数据驱动的多目标协同优化与智能决策方法及其应用研究

The optimization and control of complex systems have being gained much attention in both academic and application areas. Multi-objective optimization and decision making is a hot topic for operational research, management science as well as computer science. As the increase of system complexity, multi-objective optimization and decision making problems have some new characteristics, such as multi-component and multiple types of decision variables. Furthermore, the processes of multi-objective optimization and decision making become more interrelated. This project focuses on multi-component multi-objective problems and researches data-driven multi-objective collaborative optimization and multi-objective intelligent decision making approaches. Through the research of this project, we aim at solving the following key problems. Firstly, how to realize the overall collaborative optimization of multi-component problems based on evolutionary algorithms? Secondly, how to utilize data and information during the multi-objective optimization process and then develop effective multi-objective optimization approaches. Thirdly, during the multi-objective optimization, how to integrate preference information and develop interactive multi-objective optimization and decision making approaches?

复杂系统的运行优化与控制长期以来受到学术界和应用领域的广泛关注。其中，多目标优化与决策是运筹学、管理科学和计算机科学等领域共同关注的研究热点。随着系统复杂性的增加，多目标优化与决策问题呈现出新的特点，如多任务耦合和决策变量多元化、运行优化的环境更加复杂以及优化过程与决策过程的关系更加紧密。为了更好地应对实际应用领域中多目标优化与决策问题呈现出的上述特点，本项目围绕多任务协作的多目标优化问题，研究数据驱动的多目标优化协同优化算法以及多目标智能决策方法。重点解决以下几个关键问题：1）如何基于演化计算方法，实现多任务协作问题的多目标整体最优设计？2）如何实现多目标优化过程中各种数据和信息的有效挖掘和利用，从而提供快速、高效、可靠的多目标优化方法？3）在多目标优化过程中如何有效地集成决策偏好信息，实现多目标优化与多目标决策的有效融合和交互，从而提高多目标决策的智能化水平？

本项目针对多任务协作的多目标问题的优化和决策开展研究，主要研究多任务协作问题的多目标优化机制和方法，探索在多目标协同优化过程如何有效地利用内外部数据，如何将数据挖掘、基于数据的预测和机器学习等方法集成到优化过程中，研究复杂数据环境下多目标问题的智能决策方法，并基于上述研究框架和研究成果开展应用研究。.项目按照研究计划开展了以下几个方面的研究：1）面向多任务协作问题的多目标演化计算方法研究；2）数据驱动的多目标协同优化个体评价方法研究；3）多目标协同优化中基于数据的知识表征与发现方法研究；4）复杂数据环境下多目标智能决策方法研究；5）案例研究与实验验证。.本项目目标完成情况如下：1）在国际SCI期刊上发表研究论文5篇，包括IEEE Transactions on Cybernetics, Knowledge-based Systems, Information Sciences等国际一流期刊。2）申请国家发明专利1份。3）申请软件著作权2份。4）在项目的资助下申请省级人才计划1人。5）培养在读博士研究生2人；毕业硕士研究生4人；在读硕士研究生8人。.项目研究成果生产线调度的协同优化方法在首都航天机械公司得到取得了良好的应用效果。该公司作为中国最大的火箭总装厂，产品涵盖所有“长征”系列运载火箭。项目研究成果成功用于该公司的机械加工生产车间的工序调度优化。通过应用使得排产时间小于180s，与传统排产相比性能提升1000倍；单个工段月均节约人工成本10000元以上。项目研究成果具有良好的应用推广前景，在全公司推广应用后，预计月均节约人工成本80万元以上；全年节约人工成本960万元以上；生产线产能提高10%以上；产品延期率降低20%以上。.