实码加速遗传算法在改进topsis法中的应用

《实码加速遗传算法在改进topsis法中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、ComputerEngineeringandApplications计算机工程与应用2009，45（17）235实码加速遗传算法在改进TOPSIS法中的应用张目1，2，周宗放11，2，ZHOUZong-fang1ZHANGMu1.电子科技大学经济与管理学院，成都6100542.贵州财经学院金融学院，贵阳5500041.SchoolofManagementandEconomics，UniversityofElectronicScienceandTechnologyofChina，Chengdu610054，China2.SchoolofFinance，GuizhouCo

2、llegeofFinanceandEconomics，Guiyang550004，ChinaE-mail：zhouzf@uestc.edu.cnZHANGMu，ZHOUZong-fang.ApplicationofrealcodedacceleratinggeneticalgorithmtoimproveTOPSISmethod.ComputerEngineeringandApplications，2009，45（17）：235-237.Abstract：InordertoimprovetheTOPSISmethod，respectivelytakingthefeas

3、ibleschemeclosetoidealsolutionandfarfromnegativeidealsolutionasthegoal，twononlinearprogrammingmodelsareestablishedinthispaper.Usingrealcodedacceleratinggeneticalgorithm（RAGA），twomodelsabovearesolved.Andthen，thecombinationweightofindexbothhavingtheadaptabilitytothedecision-makingmethodan

4、dthedecision-maker’spreferenceinformationisobtainedconveniently.Therefore，thedrawbackofthetraditionalTOPSISmethodisovercometoacertainextentbytheimprovedTOPSISmethodbasedRAGA.Throughaspecificexample，itisprovedthattheproposedmethodisfeasibleandeffective.Keywords：multi-attributedecision-ma

5、king；TOPSISmethod；nonlinearprogramming；realcodedacceleratinggeneticalgorithm；combinationweight摘要：为改进TOPSIS法，分别以方案点靠近理想点和远离负理想点为目标，构建非线性规划模型。运用实码加速遗传算法（RAGA）进行求解，可较方便地获得兼具决策方法适应性和决策者偏好的指标综合权重。由此，基于RAGA的改进TOPSIS法可在一定程度上克服传统TOPSIS法的不足。应用实例证明了该方法的可行性和有效性。关键词：多属性决策；TOPSIS法；非线性规划；实码加速遗传算法；综合赋

6、权DOI：10.3778/j.issn.1002-8331.2009.17.071文章编号：1002－8331（2009）17-0235-03文献标识码：A中图分类号：O221.21引言2实码加速遗传算法TOPSIS法通过比较方案点距正、负理想点的距离大小来遗传算法（GA）是模拟生物在自然环境中的遗传和进化过判断被评价方案的优劣，是一种有效的多属性决策方法，已广程而形成的一种自适应全局优化概率搜索算法。遗传算法的编泛应用于社会经济和工程技术等领域[1-2]。然而，TOPSIS法有码方案有二进制编码、实数编码、符号编码等，与二进制编码相着不容忽视的不足之处：与理想点欧式

7、距离更近的方案可能比，实数编码具有无拓扑不连续问题、不需要解码过程、遗传操与负理想点的欧式距离也更近，按相对欧式距离对方案进行作简单、便于高精度数值优化等优点，因而得到越来越广泛的排序的结果有时并不能完全反映出各方案的优劣性[3-4]。文献应用。基于实数编码的加速遗传算法（RAGA）是对标准遗传算[5]以方案点靠近理想点和远离负理想点为目标，对TOPSIS法法（SGA）的改进，能十分简便而有效地求解常规优化方法较难进行了改进，但由于设定的问题是复杂非线性优化问题，采用处理的复杂系统优化问题。RAGA包括以下几个具体步骤：例传统的高等数学方法较难处理。