学位论文 > 优秀研究生学位论文题录展示

基于遗传算法的工程风险决策多目标优化研究

作　者: 李丹
导　师: 袁永博
学　校: 大连理工大学
专　业: 土木工程管理
关键词: 遗传算法多目标优化风险决策管理成本损失
分类号: F224
类　型: 硕士论文
年　份: 2008年
下　载: 484次
引　用: 2次
阅　读: 论文下载

内容摘要

随着建设项目规模的不断扩大,施工技术的不断更新以及项目所处的社会环境和经济环境的不断变化,各种风险明显增多,并且风险因素之间的关系错综复杂,风险管理已成为决定建设项目成功与否的关键因素。然而,风险既可能会带来损失和灾难,也可能会带来利润,关键是如何对风险进行有效的管理。风险管理决策是风险管理的核心,决策的正误直接影响着风险管理的效果。为了使决策更加科学、合理,本文在风险识别和风险评价的基础上,致力于同时考虑影响风险决策结果的多个目标因素来实现决策方案的优化,并将多目标遗传算法应用到决策方案的优化中,从而找到了一种有效的解决工程风险多目标优化问题的方法。本文首先分析了建设项目风险管理决策及多目标进化算法的研究进展和现状,指出了目前的研究的不完善之处。接着介绍了建设项目风险管理决策的相关理论、多目标优化问题的相关术语和本文所采用的方法——遗传算法的原理、流程和特点。为下文解决问题做好准备。本文建立了工程项目风险管理多目标决策的数学模型,并应用多目标遗传算法NSGA-Ⅱ对模型进行求解。通过算例分析,得到了一系列具有良好收敛性和多样性的Pareto最优解,找出了各种风险控制措施的最佳组合方式,实现了风险评价值、管理成本和风险损失三个目标的综合优化。并提出可信度的概念对结果进行评价,将所得结果通过线性插值拟合成曲面,从而为风险决策提供直观的依据。对NSGA-Ⅱ算法中的选择算子和交叉算子进行了改进,并用改进的NSGA-Ⅱ对所建立的工程风险多目标决策模型进行求解。通过算例将改进的算法与原算法得到的结果进行比较,结果证明改进后的算法在解的收敛性和多样性上均有所改善。对模型进行算例分析的结果,不仅验证了本文所建立的模型和求解算法在解决工程风险多目标决策问题上的有效性,还在一定程度上证明了模型的实用价值。

全文目录

摘要  4-5
Abstract  5-10
1 绪论  10-19
  1.1 研究背景及问题的提出  10-13
    1.1.1 本文的研究背景  10-11
    1.1.2 问题的提出  11-13
  1.2 研究意义  13-14
    1.2.1 理论意义  13
    1.2.2 实践意义  13-14
  1.3 国内外研究现状  14-16
    1.3.1 风险管理决策方法  14-15
    1.3.2 多目标进化算法  15-16
  1.4 论文研究的内容和创新点  16-19
    1.4.1 论文研究的内容和结构  16-17
    1.4.2 论文创新点  17-19
2 建设工程风险管理决策与多目标优化理论概述  19-31
  2.1 建设工程风险管理决策  19-25
    2.1.1 工程风险的控制措施  20-22
    2.1.2 风险管理决策的概念和特点  22-23
    2.1.3 风险管理决策的原则  23-24
    2.1.4 风险管理决策的程序  24-25
  2.2 多目标优化理论  25-31
    2.2.1 多目标优化问题的数学描述  25
    2.2.2 多目标优化最优解的定义  25-28
    2.2.3 多目标优化的目的  28
    2.2.4 传统的多目标优化方法  28-31
3 遗传算法原理  31-54
  3.1 遗传算法的基本原理  32
  3.2 遗传算法的一般流程  32-33
  3.3 遗传算法的基本要素  33-41
    3.3.1 遗传编码  33-34
    3.3.2 初始种群的设定  34-35
    3.3.3 适应度函数  35-36
    3.3.4 遗传算子  36-40
    3.3.5 遗传参数  40-41
    3.3.6 终止准则  41
  3.4 遗传算法的特点  41-42
  3.5 基于Pareto优化的多目标进化算法  42-54
    3.5.1 非劣分层遗传算法  43-46
    3.5.2 带精英策略的非劣分层遗传算法  46-54
4 工程风险多目标决策模型及遗传算法求解  54-67
  4.1 模型建立的前提与假设  54
    4.1.1 模型建立的前提  54
    4.1.2 模型假设  54
  4.2 工程风险决策多目标优化模型  54-58
    4.2.1 决策变量  54-55
    4.2.2 目标方程  55-58
  4.3 模型的设计与实现  58-61
    4.3.1 染色体结构  58
    4.3.2 初始种群的设定  58
    4.3.3 适应度的计算  58-59
    4.3.4 遗传操作  59-61
  4.4 实例分析  61-65
  4.5 决策结果的可信度评价  65-67
5 遗传算法的改进和应用  67-78
  5.1 改进的NSGA-Ⅱ算法  67-71
    5.1.1 新的选择算子  67-68
    5.1.2 新的交叉算子  68-69
    5.1.3 改进的NSGA-Ⅱ算法流程  69-71
  5.2 模型的设计与实现  71-73
  5.3 实例分析与对比  73-77
  5.4 决策结果的可信度评价  77-78
6 结论与展望  78-80
  6.1 结论  78-79
  6.2 展望  79-80
参考文献  80-84
攻读硕士学位期间发表学术论文情况  84-85
致谢  85-86

基于遗传算法的工程风险决策多目标优化研究

内容摘要

全文目录

相似论文