• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    交互式多目標(biāo)優(yōu)化方法在城鎮(zhèn)路面養(yǎng)護(hù)規(guī)劃中的應(yīng)用

    2020-09-14 08:29:34鄧寧華龍
    中外公路 2020年4期
    關(guān)鍵詞:示范性決策者解決方案

    鄧寧, 華龍

    (1.廣西交通職業(yè)技術(shù)學(xué)院, 廣西 南寧 530023; 2.長(zhǎng)沙理工大學(xué))

    養(yǎng)護(hù)對(duì)維持路面使用性能及滿足相關(guān)利益期望至關(guān)重要,但預(yù)算往往不足以滿足所有路段的養(yǎng)護(hù)需求。這就要求通過(guò)決策來(lái)確定不同養(yǎng)護(hù)方案的優(yōu)先級(jí),以便通過(guò)優(yōu)化使有限預(yù)算實(shí)現(xiàn)相關(guān)利益者的多個(gè)預(yù)期目標(biāo)。而應(yīng)用多目標(biāo)優(yōu)化最大的困難在于存在大量的可行解,這將導(dǎo)致決策者難以抉擇。為支持決策者確定路面養(yǎng)護(hù)方案的最佳組合,該文提出一種結(jié)合偏好規(guī)則的交互式多目標(biāo)優(yōu)勢(shì)粗糙集法,將“交互式多目標(biāo)優(yōu)化”框架(IMO)同“優(yōu)勢(shì)粗糙集”法(DRSA)結(jié)合起來(lái),并基于約束Pareto最優(yōu)前沿可行解集思想,以此實(shí)現(xiàn)路面養(yǎng)護(hù)之最佳規(guī)劃。

    1 概述

    許多研究討論了優(yōu)化技術(shù)在處理道路養(yǎng)護(hù)決策問(wèn)題中的應(yīng)用。在多目標(biāo)優(yōu)化的背景下,困難在于最優(yōu)化的定義,因?yàn)樵诖蠖鄶?shù)情況下并不存在一個(gè)解能夠使所有目標(biāo)同時(shí)最優(yōu),因而引入了Pareto最優(yōu)的概念,即在不損害某一目標(biāo)利益的前提下盡可能優(yōu)化其他目標(biāo)。單從數(shù)學(xué)角度來(lái)看,Pareto最優(yōu)反映了資源在各目標(biāo)間的最佳權(quán)衡乃是一種極好的解。可對(duì)于決策者來(lái)說(shuō),理想結(jié)果是依據(jù)自身經(jīng)驗(yàn)或偏好來(lái)從眾多Pareto最優(yōu)解中僅選擇一小部分解。因此,需要借助添加偏好規(guī)則來(lái)輔助決策者從中做出選擇。

    根據(jù)決策者所提供偏好規(guī)則的方式可將偏好方法分為3種:先驗(yàn)偏好法、后驗(yàn)偏好法和交互式偏好法。其中先驗(yàn)法需要大量先驗(yàn)知識(shí)、后驗(yàn)法則存在算法冗余搜索效率差等缺陷,交互式方法將偏好信息同Pareto最優(yōu)解集進(jìn)化而進(jìn)化的思路,既減少了先驗(yàn)知識(shí)的輸入,又使決策結(jié)果變得易于接受和理解,因而被該文應(yīng)用于求解路面養(yǎng)護(hù)規(guī)劃問(wèn)題。但傳統(tǒng)的交互式偏好方法多以隨機(jī)生成方式來(lái)產(chǎn)生偏好信息集,而隨機(jī)生成方式具有極大的不確定性,無(wú)法保證每次隨機(jī)生成過(guò)程都能獲得有效的偏好集,從而導(dǎo)致算法搜索效率急劇下降、計(jì)算時(shí)間不斷延長(zhǎng),因此必須應(yīng)用一種新的偏好集設(shè)置方法。

