性和模糊性。通过模糊控制，机器人可以对复杂的环境做出智能响应。 3. 交通控制：模糊控制在交通控制领域中有重要的应用。通过模糊控制，交通信号可以根据实际情况进行动态调整，提高交通的效率和安全性。
4. 电力系统：在电力系统中，模糊控制可以应对电力系统的不确定性和复杂性。通过模糊控制，电力系统可以实现优化运行，提高供电的可靠性。
5. 工业过程控制：在工业生产中，许多过程具有非线性和不确定性特点。模糊控制可以应对这些问题，提高生产过程的稳定性和质量。
三、模糊控制的发展趋势
随着人工智能技术的发展，模糊控制也在不断演进和创新。未来的发展趋势主要体现在以下几个方面：
1. 混合控制：将模糊控制与其他控制方法相结合，形成混合控制方法。通过混合控制，可以充分发挥各种控制方法的优势，提高系统的性能。
2. 智能化：利用人工智能技术，使模糊控制系统更加智能化。例如，引入神经网络等技术，提高模糊控制系统的学习和适应能力。
电网换相换流器的无功特性
1．1电网换相换流器的无功特性
换流器消耗的无功公式
1tanPQdc
2)2sin(sin)2cos(sin)180/(tan—
3)]/)(2/(/[cos-1101-EIXUUdcdid—
4/)2/(cos/110EIXUUdcdid—
对交流系统而言，换流器总可以认为是一种无功负荷，由上述公式可以看出换流站无功功率受到很多参数的影响。在实际运行除了上述确定性参数外，还有很多模糊性参数，比如换流变压器的换相电抗，直流电流和直流电压互感器的误差，触发角和关断角的测量和控制误差，母线电压的随机性等都会造成电力系统中的状态变量和目标函数都为模糊变量。
1.2模糊期望值模型
目前比较常见的随机规划模型主要有三种分支，即机会约束规划、相关机会规划、期望值值模型。期望值模型一般是通过期望值进行约束，从而得到最优目标函数期望值，用来解决函数的极大化 、极小化问题。模糊期望值模型主要基于可信性理论，可信性测度是与概率论中的概率测度并行，并且具有自对偶性和次可加性的一种模糊数学的概念。基于可信性测度，形成了一种完备公理化体系的可信性理论[7]。当模糊变量为独立变量，目标函数又是线性函数时，通常可以转换成确定性模型，很容易求解。
对于一个可能性空间os,PP，，集合A为P的一个元素，则可信性测度为：15.0ArANecAPosC
APos、ANec分别为集合A的可能性测度和必要性测度。
可信性分布即为模糊变量取值小于或等于x的可信性。
对于概率空间r,,PA模糊随机变量的期望值为：00drrPrrEdrrEPE
在期望约束条件下，极小化不确定目标函数的数学期望，期望模型如下
)],([minfEs.t.0)],([igEpi,,2,1
利用模糊层次分析法对采矿方法的优化
利用模糊层次分析法对采矿方法的优化
朱豆雨（中国矿业大学，北京１０００８３）
摘要：模糊层次分析法（ＦＡＨＰ法）充分利用了模糊数学方面的新的研究成果，把层次分析的方法扩展应用到了模糊环境中， 在进行多个目标的决策问题过程中具有其独特的优越性。文中介绍了模糊层次分析方法的基本原理及在采矿工程中的应用，并介绍 了采矿工业的现状，以及模糊层次分析方法对采煤方法的优化应用。 关键词：模糊层次分析法；采煤方法；优化；模糊数学
