基于遗传算法的动态联盟性能标准优化方法.pdfVIP

第8卷第 6期 计算机集成制造系统一CIMS Vo1．8 NO．6 2 0 0 2年 6月 Computer Integrated Manufacturing Systems Jun．2 0 0 2 文章编号：1006—5911(2002)06—0462—05 基于遗传算法的动态联盟性能标准优化方法 沙 磊，徐晓飞，李全龙，谢 炜 (哈尔滨工业大学计算机学院，黑龙江 哈尔滨 150001) 摘 要：面向动态联盟的伙伴选择群体决策代表了一类最复杂组合问题的决策。该问题的决策效果直接关系 到动态联盟建立的效率和参与企业操作的复杂度，是动态联盟建立过程的关键。本文提出了应用遗传算法优化这 一 群体决策过程的方法，并根据问题的特点设计了相应的编码方式、选择过程和遗传算子。最后给出了应用该算 法处理群体决策问题的一个实例，以证明该算法的可行性与有效性。 关键词：动态联盟；伙伴选择；决策运行系统；组合优化；遗传算法 中图分类号：TP391 文献标识码：A 动态联盟(AVE)是在不断变化的全球市场环 AVE对各个项目间的各种联系(物流联系、信息流 境中形成的跨企业动态组织，其相关影响因素很多， 联系、控制联系和逻辑联系)的需求，包括各个项目 但 AVE的组织与建立往往比一般的企业更快_1]， 的各层子项目的联系需求。其主要步骤简述如下： 可响应灵活多变的市场。面向动态联盟的群体决策 (1)设置任务需求属性的初始值和联系需求属 支持系统(V0一GDSS)[2]就是为有效地帮助用户处 性 ； 理动态联盟建立过程中各阶段的相关决策问题，从 (2)当伙伴企业组合集合为空，或所有伙伴企业 而高效地建立AVE的智能化系统。 组合都未达到预期标准，重复(3)、(4)；完成后转到 在 AVE过程设计和模型设计阶段，VO— (9)； GDSS的核心问题是伙伴选择问题。可以利用遗传 (3)根据群体决策的情况，修改各个项目及其子 算法的灵活性、有效性、亚一启发式等特点 ]来协助 项目的任务需求属性； (4)重复(5)～(7)，直到所有项目的候选企业集 处理伙伴选择的组合优化问题。 合不为空，且都符合任务需求属性； 本文重点讨论应用遗传算法来处理该组合优化 (5)参与企业针对任务需求属性进行企业重构， 问题的可行性，首先将问题转换为基因编码表达的 并决定是否竞争该项目的候选企业； 方法，其次根据问题需要对遗传算法的过程进行加 (6)参与企业提供该项目的任务完成性能参数； 工，最后给出实例验证结果。 (7)AVE对该候选企业提供的该项目完成性能 l 伙伴选择群体决策过程 参数进行评价，决定该企业是否成为候选企业； (8)利用各个项目的候选企业集合，组合成各种 伙伴选择群体决策过程是在CSCW环境中，由 伙伴企业组合方案； VO—GDSS支持完成的。其中，任务需求属性是 (9)评价伙伴企业组合方案是否符合联系需求 AVE对总体任务的各个项目自身的参数要求，包括