    由于不存在一個(gè)客觀最優(yōu)解決方案,因此探索的目的并非是尋找客觀最優(yōu)方案。作為一個(gè)決策輔助過(guò)程,其作用在于尋找最佳折中方案(Pareto最優(yōu)解)的前提下探索可能的解決方案空間。通常這種探索具有明顯的偏好性,決策者通過(guò)選擇當(dāng)前Pareto最優(yōu)前沿上的某個(gè)代表性子集,并應(yīng)用最符合其當(dāng)前意圖的偏好規(guī)則,將算法搜索區(qū)域集中在Pareto最優(yōu)前沿上某一令其感興趣的范圍內(nèi)。而應(yīng)用向決策者請(qǐng)求“示范性決策”來(lái)產(chǎn)生偏好集的方式,則可以完美貼合交互式偏好方法搜索-決策這一迭代過(guò)程,可以通過(guò)一步步的試錯(cuò)法來(lái)使示范性決策逐漸逼近于決策者的實(shí)際偏好。這不僅能夠彌補(bǔ)隨機(jī)生成方法效率過(guò)低的缺陷,還符合“人們更傾向于做出示范性決策,而不要總是利用具體和隱晦的參數(shù)來(lái)解釋問(wèn)題”的實(shí)踐規(guī)律。因此,從決策者提供的示范性決策中推斷偏好規(guī)則的想法非常具有可行性和吸引力。但應(yīng)用示范性決策能否可行最大的前提是:示范性決策中的偏好信息可以被準(zhǔn)確識(shí)別出來(lái)。為此,該文提出了應(yīng)用DRSA理論的求解思路,利用DRSA所產(chǎn)生的“若……那么……”的決策規(guī)則來(lái)作為規(guī)劃問(wèn)題的新增約束條件,通過(guò)搜索與決策過(guò)程的有限次迭代來(lái)實(shí)現(xiàn)對(duì)多目標(biāo)優(yōu)化問(wèn)題的偏好求解。

    2 建立模型

    2.1 基本概念

    在養(yǎng)護(hù)規(guī)劃中,需要從一系列方案中確定能滿足多個(gè)目標(biāo)和約束條件的養(yǎng)護(hù)計(jì)劃,而方案s(s∈S,S指所有方案的解集)被定義為在分析范圍的周期t(t∈D,D指整個(gè)規(guī)劃期)內(nèi)所計(jì)劃的一系列必要養(yǎng)護(hù)活動(dòng),并依賴于路面性能狀況及其他情況來(lái)確定。Pareto最優(yōu)在養(yǎng)護(hù)規(guī)劃問(wèn)題中描述為:若存在向量x∈X,使得在不損害其他目標(biāo)利益的前提下使得至少一個(gè)目標(biāo)函數(shù)Fi(x)(i=1,…,k)最優(yōu),則稱向量x∈X為該問(wèn)題的Pareto最優(yōu)。養(yǎng)護(hù)規(guī)劃問(wèn)題的數(shù)學(xué)定義如下:

    F(x)=[F1(x),F2(x),…,Fn(x)]T

    (1)

    s.tgi(x)≤0,,hl(x)=0

    (2)

    式中:Fi(x)為目標(biāo)函數(shù);gi(x)為不等式約束;hl(x)為等式約束。

    2.2 目標(biāo)函數(shù)

    目標(biāo)為單一性能指標(biāo)所產(chǎn)生的綜合指數(shù),這些綜合指數(shù)與道路使用者和運(yùn)營(yíng)商有關(guān),涉及路面狀況、用戶舒適性和安全性。路面狀況由路面損壞指數(shù)PCI根據(jù)在路面上觀察到的破損來(lái)評(píng)價(jià);用戶舒適度為路面平整度、裂縫、車轍深度等各單項(xiàng)指標(biāo)綜合而成的表示路面使用質(zhì)量的耐用指數(shù);安全性改進(jìn)是通過(guò)路面摩擦力水平表征為安全事故數(shù)量的增減。具體數(shù)學(xué)定義如下。

    路面狀況目標(biāo):

    (3)

    用戶舒適度:

    (4)

    平均安全性改進(jìn):

    F3(xi,u)=

    (5)

    xi,u={0,1}

    (6)

    2.3 基于優(yōu)勢(shì)粗糙集法的交互式多目標(biāo)優(yōu)化

    應(yīng)用IMO-DRSA法探索多目標(biāo)優(yōu)化問(wèn)題主要分為兩個(gè)階段:搜索階段與決策階段。在搜索階段需要利用數(shù)學(xué)算法求解出規(guī)劃問(wèn)題的Pareto最優(yōu)解集;而在決策階段則致力于應(yīng)用DRSA方法從“示范性決策”中提取偏好規(guī)則,并將之作為規(guī)劃問(wèn)題的新增約束條件。重復(fù)搜索與決策過(guò)程,直至決策者能夠從某一代Pareto最優(yōu)解集中選擇出符合其偏好的解決方案。具體步驟如下:

    (1) 利用經(jīng)典線性規(guī)劃算法得到一組Pareto最優(yōu)解集并解釋它們,詢問(wèn)決策者能否作出決策,若決策者對(duì)設(shè)置的某個(gè)解決方案滿意,那么交互程序停止,否則繼續(xù)。

    (2) 要求決策者作出示范性決策,即在Pareto最優(yōu)解集中指定“好”的解決方案子集(“好”表示決策者認(rèn)為當(dāng)前方案比解集中的其他解決方案更符合其意圖)。