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００８—０１５５．２０１３．０５．０２４ 中图分类号：Ｆ４０３．７ 文献标志码：Ｂ 文章编号：１００８—０１５５（２０１３）０５—００３８—０２
模糊层次分析是建立在模糊数学理论之上的分析
方法，所谓模糊数学理论是以经典的集合理论扩展成 为模糊集合理论为基础的，在乘积空间中给出一对元
素之间的模糊关系，模糊数学理论就建立在这个基础
之上。模糊理论广泛应用于信息检索、生物、工业等领 域，本文主要介绍的是模糊理论在采矿业中的应用，主
要是对采煤方法的优化和改进。在采煤方法的选择确 定过程中，承受着来自很多的不确定性因素的制约，然
而利用模糊数学的理论对这些不确定性因素进行量化 建模，则可使得采煤方法的选择优化更加的科学准确。
２．模糊层次分析法简介 系统设计初期，因为受外部多种因素影响，要综合 考虑其中的多个主要因素对系统的影响。一般情况
下，我们通常需采用某种定性与定量相结合的分析方
式，在满足给定的多个衡量标准的前提条件下，对多个 可能的性能指标进行综合判定，以得到最佳优化方案。 层次分析法（Ａｎａｌｙｔｉｃ Ｈｉｅｒａｒｃｈｙ Ｐｒｏｃｅｓｓ，即ＡＨＰ）
是当前在多目标多判据系统选优排序中应用较为广泛 的一个方法，它的关键在于构造各个层次的判决矩阵。
但是有一点没有考虑到的就是认为判断的模糊性。然
而利用模糊数学的新的研究成果，将层次分析法扩展 到模糊环境中就得到了模糊层次分析法（Ｆｕｚｚｙ Ａｎａｌｙｔ．
优化设计算法把多目标问题转化为单目标问题求解的方法
优化设计算法把多目标问题转化为单目标问题求解的方法
随着科学技术的不断发展，各行各业对于问题的求解也越来越复杂。在现实生活中，我们常常会遇到多目标优化问题，例如在工程设计中需要考虑成本、质量和时间的平衡；在资源分配中需要同时考虑效率和公平性等等。针对这些多目标问题，如何找到一个最优的解决方案成为了一个挑战。
传统的方法往往是将多个目标简化为一个目标，然后使用单目标优化算法进行求解。然而，这种简化往往会丢失一些信息，导致得到的解并不是全局最优解。人们开始研究如何将多目标问题转化为单目标问题的求解方法，以期望得到更好的解决方案。
以下是一些优化设计算法把多目标问题转化为单目标问题求解的方法：
1. 加权法
加权法是一种比较简单且直观的方法。它通过给多个目标赋予不同的权重，将多目标问题转化为单目标问题。具体来说，假设有m个目标函数，分别记作f1(x), f2(x), ..., fm(x)，对应的权重分别为w1, w2, ...,
wm。则可以将多目标问题转化为单目标问题：
F(x) = w1*f1(x) + w2*f2(x) + ... + wm*fm(x)
通过适当选择权重，可以使得F(x)在一定程度上代表多个目标的综合效果。然而，加权法也存在一些问题，例如如何确定权重、权重选择的主观性等。
2. 构建新的目标函数
另一种常见的方法是通过构建新的目标函数来转化多目标问题。具体来说，可以将多个目标函数构建成一个新的目标函数，然后使用单目标优化算法进行求解。
可以考虑使用线性加权表达式或者非线性组合表达式等方式构建新的目标函数。通过合理的构建，新的目标函数可以很好地反映原多目标问题的特点，从而得到更好的求解结果。
3. Pareto最优解
