多目标决策问题的神经网络方法.pdfVIP

维普资讯 第 1卷第 3期 管 理 科 学 学 报 Vo1．1No．3 l998年 9月 JOURNALOFMANAGEMENTSCIENCESIN CHINA Sep．1998 6一 多目标决策问题的神经网络方法 司 昕。 22 (中国 军 百 阿究所) 【摘要】利用Hopfield神经 网络对多 目标决策jo7题进行研究．蛤出有限个方案和无限个方案下 的多 目标决策问题的网络映射关系和优化算法，同时给 出这两种情况下的计算步骤及实例 关键词：兰 堡鲞至，Hopfield 丝璺 ，!垫些 些墨墨， 0 引 言 多 目标决策问题大量存在于现实生活中，自从 50年代 以来，人们从不同的侧面对这类问题进行了 广泛而深入的研究．总的来说，可以根据决策情况将多 目标决策问题分为两类，一类是有限个方案的多 目标决策问题 ，另一类是无限个方案的多 目标决策问题．对于前者，研究方法主要有TOPSIS法、ELEC— TRE法和LINMAP法等，后者的研究方法主要有 目的规划法、调和懈和移动理想点法、STEM 法和 SEMOPS法．不同的方法固其侧重点不同而各有其特点 ]． 从理论上讲，多 目标决策问题属于数学规划的范畴，利用Hopfield神经阿络求解数学规划问题 ，国 外已有一些研究 一。．Hopfield神经阿络对于一些需要进行实时分析决策的场台，如机器人在线优化、卫 星导航等领域，因其计算的并行性而具有很大实用价值．在国内，也有一些学者将Hopfield神经网络应 用于多 目标决策领域，但往往只注重算法的研究而忽略其阿络结构或者算法过于复杂而使神经阿络无 法实现 ，实际上Hopfield神经阿络优化算法非常类似于数学规划中的罚函数法，若不从硬件上加以实 现，其在计算方面的并行性就得不到充分利用，因而实用价值也就不大 本文将以Hopfield神经网络为基础，针对有限个方案和无限个方案的多 目标决策问题进行研究，并 给出了这两种情况下的网络映射关系和优化算法，所构造的网络意义明显，易于实现． 1 有限个方案的多 目标决策问题的神经网络方法 对于有限个方案的多 目标决策问题，上面谈到的几个方法均要求知道决策矩阵(即由各个方案所对 应的 目标值所构成的矩阵)，在信息不全时，决策矩阵并不很容易能得到，这种情况下上述几中方法均无 法使用．假如决策矩阵不知道，但各方案对每个 目标的优先次序以及各个 目标的相对重要性 (以权表示) 已知，这样所需的信息要少一些，这时可根据 已知信息构造一个权矩阵，并结合Hopfield神经网络来解 决这类问题． 1．1 问题描述 对于有 个方案、m个 目标的决策 问题，各 目标的相对重要性可量化为各 目标的权，设m个 目标的 权为 一[”，” 一，]，∑m一1，对每一个目标各个方案同样有一个排队．据此构造如下的权矩 ① 司 昕 博士生，研究方 向：人工智能在 DSS、CIMS中的应用，DEDS 及混杂动态系统等．通讯地址；北京 2728信箱三博公司．邮编 100080． 维普资讯 第 3期 司 昕：多 目标挟策问题的神经网络方法 阵W 一 [ ]… ，其中 表示第 i个方案在所有m个 目标中排在第 的 目标权之和，例如，若方案 1对 于 目标 1和 目标2是最好的(即对于第 1、2个 目标排在第 1位)，则 ，一W + ，方案 1对于 目标 3排 第 2位，则W 一W ，在所有 目标中方案 1没有排在第 3位的，则 一0，余类推 得到权矩阵后，令J一 {1，2，…，}，计算使和 + +…+ 。为最大的一个序列i，i _．