论文部分内容阅读
决策自古有之,决策问题可以分为单目标决策和多目标决策。多目标决策是指决策所要达到的目标有多个,且这些目标是互相联系又互相制约的决策。这类决策要求用系统的观点,对希望达到的多个目标进行系统地研究分析。决策支持作为一种新兴的信息技术,能够为企业提供各种决策信息以及许多商业问题的解决方案,从而减轻了管理者从事低层次信息处理和分析的负担,使得他们专注于最需要决策智慧和经验的工作,由此提高决策的质量和效率。随着大型工业企业的管理和运营越来越复杂,决策者迫切需要一种理论化、系统化的决策辅助工具。因此,结合计算机和信息管理技术的决策支持系统(Decision Support System,DSS)应运而生。多目标问题寻优是决策支持系统中优化器的重要部分,将粒子群算法应用于决策支持的多目标问题中可以更有效的利用已有的研究成果,加强对决策者决策支持的辅助能力。粒子群算法(Particle Swarm Optimization,PSO)是由美国社会心理学家James Kennedy和电气工程师Russell Eberhart在1995年共同提出的,其基本思想是受他们早期对鸟类群体行为研究结果的启发,并利用了已有的生物群体模型。由于粒子群算法计算速度快,算法简单易实现,一经提出立即引起各领域学者的高度关注。本文从决策支持系统的基本构成出发,着重讨论基于改进粒子群算法对多目标寻优问题的解决,及其在决策支持中的应用。考虑到基本粒子群优化算法易陷入局部最小值,搜索精度不高的缺点,构造了一种设立禁区的多粒子群算法并将其应用于多目标优化算法中提出了基于粒子群优化多目标问题的决策支持模型。经过计算机程序仿真,对该改进算法处理优化问题,以及在决策支持中不同的算法解决多目标决策问题进行了对比分析,结果表明文中所提出的设立禁区的粒子群优化算法及其改进的多目标优化算法性能方面均优于传统粒子群算法和多目标优化算法,为研究决策支持系统中的多目标优化问题开辟了新的途径。