除了上述两种方法外，还可以考虑使用Pareto最优解来求解多目标问题。Pareto最优解是指在多目标优化问题中，如果对于解空间中的某个解，不存在另一个解能同时在所有目标上取得比它更好的结果，那么这个解就是Pareto最优解。
被动悬架系统的多目标模糊优化设计
被动悬架系统的多目标模糊优化设计
口王璐 口宋淼 口宋崇智 口方浩ｔ口谢能刚ｔ １．安徽工业大学机械工程学院马鞍山２４３００２ ２．马钢（合肥）钢铁有限责任公司 合肥２３００１ １ 六
摘要：以汽车座椅和悬架系统的阻尼与刚度作为设计变量，详细分析了车辆的乘坐舒适性指标和对路面的损坏性 指标，以座椅加速度均方根值和轮胎相对动载荷均方根值作为目标函数，建立被动悬架参数的两目标优化设计模型。应用 模糊理论建立多目标评价函数。对实际算例进行了两目标模糊优化设计，计算结果显示了该方法的有效性。 关键词：多目标模糊优化被动悬架 中图分类号：Ｕ４６３．８ 文献标识码：Ａ 文章编号：１０００—４９９８（２００８）０５—００２６—０４
悬架是汽车的重要组成部分，按工作原理可分为 被动悬架、半主动悬架及主动悬架三种。其中被动悬架 主要应用在大型客车、载重车辆以及－Ｖ程用车、军事用 车等领域。被动悬架中弹簧刚度和阻尼系数对车辆的 行驶性能起决定性作用，如何选择刚度和阻尼是被动 悬架系统设计中的关键技术。在被动悬架的设计中，不 同的设计要求对参数的选择是相互矛盾的，例如，良好 的乘坐舒适性要求悬架系统相对较“软”；而行驶稳定 性则要求轮胎尽量不脱离地面，即抓地性好，同时由于 车身空间的限制，悬架动行程应在预留空间内，过大则 会撞击限位块，这就要求一个足够“硬”的悬架；在满足 汽车行驶性能的同时，减少汽车对路面的破坏也逐渐 成为设计悬架时需要考虑的重要因素，造成路面损坏 的主要因素是汽车车轮动载荷过大，这同悬架“硬”的 设计要求又存在矛盾。因此，合理配置悬架参数，兼顾 车辆的众多行驶性能是汽车设计者的目标。文献［１】～ ［５】分别对被动悬架系统进行了研究。本文基于整车悬 架系统８自由度模型，以提高乘坐舒适性和降低车辆对 路面的破坏性为目标，对被动悬架参数进行多目标模 糊优化设计。 ★安徽高校省级自然科学重点基金资助项目（编号：２００６ｋｊＯ０１Ａ） 收稿日期：２００７年ｌ１月 １ 整车悬架系统８自由度动力学模型 将整车悬架系统简化为如图１所示的８自由度模 型，应用达朗伯尔原理建立悬架系统的动力学方程 ［Ｍ】｛Ｚ｝＋［Ｃ】｛Ｚ｝＋［ 】｛Ｚ｝＝［Ｆ】 （１） 式中：［Ｍ】、［Ｃ】、［ 】分别为质量矩阵、阻尼矩阵、刚 度矩阵；［Ｆ】为路面激励列阵。 ［ 】－ｄｉａｇ｛ＩＴ／．１胁，ｐ／ｒ ＩＴ／．３胁胁挑｝； Ｉ ｃＩ —ｃＪ ｃＪ厶 ｌ—ｃＪ ｃＪ＋ｃ２＋ｃ３＋ｃ．＋ｃ５ 一ｃＪ厶一ｃ２ 一ｃ３ ＋ｃ． ＋毋 ｌ ｃＪＬ —ｃＪ厶一ｃ２ 一ｃ３ ＋ｃ４ ＋ａ ｃＪ擘＋ｃ２驴＋ｃ３ ＋ｃ４ ＋。 【ｃ】：ｌｍ 一 晚 一。 —ｃ‘ 。 ｍ址一晚＊ 。 —ｃ‘ 。 １ ０ 一ｃ２ ｃ２ １ ０ 一ａ ａ １ ０ 一ｃ． 一ｃ４ｆｒ ｌ ０ 一ｃ５ 一ｃ５Ｌ ｃＪ ６ｌ ０ ０ ０ ０ ｌ —ｃＪ ６．＋ｃ２ ６ｒ—ｃ３ ６ｌ—ｃ．６ｌ＋０ ６， 一ｃ２ 一ｃ３ 一ｃ． 一ｃ５ Ｉ ｃｌＬ６．一ｃ２ ６ｒ ＋ｃ３６ 一ｃ４６ ＋。厶６ｒ ｃ２ ｃ３ 一ｃ４ 一ｃ５ ｌ ｃＪ磅＋ｃ２辟＋ｃ３磷＋ｃ．磷＋ｃ５磷 一Ｃ２６， ｃ，６ｌ Ｃ４ ６ｌ —ｃ５６，ｌ —ｃ２ ６， ｃ２＋Ｃ６ ０ ０ ０ Ｊ ａ ６ｆ ０ ｃ，＋ｃ７ ０ ０ ｌ ｃ．６ｆ ０ ０ Ｃ４＋ｃｔ ０ Ｉ —ｃ５ ６ｒ ０ ０ ０ ｃ５＋０ ｌ
