检索结果-南通市图书馆

基于偏好多目标优化和遗传算法的输电网架重构

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

山东大学学报（工学版） 2019年第5期49卷 17-23页

作者：孙润稼朱海南刘玉田电网智能化调度与控制教育部重点实验室(山东大学) 山东济南250061 国网山东省电力公司潍坊供电公司山东潍坊261021

提出一种基于偏好多目标优化和遗传算法的输电网架重构方法,考虑对于不同优化目标的偏好,制定网架重构方案。计及系统中机组、线路以及负荷的影响,提出3个评价指标作为优化目标,构建一个偏好多目标优化模型。考虑到所建优化模型的偏好... 详细信息

提出一种基于偏好多目标优化和遗传算法的输电网架重构方法,考虑对于不同优化目标的偏好,制定网架重构方案。计及系统中机组、线路以及负荷的影响,提出3个评价指标作为优化目标,构建一个偏好多目标优化模型。考虑到所建优化模型的偏好性和离散性,提出一种基于偏好的非支配排序遗传算法。提出基于偏好的支配关系、种群规模控制技术以及重复个体过滤技术,用于提高算法的效率,获得解数目可控的偏好Pareto最优解集。仿真结果表明,所提模型能够有效平衡网架重构的不同影响因素,所提算法对于网架重构优化问题有较高的求解效率。

关键词：电力系统恢复偏好多目标优化遗传算法 NSGA-II

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

用于解决高维多目标优化问题的偏好算法

用于解决高维多目标优化问题的偏好算法

作者：何斐西安电子科技大学

学位级别：硕士

人类免疫系统是一种高度进化、并行的分布式自适应系统,拥有着生物免疫系统所具备的较强的学习、记忆、识别和特征提取能力。人工免疫系统就是借鉴这些原理和机制所发展起来的,其具有一定的信息处理能力并能成功应用于工程和科学研究中... 详细信息

人类免疫系统是一种高度进化、并行的分布式自适应系统,拥有着生物免疫系统所具备的较强的学习、记忆、识别和特征提取能力。人工免疫系统就是借鉴这些原理和机制所发展起来的,其具有一定的信息处理能力并能成功应用于工程和科学研究中。人工免疫算法正是基于此免疫系统的学习算法,是人工免疫系统研究的主要内容之一。本文以提高人工免疫算法的搜索性能和节约计算资源为动机,研究了基于人工免疫系统的偏好多目标优化算法,主要分为以下三个方面的工作： 1.提出了一种新的基于参考方向的免疫克隆算法。该算法使用基于参考方向的方法为种群个体分配偏好等级,优先选取离偏好区域较近的精英个体填充活性抗体种群,并通过按比例克隆提高偏好等级高的个体被克隆的机会,接着使用能很好地处理带有高维决策变量优化问题的智能交叉算子进行交叉操作,最后算法还整合了光束搜索模型来选取外部种群,以保证最终输出的解集在决策者的偏好区域内。经过实验验证,此算法能够成功解决高维多目标优化问题,甚至在目标向量维数高达100维时,相比于其他几个对比算法也能保证最优的收敛性。 2.提出了一种新型的基于角度的偏好选择机制。现有的多数偏好选择机制步骤较复杂,有的还需要使用计算量较大的伸缩函数,于是构建一种简单易行的偏好方法就成了我们做这个工作的出发点。这里新提出的偏好选择机制实质上是利用解向量与偏好方向之间的夹角值大小来作为解的选择标准,十分易于理解和操作。我们把其与经典的基于非支配紧邻选择的多目标免疫算法(NNIA)相结合,将其主要用于活性种群和外部种群的选择,成功地解决了高维多目标优化问题,相比于其他偏好算法和偏好算子在收敛性方面表现出了绝对的优势。 3.本章通过将上一章所提出的算法中外部种群的选择方式变为更为经典的光束搜索模型,并对基于角度的偏好选择机制的活性种群选择过程进行自适应处理,提出了改进版的基于角度偏好选择机制的免疫克隆算法,弥补了上一章工作在某些测试问题上所表现出的明显缺陷。实验证明,改进后的算法能够在4到]0目标的DTLZ1,DTLZ2和DTLZ3问题上都表现出稳定的收敛性。

