一種基于情景的空間分區(qū)多目標優(yōu)化決策方法
【專利摘要】公開一種基于情景的空間分區(qū)多目標優(yōu)化決策方法，包括步驟：(1)確定決策目標和子目標；(2)初步選擇決策變量集以及約束集；(3)進行空間分區(qū)，規(guī)劃各個時間階段；(4)根據(jù)空間分區(qū)得到的不同空間子區(qū)域，選擇與其相對應(yīng)的局部變量和局部約束，建立空間分區(qū)優(yōu)化模型；(5)根據(jù)決策變量重要性選取其狀態(tài)值個數(shù)，并對各決策變量賦值，構(gòu)建不同空間子區(qū)域上的情景決策方案；(6)對各子區(qū)域上的情景決策方案進行排序，并分別從排序靠前的若干情景決策方案進行組合；(7)從組合后得到的總情景決策方案中選出最佳情景決策方案；(8)針對下一個時間階段，以上一個時間階段作為初始狀態(tài)，重復(fù)步驟(4)至(7)，直至所有時間階段完畢。
【專利說明】—種基于情景的空間分區(qū)多目標優(yōu)化決策方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及優(yōu)化決策的【技術(shù)領(lǐng)域】，尤其涉及一種基于情景的空間分區(qū)多目標優(yōu)化決策方法。
【背景技術(shù)】
[0002]近年來在大尺度空間上的管理決策，如礦山生態(tài)修復(fù)、農(nóng)業(yè)面源污染控制、河流生態(tài)修復(fù)等日漸增多，表現(xiàn)出其復(fù)雜性、多目標性、難以量化等問題，對一般的優(yōu)化決策方法具有很大的挑戰(zhàn)性。情景分析(scenario analysi s)方法被應(yīng)用到大尺度決策過程中,通過對各種驅(qū)動因素的分析，設(shè)計一系列離散化狀態(tài)的未來情景，來克服嚴格過程量化的瓶頸，能夠幫助決策者制定出較優(yōu)合理的方案。然而由于大尺度空間決策問題的復(fù)雜特性，需要多方面、多層次地綜合考慮相關(guān)的因素，通過計算機系統(tǒng)產(chǎn)生上萬甚至上億的情景方案，進而給決策方案的評估比選帶來了巨大的困難，出現(xiàn)計算機資源耗時過多與計算能力不足等問題。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的技術(shù)解決問題是:克服現(xiàn)有技術(shù)的不足，提供一種基于情景的空間分區(qū)多目標優(yōu)化決策方法，其既對決策對象進行全方位、多層次、多角度綜合考慮和表征刻畫來充分體現(xiàn)分區(qū)后各區(qū)域目標之間的差異性，又提高了綜合決策的效率和減少了計算機系統(tǒng)決策運算的時間。
[0004]本發(fā)明的技術(shù)解決方案是:這種基于情景的空間分區(qū)多目標優(yōu)化決策方法，包括以下步驟:
[0005](I)針對實際決策問題，確定決策目標和子目標；
[0006](2)初步選擇包括全局變量和局部變量的決策變量集以及包括全局約束和局部約束的約束集；
[0007](3)根據(jù)決策對象的空間屬性對其進行空間分區(qū)，同時根據(jù)決策目標規(guī)劃各個時間階段，制定各個時間階段的決策方案；
[0008](4)選擇不同空間區(qū)域上的局部變量和局部約束，建立不同空間區(qū)域的空間分區(qū)優(yōu)化模型；
[0009](5)根據(jù)決策變量的重要性相對大小相應(yīng)選取決策變量狀態(tài)值個數(shù)多少，并對各決策變量賦值，構(gòu)建不同空間分區(qū)上的情景決策方案；
[0010](6)對不同子區(qū)域上的情景決策方案進行綜合評價，根據(jù)綜合評價結(jié)果，對各子區(qū)域上的情景決策方案由綜合評分高至低進行排序，并分別從各子區(qū)域排序靠前的若干情景決策方案進行組合；
[0011](7)根據(jù)全局約束和局部約束，從組合后得到的總情景決策方案中選出最佳情景決策方案；
[0012](8)針對下一個時間階段，以上一個時間階段決策結(jié)果作為下一時間階段的初始狀態(tài)值，重復(fù)步驟(4)至(7)，直至所有的時間階段完畢。
[0013]本方法通過空間分區(qū)充分考慮了大尺度決策過程中全局決策變量、局部決策變量、全局約束及局部約束的相關(guān)性和獨立性，建立了空間分區(qū)多目標優(yōu)化決策模型；通過空間分區(qū)優(yōu)化，在保證情景決策方案局部與整體最優(yōu)，并充分體現(xiàn)決策變量主次之分的前提下，大大地減少了計算機系統(tǒng)所產(chǎn)生的情景決策方案數(shù)，同時最大程度上來捕捉不同情景決策方案的差異，充分體現(xiàn)不同情景決策方案的優(yōu)劣；從而既對決策對象進行全方位、多層次、多角度綜合考慮和表征刻畫來充分體現(xiàn)分區(qū)后各區(qū)域目標之間的差異性，又提高了綜合決策的效率和減少了計算機系統(tǒng)決策運算的時間。