模糊数学在橡胶配方优化设计中的应用
第４期 晁春燕等．模糊数学在橡胶配方优化设计中的应用
模糊数学在橡胶配方优化设计中的应用
晁春燕，辛振祥，栗建民
（青岛化工学院，山东青岛２６６０４２）
摘要：应用模糊数学设计理论，在建立橡胶配方设计多目标的隶属函数的基础上，对橡胶配方进行整体评价，得到最优配 方。利用计算机数据库技术实现模糊法在橡胶配方设计中的应用。 关键词：橡胶配方：模糊数学：计算机数据库技术 中图分类号：ＴＱ３３０．１２ 文献标识码：Ｂ 文章编号：１００９—７９７Ｘ（２００２）０４－０００１－０４
模糊数学是研究和处理模糊性现象的数学，是
在美国控制论专家Ａ．Ｚａｄｅｈ教授于１９６５年提出的 模糊集合基础上发展起来的一门新兴的数学分支。
这门学科在三十多年的时间里得到非常迅速的发
展。模糊逻辑控制、神经网络控制与专家控制是三
种典型的智能方法，我国在模糊理论方面的研究处 于世界先进水平，先后出版了几十本有关模糊理论
方面的书籍，每年发表的研究论文也非常多，相比
之下工程技术应用则相对较弱，计算机技术的发展 给模糊技术的推广应用带来了美好前景，模糊技术
在我国逐步从理论殿堂走入工程应用，不断深入发
展。它不仅为天气预报、地震预测、地质找矿、经
济管理等学科提供了有效的数学方法，而且它的应 用已深入到现代医学、生物学、农学等领域。在橡
胶配方优化设计中，比较成熟的橡胶配方设计优化
方法如：黄金分割法、平方法、分数法、正交试验 设计法、中心复合试验设计法等是单因素或多因素
变量对要考察的橡胶某个性能指标的影响，这属于
作者简介： 晁春燕（１９７６．），女，硕士研究生，毕业于青岛大学 现在青岛化工学院高分子材料加工工程专业读硕士研究生。 收稿日期：２００１—１Ｉ－２６ 单目标的范畴ｌ３】，但在进行橡胶配方设计时，常常
遇到考察多个性能指标的情况，这需要对配方设计
进行综合评定。模糊数学能够对多项性能指标的橡
胶配方问题进行综合评价 。
多目标模糊决策理论应用于失效模式与效应分析的研究
西安理工大学学报Ｊｏｕｒｎａｌ ｏｆ Ｘｉ’ａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏ１ｏｇｙ（２ＯＯ７）Ｖｏ１．２３ Ｎｏ．３ ３３１
文章编号：１００６—４７１０（２００７）０３—０３３１—０３
多目标模糊决策理论应用于
失效模式与效应分析的研究
李霞 ，石明安 ，李随成
（１．西安工程大学管理学院，陕西西安７１００４８；２．西安理工大学工商管理学院，陕西西安７１ＯＯ４８）
摘要：将失效模式与效应分析（ＦＭＥＡ）的失效风险评价视为多目标决策问题，舍弃传统ＦＭＥＡ用
一个效用函数计算失效风险的观念及做法，将模糊理论和多目标决策法结合起来应用于ＦＭＥＡ风
险优先级的评估。首先由系统专业人员对ＦＭＥＡ各个失效模式的发生度、难检度及严重度等决策
因子给予模糊语意等级评估，并经由运算转换成明确值；再以多目标模糊决策法排列出失效风险的
顺序，从而得出解决问题的次序。实例结果表明，本文所提出的方法可行且有效。
关键词：失效模式与效应分析；多目标模糊决策；模糊语意