关键词：偏好多目标优化免疫克隆算法高维多目标优化

基于偏好MOEA/D算法的天然气发动机多目标优化标定研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于偏好MOEA/D算法的天然气发动机多目标优化标定研究

作者：刘昭璐哈尔滨工程大学

学位级别：硕士

发动机多目标优化技术是降低发动机排放、提升发动机经济性的有效技术手段,其本质是寻求使多个指标如排放、燃料消耗等均达最优的控制参数组合。当前的相关研究大多集中于在全工况范围下求解出完整帕累托前沿,不利于最终决策者对偏好方... 详细信息

发动机多目标优化技术是降低发动机排放、提升发动机经济性的有效技术手段,其本质是寻求使多个指标如排放、燃料消耗等均达最优的控制参数组合。当前的相关研究大多集中于在全工况范围下求解出完整帕累托前沿,不利于最终决策者对偏好方案的选取且浪费计算资源。并且国际海事组织针对不同区域制订了不同标准的排放法规,因此随着船舶航行区域的变化,用户对发动机的需求也有着不同的偏好。本文针对6M33天然气发动机开展带有决策者偏好信息的多目标性能优化研究,旨在获得决策者不同偏好下的最优解决方案,使发动机在不同运行条件下均保持最佳性能。本文利用GT-Power软件搭建了天然气发动机数值仿真模型,并开展了台架试验,对模型进行了标定与验证。在此基础上,研究分析了点火正时和空燃比对发动机性能与排放的影响,为进行试验设计和后续分析提供了理论指导。基于有限数据建立天然气发动机预测模型,探究分析了BP神经网络、LSTM神经网络以及极限学习机等预测建模技术优缺点,其中极限学习机因其强大的非线性拟合能力以及独特的学习训练过程实现了对控制参数和输出响应之间的高效拟合。针对天然气发动机NOx排放和燃料消耗难以调和的矛盾,提出了基于极限学习机预测模型与MOEA/D算法相结合多目标优化策略,并设计了自适应进化算子,旨在解决最优解分布均匀性差问题。利用该策略对天然气发动机进行优化,所有解均满足IMO Tier-Ⅱ排放法规,并且存在满足IMO Tier-Ⅲ的最优解决方案。在此基础上,提出基于权重向量变换的方式,将决策者偏好信息引入MOEA/D算法框架,实现了带有决策者偏好信息的天然气发动机多目标优化。选取两种不同偏好进行验证,在低排放偏好方案下,所有工况均能满足IMO Tier-Ⅲ限值,此时NOx排放相较原机下降了81%,而BSFC则增长了0.35%,表明可以在牺牲少量经济性的基础上获得较低的排放水平。而将排放限值放宽至IMO Tier-Ⅱ时,NOx排放平均降低了35%,同时BSFC也较原机降低了1.86%,实现了NOx与BSFC的同时优化。

关键词：天然气发动机预测模型极限学习机偏好多目标优化 MOEA/D算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

偏好多目标进化算法研究

偏好多目标进化算法研究

作者：谢谆志湘潭大学

学位级别：硕士

进化计算是指进化规划、遗传算法、和进化策略三者的统称。进化算法已经广泛用于工程控制、函数优化、机器学习等NP难问题的求解上，通过模拟生物进化过程中的杂交变异来保留父代的优良基因和自然选择的“优胜劣汰”机制来解决现实生活... 详细信息

