Лекции по дисциплине Оптимальное управление многоуровневыми ММС. Глава 3 (2016) (Лекции по дисциплине "Оптимальное управление многоуровневыми ММС". Главы 1-3 (2016)), страница 6

Также этот метод позволяет учитыватьпротиворечивые и неточные оценки ЛПР. Авторы метода исследовали его эффективность нашироком круге задач многокритериальной оптимизации. В рамках работы [10] этот методисследован на другом, более современном, наборе тестовых задач многокритериальнойоптимизации СЕС2009.Рис. 3.16. Схема метода PREF на примере двумернойдвухкритериальной задачи оптимизации: k  3Основной особенностью этих задач является сложная топология множества Парето. Данноеисследование выявило, что основным недостатком метода ВС-ЕМО является преждевременнаястагнация процесса вычислений. В рамках работы [10] в результате широкого исследования былиустановлены причины такого поведения метода ВС-ЕМО.Первой причиной является отсутствие в генетическом алгоритме NSGA-II механизмовподдержания разнообразия популяции, что приводит к неравномерной аппроксимации фронтаПарето.

Данный алгоритм используется методом ВС-ЕМО для построения дискретнойаппроксимации фронта Парето.Вторая причина связана с недостатками используемой методом ВС-ЕМО стратегии выборарешений для оценки их ЛПР. Это приводит к тому, что решения, которые оценивает ЛПР,оказываются слишком близко расположенными друг к другу в пространстве критериев, что влечетза собой некорректное построение аппроксимации функции предпочтений ЛПР.В [10] предложены две модификации, которые призваны устранить указанные недостаткиметода ВС-ЕМО.Модификация 1.

В [10] обосновано использование алгоритма MOEA/D вместо генетическогоалгоритма NSGA-II для построения Парето-аппроксимации. Алгоритм MOEA/D основан надекомпозиции многокритериальной задачи (11.100) на N однокритериальных задач j X ,  j , z*  min ij i  X   zi* , j  D , j  1: N  , z*  min i  X  ,(3.90)X DXгде N — размер популяции. Алгоритм MOEA/D использует несколько механизмов поддержанияразнообразия популяций и позволяет получить более равномерную аппроксимацию фронта Парето.В этой же модификации с целью учета предпочтений ЛПР было предложено использоватьфункцию приспособленности особей вида j  X   1      X    j  X  , j  1: N  , 0    1.(3.91)Модификация 2.

Суть второй модификации заключается в использовании кластеризациирешений для оценки их ЛПР. Если в оригинальном методе на первой итерации диалога с ЛПРпредоставляемые ему для оценки Парето-оптимальные решения выбираются случайным образом,то в данной модификации выполняется кластеризация всего множества Парето-оптимальныхрешений и для оценки ЛПР предлагаются центры k кластеров. На последующих итерацияхвыбираются K ( k  K  N ) решений с наилучшим значением функции приспособленности24особей, выполняется кластеризация этого множества и ЛПР предлагается оценить центры kкластеров.Данные модификации формируют метод ВС-ЕМОМ.В работе [10] решены задачи МКО-выбора вектора параметров СТС высокой размерности впроцессе проектирования на основе итерационной имитации ЛПР-проектировщика в процессеоптимизации с помощью программно реализованного метода ВС-ЕМОМ.ЛИТЕРАТУРА К ГЛАВЕ 31.

Воронов Е.М. Методы оптимизации управления многообъектными многокритериальнымисистемами на основе стабильно-эффективных игровых решений / Под ред. Н.Д. Егупова. — М.:Изд-во МГТУ им. Н.Э. Баумана, 2001. — 576 с.2. Серов В.А. Генетические алгоритмы оптимизации управления многокритериальнымисистемами в условиях неопределенности на основе конфликтных равновесий // Вестник МГТУ им.Н.Э. Баумана. Сер. Приборостроение. — 2007. — № 4. — С.

70–80.3. Захаров И.Г. Обоснование выбора. Теория и практика. — СПб.: Судостроение, 2006. — 528с.4. Ларичев О.И. Теория и методы принятия решений. — М.: Логос, 2002. — 392 с.5. Семенов С.С., Харчев В.Н., Иоффин А.И. Оценка технического уровня образцов вооруженияи военной техники. — М.: Радио и связь, 2004. — 552 с.6. Алгоритм управления ресурсами на основе сравнения многокритериальных альтернатив ипрогнозадинамикиконфликта/А.В.

Борзунов, Е.М. Воронов, А.Л. Репкин, Н.С. Трушина, Д.И. Чеглаков // Вестник МГТУ им.Н.Э. Баумана. Сер. Приборостроение. — 2006. — № 2. — С. 3–29.7. Воронов Е.М., Карпунин А.А. Многокритериальное комплектование облика сложной системыуправления на основе гипервекторного выбора // Интеллектуальные системы: Труды Десятогомеждународного симпозиума. Под ред. К.А.

Пупкова. — М.: РУСАКИ, 2012. — С. 338–342.8. Сафронов В.В. Основы системного анализа: методы многовекторной оптимизации имноговекторного ранжирования. — Саратов: Научная книга, 2009. — 329 с.9. Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы,вдохновленные природой.

— М.: Изд-во МГТУ им. Н.Э. Баумана, 2014. — 446 с.10. Шварц Д.Т. Интерактивная аппроксимация функции предпочтения ЛПР в задачемногокритериальной оптимизации проектных решений: Автореферат дис. … канд. техн. наук. —М., 2013. — 16 с.11. Карпенко А.П., Мухлисуллина Д.Т., Овчинников В.А. Нейросетевая аппроксимацияпредпочтений лица, принимающего решения в задаче многокритериальной оптимизации //Информационные технологии. — 2010. — № 10. — С. 2–9.12. Растригин Л.А. Статистические методы поиска. — М.: Наука, 1968.

— 376 с.13. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы. — М.: Физматлит,2006. — 319 с.14. Воронов Е.М. Многокритериальный синтез позиционного управления на основемногопрограммной стабилизации. Ч. 1 // Вестник МГТУ им. Н.Э. Баумана. Сер.

Приборостроение.— 2012. — № 2. — С. 3–19.15. Воронов Е.М. Многокритериальный синтез позиционного управления на основемногопрограммной стабилизации. Ч. 2 // Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение.— 2012. — № 3. — С. 3–11.16. Воронов Е.М., Серов В.А., Спокойный И.А. Оптимальное нелинейное наведение на основеалгоритма многокритериального синтеза многопрограммного позиционного управления // ВестникМГТУ им. Н.Э. Баумана. Сер. Приборостроение. — 2014. — № 3. — С. 54–72.17. Плотников В.Н., Зверев В.Ю.

Принятие решений в системах управления. Ч. 1. Теория ипроектирование алгоритмов принятия оперативных решений. — М.: Изд-во МГТУ им. Н.Э.Баумана, 1993. — 172 с.18. Плотников В.Н., Зверев В.Ю. Принятие решений в системах управления. Ч. 2. Теория ипроектирование алгоритмов принятия проектных решений для многообъектных распределенныхсистем управления. — М.: Изд-во МГТУ им. Н.Э. Баумана, 1994. — 146 с.19. Воронов Е.М., Ефремов В.А., Репкин А.Л., Сычев С.И.

Функциональные свойстваконфликтно-оптимального прогноза в системе оптимизационно-имитационного моделирования25взаимодействия группировок управляемых средств пораженияим. Н.Э. Баумана. Сер. Приборостроение. — 2014. — № 3. — С. 3–25.//ВестникМГТУ26.