中图分类号：Ｆ２０３ 文献标识码：Ａ
Ａ Ｓｔｕｄｙ ｏｆ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｔｈｅｏｒｙ ｏｆ Ｍｕｌｔｉ—ｏｂｊ ｅｃｔｉｖｅ Ｆｕｚｚｙ Ｄｅｃｉｓｉｏｎ
ｔＯ Ｆａｉｌｕｒｅ Ｍｏｄｅｓ＆Ｅｆｆｅｃｔｓ Ａｎａｌｙｓｉｓ
ＬＩ Ｘｉａ ～。ＳＨ Ｉ Ｍｉｎｇ—ａｎ 。ＬＩ Ｓｕｉ—ｃｈｅｎｇ
（１Ｉ Ｓｃｈｏｏｌ ｏｆ Ｍａｎａｇｅｍｅｎｔ，Ｘｉ’ａｎ Ｐｏｌｙｔｅｃｈｎｉｃ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ ７ １ ００４８，Ｃｈｉｎａ； ２．Ｆａｃｕｌｔｙ ｏｆ Ｂｕｓｉｎｅｓｓ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ，Ｘｉ’ａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｘｉ’ａｎ ７１００４８，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅ ｆａｉｌｕｒｅ ｒｉｓｋ ｅｖａｌｕａｔｉｏｎ ｏｆ ｔｈｅ ｆａｉｌｕｒｅ ｍｏｄｅ ａｎｄ ｅｆｆｅｃｔ ａｎａｌｙｓｉｓ（ＦＭＥＡ）ｃａｎ ｂｅ ｃｏｎ—
多目标决策问题
多目标决策问题
在现实生活和商业中，我们常常需要在多个目标之间做出决策。这些目标可能彼此冲突或者存在牵连关系。如何在这些复杂目标中做出最优决策成为了现代商业发展中的一个重要问题。本文将探讨多目标决策问题的定义、特点、决策方法以及应用。
一、定义
多目标决策问题是指在多个决策目标之间进行权衡和平衡，以达到所有目标最优化的一个决策问题。不同目标之间可能相互矛盾，因此需要找到一个平衡点，使得各个目标得到最佳平衡。
多目标决策问题的特点有以下几个方面：
1. 目标之间相互影响，可能存在相反或者协同的关系。
2. 目标之间的权重不同，决策结果不同。
3. 决策结果不确定，因为各个目标在不同情况下可能达到不同的状态。
4. 决策结果需要评价。
二、解决方法
为了解决多目标决策问题，我们需要寻求有效的决策方法。下面介绍几种常用的解决方法。
1. 计划层次分析法（AHP） AHP 方法是一种较为成熟的分析方法，是由美国计划协会的层次分析方法研究小组推出的。该方法通过构建层次结构模型，将决策问题分解成多个层次，然后通过特定的计算方法，将各个层次的要素相互比较，最终得出具体的决策方案。
2. 直觉模糊综合评价法
直觉模糊综合评价法是一种基于模糊数学和统计学理论的决策方法，其核心是模糊综合评价模型。该模型将决策问题分解成多个指标，然后通过专家评分等手段，将指标值量化为模糊隶属度，并最终得到决策方案。
3. 遗传算法
遗传算法是一种数学优化算法，常用于求解多目标决策问题。该算法通过构建初始种群并通过选择，变异和交叉等操作，逐步优化问题求解过程，找到最优解。
三、应用
多目标决策问题的应用非常广泛，几乎涉及到各个领域。例如：
1. 市场营销中的多目标定价问题，需要考虑市场需求、销量、利润等多个目标。
2. 金融投资中的多目标投资问题，需要考虑风险、收益、流动性等多个目标。 3. 生产制造中的多目标优化问题，需要考虑生产成本、产品质量、生产效率等多个目标。