    (3) 將DRSA理論應(yīng)用于當(dāng)前排序?yàn)椤昂谩焙汀捌渌钡慕饧校瑥亩玫經(jīng)Q策規(guī)則集:若Fi(x)≥ai,則方案為“好”。

    (4) 將獲得的規(guī)則集提交給決策者,并要求決策者選擇其中更符合其意圖的決策規(guī)則。

    (5) 將步驟(4)中所選定的決策規(guī)則添加到現(xiàn)有優(yōu)化問(wèn)題的約束集合中,從而得到具有決策者偏好信息的可行解值域。

    (6) 重復(fù)第(1)步,直至決策者能夠選擇最優(yōu)解。

    在步驟(1)中,可以應(yīng)用任何能夠確定Pareto最優(yōu)解集的多目標(biāo)優(yōu)化方法或工具;第(4)步所列舉的規(guī)則語(yǔ)法僅對(duì)應(yīng)于函數(shù)最大化問(wèn)題,對(duì)于函數(shù)最小化問(wèn)題其規(guī)則應(yīng)調(diào)整為Fi(x)

    圖1 IMO-DRSA方法框架流程圖

    為確保養(yǎng)護(hù)資金C既不超過(guò)可用總預(yù)算也不超過(guò)年度預(yù)算,該文引入規(guī)劃期間預(yù)算限制,約束定義如下。

    (7)

    式中:Ca為年度預(yù)算(萬(wàn)元);Cz為總預(yù)算(萬(wàn)元);Ci,u,y為路段i實(shí)施方案u的y年內(nèi)的養(yǎng)護(hù)費(fèi)用(萬(wàn)元)。

    3 案例研究

    為驗(yàn)證IMO-DRSA法求解多目標(biāo)優(yōu)化問(wèn)題的可行性,該文演示了一個(gè)小型道路網(wǎng)絡(luò)系統(tǒng)在該方法中的應(yīng)用示例。案例數(shù)據(jù)來(lái)自S市主要城鎮(zhèn)路網(wǎng)的一部分,共由10個(gè)路段組成,總長(zhǎng)128.2 km,每一路段均可使用3種互斥的養(yǎng)護(hù)措施,即方案1小修(坑槽修補(bǔ)、裂縫灌漿)、方案2中修(罩面)、方案3大修、重建(刨銑重鋪),而決策者必須在分析期(5年)內(nèi)選擇在哪一路段實(shí)施哪一種措施,年度預(yù)算為900萬(wàn)元,總預(yù)算為2 500萬(wàn)元。示例路段路面養(yǎng)護(hù)預(yù)期費(fèi)用及效果數(shù)據(jù)見(jiàn)表1。

    表1 路面養(yǎng)護(hù)預(yù)期費(fèi)用及效果數(shù)據(jù)

    續(xù)表1

    綜合上述內(nèi)容確定路面養(yǎng)護(hù)規(guī)劃問(wèn)題的規(guī)劃模型為:

    (8)

    (9)

    (10)

    如式(8)~(10)所示,該養(yǎng)護(hù)規(guī)劃問(wèn)題是一個(gè)經(jīng)典的多目標(biāo)線性規(guī)劃問(wèn)題,因此該文利用Matlab R2016a軟件的Optimization Tool-Gamultiob工具箱的線性規(guī)劃求解器得到了一組Pareto最優(yōu)解。如表2所述,其中的每一個(gè)解決方案都對(duì)應(yīng)某部分路段實(shí)施的具體對(duì)策組合。但是,從這些對(duì)策中決策者無(wú)法直接選擇可實(shí)施的最佳解決方案。

    為改進(jìn)決策模型對(duì)滿意解集的搜索能力,利用J MAF工具來(lái)實(shí)現(xiàn)DRSA算法,并將其引入決策過(guò)程中。為達(dá)到此目的,要求決策者從表2所列的Pareto最優(yōu)解集中指出相對(duì)“好”的方案。在這種情況下,決策者選擇了解決方案S1、S2、S3、S7和S9為“好”,將這一部分方案納入“好”的子集中,而將其他解歸入“其他”的子集中,從而得到?jīng)Q策排序?yàn)椤昂谩焙汀捌渌钡膬蓚€(gè)子集。依據(jù)DRSA算法程序?qū)Q策者所作出的示范性決策進(jìn)行屬性約簡(jiǎn),由此產(chǎn)生“若……那么……”的決策規(guī)則,從而得到以下3條偏好決策規(guī)則。