【專利附圖】

【附圖說明】
[0014]圖1示出了根據(jù)本發(fā)明的基于情景的空間分區(qū)多目標優(yōu)化決策方法的流程圖?！揪唧w實施方式】
[0015]如圖1所示，這種基于情景的空間分區(qū)多目標優(yōu)化決策方法，包括以下步驟:
[0016](I)針對實際決策問題，確定決策目標和子目標；
[0017](2)初步選擇包括全局變量和局部變量的決策變量集以及包括全局約束和局部約束的約束集；
[0018](3)根據(jù)決策對象的空間屬性對其進行空間分區(qū)，同時根據(jù)決策目標規(guī)劃各個時間階段，制定各個時間階段的決策方案；
[0019](4)選擇不同空間區(qū)域上的局部變量和局部約束，建立不同空間區(qū)域上的空間分區(qū)優(yōu)化模型；
[0020](5)根據(jù)決策變量的重要性相對大小相應(yīng)選取決策變量的狀態(tài)值個數(shù)多少，并對各決策變量賦值，構(gòu)建不同空間分區(qū)上的情景決策方案；
[0021](6)對不同子區(qū)域上的情景決策方案進行綜合評價，根據(jù)綜合評價結(jié)果，對各子區(qū)域上的情景決策方案由綜合評分高至低進行排序，并分別從各子區(qū)域排序靠前的若干情景決策方案進行組合；
[0022](7)根據(jù)全局約束和局部約束，從組合后得到的總情景決策方案中選出最佳情景決策方案；
[0023](8)針對下一個時間階段，以上一個時間階段決策結(jié)果作為下一個時間階段的初始狀態(tài)值，重復(fù)步驟(4)至(7)，直至所有的時間階段完畢。
[0024]本方法通過空間分區(qū)充分考慮了大尺度決策過程中全局決策變量、局部決策變量、全局約束及局部約束的相關(guān)性和獨立性，建立了空間分區(qū)多目標優(yōu)化決策模型；通過空間分區(qū)優(yōu)化，在保證情景決策方案局部與整體最優(yōu)，并充分體現(xiàn)決策變量主次之分的前提下，大大地減少了計算機系統(tǒng)所產(chǎn)生的情景決策方案數(shù)，同時最大程度上來捕捉不同情景決策方案的差異，充分體現(xiàn)不同情景決策方案的優(yōu)劣；從而既對決策對象進行全方位、多層次、多角度綜合考慮和表征刻畫來充分體現(xiàn)分區(qū)后各區(qū)域目標之間的差異性，又提高了綜合決策的效率和減少了計算機系統(tǒng)決策運算的時間。
[0025]優(yōu)選地，步驟(4)中的空間分區(qū)優(yōu)化模型為公式(I)
【權(quán)利要求】
1.一種基于情景的空間分區(qū)多目標優(yōu)化決策方法，其特征在于，包括以下步驟: (1)針對實際決策問題，確定決策目標和子目標； (2)初步選擇包括全局變量和局部變量的決策變量集以及包括全局約束和局部約束的約束集； (3)根據(jù)決策對象的空間屬性對其進行空間分區(qū)，同時根據(jù)決策目標規(guī)劃各個時間階段，制定各個時間階段的決策方案； (4)選擇不同空間區(qū)域上的局部變量和局部約束，建立不同空間區(qū)域的空間分區(qū)優(yōu)化模型； (5)根據(jù)決策變量的重要性相對大小相應(yīng)選取決策變量狀態(tài)值個數(shù)多少，并對各決策變量賦值，構(gòu)建不同空間分區(qū)上的情景決策方案； (6)對不同子區(qū)域上的情景決策方案進行綜合評價，根據(jù)綜合評價結(jié)果，對各子區(qū)域上的情景決策方案由綜合評分高至低進行排序，并分別從各子區(qū)域排序靠前的若干情景決策方案進行組合； (7)根據(jù)全局約束和局部約束，從組合后得到的總情景決策方案中根據(jù)總分排序選出滿足全局約束和局部約束的最佳情景決策方案； (8)針對下一個時間階段，以上一個時間階段決策結(jié)果作為下一個時間階段的初始狀態(tài)值，重復(fù)步驟(4)至(7)，直至所有的時間階段完畢。
2.根據(jù)權(quán)利要求1所述的基于情景的空間分區(qū)多目標優(yōu)化決策方法，其特征在于，步驟(4)中的空間分區(qū)優(yōu)化模型為公式(I)
【文檔編號】G06Q10/04GK103699940SQ201310616547
【公開日】2014年4月2日 申請日期:2013年11月27日 優(yōu)先權(quán)日:2013年11月27日
【發(fā)明者】王明玉, 于森, 高華林 申請人:中國科學(xué)院大學(xué), 北京海邁信科技有限公司