进化计算是指进化规划、遗传算法、和进化策略三者的统称。进化算法已经广泛用于工程控制、函数优化、机器学习等NP难问题的求解上，通过模拟生物进化过程中的杂交变异来保留父代的优良基因和自然选择的“优胜劣汰”机制来解决现实生活中的各种复杂优化问题。它是起源于上世纪50年代末，成熟于上世纪80年代，发展到现在已经成为一个独立完整学科，广泛应用于其它各个学科的新兴热点研究方向。从优化问题的角度来说可以分为单目标优化问题和多目标优化问题，单目优化问题即被优化的问题只有一个需要优化的目标，最优解也只有一个，而多目标优化问题（现实生活中的优化问题主要是多目标优化问题）是优化2个或以上的相互冲突的目标，最优解的个数变成无穷多个，而且随着优化目标的不断增多优化的难度以及最优个体的数量都将以几何级数增长。对于传统的多目标优化算法而言，它们追求的是分布广泛、均匀和收敛的最优解，但是对于决策者来说他/她只需要用到其中的一个或者几个解，而其它大多数解是要被丢弃的也就造成了一种浪费。为了最大程度的避免这种浪费研究者们提出了偏好多目标优化算法（preference-based multi-objective evolutionaryalgorithms,PMOEAs）这一概念。所谓偏好多目标进化算法即引入决策者的偏好信息，算法根据所引入的偏好信息求解最能满足偏好的最优解，从而避免了不必要的计算资源的浪费。本文提出了一种基于角度关系的偏好多目标进化算法。该算法通过角度关系将非支配个体集进行适应度分层，利用参考点引导种群趋近决策者更感兴趣的区域。根据“支点”到解个体的向量与“支点”到种群中离参考点最近解的向量的比较关系，借助自适应夹角差判定个体优劣。与几种流行的偏好多目标进化算法进行比较实验，结果表明本文所提出的算法有如下特性：1)可灵活地控制偏好解的范围;2)支持多引用点;3)引用点的位置(在可行域内，可行域外，Pareto最优面上)不影响实验结果;4)有很好的适应性;5)在高维问题上能快速地获得决策者感兴趣的解。偏好多目标算法是目前的一个研究热点,但是至今还没有好的针对它的评价方法。这主要是因为偏好的主观性导致的，因此我们只能通过一些评价传统多目标算法的评价指标来评价偏好算法这往往是不准确的。为此本文提出了一种结合IGD和GD评价方法，针对偏好算法的评价指标。该评价方法能比较客观的反映传统评价方法所不能反映的一些偏好算法的性能。

关键词：多目标进化算法偏好多目标优化决策者 Pareto支配角度支配

基于分解的偏好多目标进化算法及其评价指标的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于分解的偏好多目标进化算法及其评价指标的研究

作者：喻果湘潭大学

学位级别：硕士

为了求解现实生活中和工程实践中的多目标优化问题,其中,这些问题大多都是多目标优化问题;另外,这些问题通常是高度复杂和非线性的,而多目标进化算法能很好的解决上述问题,因而多目标算法的研究成为了人工智能研究领域的热点之一。多目... 详细信息

为了求解现实生活中和工程实践中的多目标优化问题,其中,这些问题大多都是多目标优化问题;另外,这些问题通常是高度复杂和非线性的,而多目标进化算法能很好的解决上述问题,因而多目标算法的研究成为了人工智能研究领域的热点之一。多目标优化中的最优解,通常称之为Pareto最优解。研究者们发现在问题求解的过程中,随着问题维数的增加,种群中Pareto最优解的个数也会随之成指数级增加,从而增加了算法的随机搜索难度,不利于算法的收敛和最终决策者(Decision Maker,DM)对偏好解的最终选取,因此基于决策者偏好信息的MOEAs成为了进化算法中研究的研究重点。通过决策者给出的偏好信息如参考点的位置关系,算法能有针对性的选取Pareto最优解并排除决策者不喜爱的解,最终搜到决策者感兴趣的由Pareto最优解组成的偏好区域。因此,如何高效地表达决策者的偏好信息将影响算法最终的性能和决策者的满意程度。首先,系统的研究了多目标进化算法的基本理论和基于偏好信息的多目标算法的研究现状,并针对发现的问题进行了详细地分析,同时给出了在多目标偏好进化算法设计和分析过程中研究要点,以及基于分解信息的偏好多目标算法模型。然后,针对决策者不同偏好信息建立偏好模型,设计了基于权重迭代的偏好多目标分解算法(MOEA/D-PRE)。主要通过设计权重迭代方法获取一组均匀的权重向量,对偏好区域进行映射,使得算法在进化过程中,不用考虑参考点所处目标空间区域位置信息对算法性能的影响。进而加强算法对个体的选择压力,有利于算法的收敛性,与算法G-NSGA-II和R-NSGA-II进行实验对比,实验结果证明了算法在较多情况下拥有较好的性能。最后,本文提出了基于偏好距离和偏好角度的偏好多目标进化算法的评价指标(PMDA)。通过分解参考点来构造基于参考点的超平面,利用算法所获得的个体到超平面的距离和角度来评价算法的性能。相比其他的基于偏好信息的评价指标如HV-UM、IGD-CF,本文的评价指标避免了真实Pareto前沿信息同时也综合评价不在偏好区域的个体,既能评价算法的收敛性能,又可以评价算法的分布性能。因此在一定的程度上,本文的评价指标能较好的全面评价算法的性能。

