实码加速遗传算法在改进TOPSIS法中的应用

doi:10.3778/j.issn.1002-8331.2009.17.071

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (17): 235-237.DOI: 10.3778/j.issn.1002-8331.2009.17.071

实码加速遗传算法在改进TOPSIS法中的应用

张目^1,2,周宗放¹

1.电子科技大学经济与管理学院，成都 610054
2.贵州财经学院金融学院，贵阳 550004

收稿日期:2008-11-28 修回日期:2009-02-02 出版日期:2009-06-11 发布日期:2009-06-11
通讯作者: 张目

Application of real coded accelerating genetic algorithm to improve TOPSIS method

ZHANG Mu^1,2,ZHOU Zong-fang¹

1.School of Management and Economics，University of Electronic Science and Technology of China，Chengdu 610054，China
2.School of Finance，Guizhou College of Finance and Economics，Guiyang 550004，China

Received:2008-11-28 Revised:2009-02-02 Online:2009-06-11 Published:2009-06-11
Contact: ZHANG Mu

摘要/Abstract

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, 综合赋权

Abstract: In order to improve the TOPSIS method，respectively taking the feasible scheme close to ideal solution and far from negative ideal solution as the goal，two nonlinear programming models are established in this paper.Using real coded accelerating genetic algorithm（RAGA），two models above are solved.And then，the combination weight of index both having the adaptability to the decision-making method and the decision-maker’s preference information is obtained conveniently.Therefore，the draw back of the traditional TOPSIS method is overcome to a certain extent by the improved TOPSIS method based RAGA.Through a specific example，it is proved that the proposed method is feasible and effective.

Key words: multi-attribute decision-making, TOPSIS method, nonlinear programming, real coded accelerating genetic algorithm, combination weight

张目^1,2,周宗放¹. 实码加速遗传算法在改进TOPSIS法中的应用[J]. 计算机工程与应用, 2009, 45(17): 235-237.

ZHANG Mu^1,2,ZHOU Zong-fang¹. Application of real coded accelerating genetic algorithm to improve TOPSIS method[J]. Computer Engineering and Applications, 2009, 45(17): 235-237.

[1]	伍京华，耿翠阳，韩佳丽. 基于Agent的多属性决策模型及其在高校实验教学中的应用[J]. 计算机工程与应用, 2021, 57(8): 238-243.
[2]	张惠煜，陈庆新，毛宁. 随机批量物料搬运的制造系统AGV配置优化[J]. 计算机工程与应用, 2021, 57(4): 245-251.
[3]	钟磊，王应明. 考虑心理行为的区间二元语义动态群决策方法[J]. 计算机工程与应用, 2021, 57(2): 127-133.
[4]	包顺，周礼刚. 加型Pythagorean模糊偏好关系的多属性决策方法[J]. 计算机工程与应用, 2021, 57(17): 61-67.
[5]	黄林，袁修久. 改进的犹豫模糊语言熵的一般公式与生成算法[J]. 计算机工程与应用, 2021, 57(16): 97-107.
[6]	张俊芳，周礼刚，张春芳，徐鑫，肖箭. 区间Pythagorean犹豫模糊连续熵及灰色关联度的应用[J]. 计算机工程与应用, 2021, 57(15): 207-214.
[7]	朱永明，邱文静. 概率多值中智集的关联系数及其应用[J]. 计算机工程与应用, 2021, 57(15): 186-192.
[8]	陈杰，程胜，徐梦，史豪斌. 面向医疗辅助诊断的可视化多属性决策方法[J]. 计算机工程与应用, 2020, 56(8): 249-255.
[9]	宋娟. 考虑融合算法与交叉熵的毕达哥拉斯决策模型[J]. 计算机工程与应用, 2020, 56(5): 74-79.
[10]	包顺，徐鑫，肖箭，周礼刚. Pythagorean犹豫模糊灰色关联前景多属性决策方法[J]. 计算机工程与应用, 2020, 56(18): 119-123.
[11]	骆丹丹，曾守桢. Pythagorean模糊幂Bonferroni集成算子及其决策应用[J]. 计算机工程与应用, 2020, 56(15): 58-65.
[12]	张迪，成央金，杨柳. 区间犹豫梯形模糊Bonferroni Mean算子及其应用[J]. 计算机工程与应用, 2020, 56(1): 53-62.
[13]	王宁，朱峰. 概率不确定语言熵及其多属性群决策[J]. 计算机工程与应用, 2020, 56(1): 142-149.
[14]	彭定洪，杨扬. 毕达哥拉斯模糊优先集成算子及其决策应用[J]. 计算机工程与应用, 2019, 55(18): 218-222.
[15]	尹乔1，2，魏占辰1，2，黄秋兰1，孙功星1，石京燕1. Hadoop海量数据迁移系统开发及应用[J]. 计算机工程与应用, 2019, 55(13): 66-71.

实码加速遗传算法在改进TOPSIS法中的应用

Application of real coded accelerating genetic algorithm to improve TOPSIS method

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics