针对目标函数的不同优先级问题, 提出一种约束多变量线性定常系统的稳定化多目标模型预测控制策略. 首先, 基于多目标优化理论给出多目标预测控制问题的字典序最优解结果, 并在此基础上考虑目标函数的优先级, 重 新将多目标预测控制问题定义为字典序多目标预测控制问题; 然后, 采用终端约束、终端罚函数和局部状态反馈律 等三要素, 证明多目标预测控制闭环系统是渐近稳定的; 最后, 通过一个仿真实例验证了所提出方法的有效性.
相似文献在序决策信息系统中, 定义区间为支配一个特定的对象同时又被另一个特定的对象所支配的所有对象的集合. 以区间为基本知识颗粒, 建立新的优势关系粗糙集模型, 并由此获取决策值为特定区间范围的区间决策规则. 提出区间的约简的概念, 构造区分函数计算区间的约简, 并由此计算优化区间决策规则. 该方法比初始的优势关系粗糙集方法适应性更强, 且所得区间决策规则可直接应用于序信息系统的分类问题.
相似文献定义了区间概率空间以及区间概率随机变量.针对准则权重确知且准则值为区间概率随机变量的多准则决策问题,提出一种基于集对分析的决策方法.该方法首先根据离差最大化,确定各随机变量的概率,将区间型概率问题转化为经典的确定型概率问题;然后利用集对分析建立规划模型,将区间状态值用联系数表示,并根据集对势序准则对方案进行排序;最后通过实例说明该方法的有效性和可行性.
相似文献将动态交通分配实施过程纳入预测控制框架下以满足实时交通诱导的目的,提出一种交通诱导预测控制算法.该算法是在滚动时域基础上进行的,包括实时交通分配、交通流模拟运行及评价以及进化最佳路径3 个重要环节.仿真结果表明,交通诱导预测控制是一种良好的计算机控制方法学,其优化过程预先考虑了目前交通分配对未来路网的影响,因而可有效地防范交通拥堵,实现考虑反馈的路网交通流实时分配优化,同时为出行者提供最佳路径.
相似文献针对决策矩阵元素为区间数的不确定多属性决策问题,提出一种新的决策方法.定义了区间数幂均算子和区间数的相似度,利用一致度矩阵获得每个属性与其他属性的相对一致度.通过区间数幂均算子集成得到方案的综合属性值,进而给出了方案的排序结果.该方法不需要求解属性的权重.应用实例表明了所提出方法的有效性和实用性.
相似文献针对元件可靠性为区间值的系统可靠性优化问题, 提出一种区间多目标粒子群优化方法. 首先, 建立问题的区间多目标优化模型; 然后, 利用粒子群算法优化该模型, 定义一种不精确Pareto 支配关系, 并给出编码、约束处理、外部存储器更新、领导粒子选择等关键问题的解决方法; 最后, 将该方法应用于可靠性优化问题实例, 验证了方法的有效性.
相似文献针对自适应指数加权移动平均(AEWMA) 控制图统计经济设计问题, 给出AEWMA控制图统计经济设计模型, 提出一种在偏移区间上对AEWMA控制图进行设计的多目标优化方法. 针对不同的偏移区间优化了AEWMA控制图, 并将AEWMA控制图统计经济性能与指数加权移动平均(EWMA) 控制图相比较. 结果表明, 所提出方法优化设计的AEWMA控制图仍具有克服EWMA控制图的惯性问题的统计特性, AEWMA控制图的经济性能也优于EWMA控制图.
相似文献针对决策过程中区间数更适合表达决策者对候选方案的偏好程度,基于区间数判断矩阵,综合考虑决策者个体权重,扩展“和积法”,应用“相对熵”的概念,提出了一种加权个体方案权重集结的群体决策方法.该方法将中间结果转化为实数型再进行集结,避免了决策者判断信息的丢失.最后,通过算例说明了该方法的可行性和有效性.
相似文献针对目标特征值和测量值均以区间数表达的多传感器目标识别问题,提出了一种不确定性融合方法.该方法定义区间相离度,通过对特征值的区间聚类和诱导有序加权平均算子集结得到属性的权重,利用综合相离度给出目标识别方法.能够克服属性权重选取的主观性,提高了目标识别结果的可信度.仿真实例验证了所提出方法的有效性和实用性.
相似文献讨论一类大规模系统的优化问题,提出一种递阶优化方法.该方法首先将原问题转化为多目标优化问题,证明了原问题的最优解在多目标优化问题的非劣解集中,给出了从多目标优化问题的解集中挑出原问题最优解的算法,建立了算法的理论基础.仿真结果验证了算法的有效性.
相似文献定义了区间概率模糊随机变量及其期望值和混合熵.针对准则权重确知并且准则值为区间概率模糊随机变量的多准则决策问题,提出一种基于期望值-混合熵的决策方法.该方法首先给出了区间概率模糊随机变量的期望值-混合熵度量;然后基于此度量建立优化模型,通过计算得到各方案的期望值-混合熵区间;再采用可能度的方法得到方案集的排序.最后通过实例说明了该方法的有效性和可行性.
相似文献针对非线性过程预测控制的模型预测和滚动优化问题,提出一种蚁群算法滚动优化的最小二乘支持向量机(LS-SVM)新型预测控制器.该控制器以建模简单,精度高的LS-SVM作为预测模型,蚁群算法作为滚动优化策略,避免了滚动优化中复杂的梯度计算.仿真研究表明,该控制器具有良好的非线性控制效果.
相似文献