    (1) 規(guī)則1:若用戶舒適度F2≥138,安全性改進(jìn)F3≥0.25,那么解決方案“好”。

    表2 第一次搜索得出的Pareto最優(yōu)解集

    (2) 規(guī)則2:若用戶舒適度F2≥139,路面狀況F1≥72,那么解決方案“好”。

    (3) 規(guī)則3:若路面狀況F1≥72,安全性改進(jìn)F3≥0.258,那么解決方案“好”。

    這些規(guī)則提交給決策者,要求他根據(jù)自身偏好選擇最具代表性的規(guī)則。決策者選擇規(guī)則3定義以下約束,以此來(lái)減少解集值域:

    路面狀況F1≥72,安全性改進(jìn)F3≥0.258。

    將得到的決策規(guī)則納入決策考慮因素范圍,從而更新基于決策者偏好信息的Pareto最優(yōu)解集。通過(guò)加入新的約束條件,從而進(jìn)一步削減有效最優(yōu)解范圍,基于此得到兩種解決方案,如表3所示。

    表3 第二次搜索得出的Pareto最優(yōu)解集

    從如此受限的Pareto最優(yōu)解中,決策者可以更容易選擇出最符合其偏好的解。然后再次詢問(wèn)決策者是否可以做出選擇,一般而言會(huì)有兩種結(jié)果:① 滿意當(dāng)前Pareto最優(yōu)解,并做出決策選擇;② 不滿意當(dāng)前Pareto最優(yōu)解,在這種情況下,需要重新啟動(dòng)交互程序,直至決策者對(duì)所列方案滿意并做出選擇為止。在該案例中,決策者對(duì)方案S2′感到滿意,交互程序終止。依據(jù)方案S2′所實(shí)施的養(yǎng)護(hù)方案如表4所述,養(yǎng)護(hù)年度最佳費(fèi)用為C1=877.3萬(wàn)元、C2=250.6萬(wàn)元、C3=332.6萬(wàn)元、C4=455.2萬(wàn)元、C5=365.5萬(wàn)元,合計(jì)2 281.2萬(wàn)元,資金使用率為91.3%。

    4 結(jié)語(yǔ)

    采用決策規(guī)則偏好模型(IMO-DRSA)的優(yōu)化方法來(lái)支持路面養(yǎng)護(hù)規(guī)劃的交互決策。研究表明,IMO-DRSA法是實(shí)現(xiàn)多目標(biāo)優(yōu)化問(wèn)題偏好求解的一種有效工具,可輔助決策者在大量可行解中選擇出最符合其意圖的解決方案。IMO-DRSA法通過(guò)向決策者請(qǐng)求“示范性決策”來(lái)設(shè)置偏好集的方式較之傳統(tǒng)隨機(jī)生成方法顯得更為合理,可以在不損耗偏好信息精度的前提下大幅度提高優(yōu)化算法的計(jì)算效率。

    表4 方案S2′對(duì)應(yīng)的具體養(yǎng)護(hù)措施

    猜你喜歡
    示范性決策者解決方案
    熱浪滾滾:新興市場(chǎng)決策者竭力應(yīng)對(duì)通脹升溫 精讀
    解決方案和折中方案
    簡(jiǎn)潔又輕松的Soundbar環(huán)繞聲解決方案
    讓“示范性”名副其實(shí)——?jiǎng)?chuàng)建省示范性縣級(jí)教師進(jìn)修學(xué)校的思考與實(shí)踐
    “最關(guān)鍵”的施工力量——決策者、執(zhí)行者與實(shí)施者
    捕捉時(shí)代性、典型性、示范性——以純凈的心寫(xiě)純凈的人
    打造趙李橋品牌 建設(shè)示范性鄉(xiāng)鎮(zhèn)
    4G LTE室內(nèi)覆蓋解決方案探討
    決策者聲望尋求行為、團(tuán)隊(duì)努力與團(tuán)隊(duì)績(jī)效
    軟科學(xué)(2014年8期)2015-01-20 15:36:56
    Moxa 802.11n WLAN解決方案AWK-1131A系列
    扎囊县| 旬邑县| 长汀县| 驻马店市| 增城市| 镶黄旗| 张家川| 深水埗区| 墨江| 达孜县| 无极县| 绥芬河市| 奈曼旗| 岱山县| 濉溪县| 武平县| 汉沽区| 东乌珠穆沁旗| 大冶市| 双辽市| 侯马市| 天气| 鹤庆县| 澄迈县| 临海市| 绵竹市| 汶上县| 北辰区| 新泰市| 台南市| 上蔡县| 泉州市| 鄯善县| 宁都县| 广平县| 水富县| 柘荣县| 华坪县| 浪卡子县| 明光市| 仁怀市|