关键词：多目标优化问题偏好多目标优化权重迭代超平面决策者

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

关于如何用角度信息引入决策者偏好的研究

电子学报 2014年第11期42卷 2239-2246页

作者：郑金华谢谆志湘潭大学信息工程学院湖南湘潭411105

在实际的多目标优化中,决策者通常只对少部分的Pareto最优解感兴趣.然而,传统多目标优化算法关注整个Pareto最优面上的解集,这不仅需要花费大量计算时间在无用解的搜索上,同时决策者也很难从众多解中选出符合自己偏好的解(特别是问题目... 详细信息

在实际的多目标优化中,决策者通常只对少部分的Pareto最优解感兴趣.然而,传统多目标优化算法关注整个Pareto最优面上的解集,这不仅需要花费大量计算时间在无用解的搜索上,同时决策者也很难从众多解中选出符合自己偏好的解(特别是问题目标个数大于3时).为此,本文提出了一种利用个体间的角度关系的偏好多目标进化算法.该方法通过重新定义个体间的支配关系和聚集距离使那些离决策者偏好区域越近的个体优先被保留下来,从而引导种群趋近于决策者的偏好区域.

关键词：多目标进化算法偏好多目标优化偏好点交互式过程决策者

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

高含硫天然气脱硫工艺数据建模与节能优化

高含硫天然气脱硫工艺数据建模与节能优化

作者：唐海红重庆科技学院

学位级别：硕士

随着人们环保意识的增强,天然气作为清洁能源得到广泛重视,其需求量呈逐年递增的趋势。但在中国超过25%的天然气因酸性组分(HS、CO)过高而不能被直接利用,必须经过脱硫工艺过程处理,而该过程存在脱硫选择性低和能耗高的特点,不利于石油... 详细信息

随着人们环保意识的增强,天然气作为清洁能源得到广泛重视,其需求量呈逐年递增的趋势。但在中国超过25%的天然气因酸性组分(HS、CO)过高而不能被直接利用,必须经过脱硫工艺过程处理,而该过程存在脱硫选择性低和能耗高的特点,不利于石油企业的可持续发展。故提升脱硫选择性和降低能耗以提升企业竞争力和经济效益是高含硫天然气净化厂普遍关心和亟待解决的关键问题。随信息技术的飞速发展和大数据挖掘技术的成熟,不仅使工业生产现场的集散控制系统收集储存了海量生产数据,且为基于数据驱动的工业过程建模和多目标优化提供技术支持。为此,本文针对高含硫天然气脱硫工艺过程数据建模的问题和操作参数优化的问题展开深入研究,具体包括以下内容:(1)提出MiUKFNN算法以解决高含硫天然气脱硫工艺建模效率和模型可靠性的问题。该方法运用UKF算法的最优非线性估计特性,克服噪音数据对BPNN算法建模精度的影响;同时,运用最小采样点算法代替对称采样点算法以有效减少采样点的数量,提升建模效率,缩短建模时间。工业应用实验结果表明,所提算法不仅大幅度提升模型的运行效率,且相比BPNN和UKFNN有较高的模型精度;最后通过杠杆算法(Leverage approach,LA)证明了所建模型的有效性和可靠性。(2)提出ScMiUKFNN算法不仅可以提升MiUKFNN模型的精度,且还能兼顾模型运行速度。该算法在MiUKFNN算法基础上,引入比例无迹变化以代替UKF算法中的UT算法,以提升UKF算法对状态变量的均值和协方差的预测精度。仿真实验和工业应用实验结果表明,ScMiUKFNN模型不仅相较于BPNN、UKFNN和MiUKFNN模型有最大R值和最小的模型误差,且能够有效保证模型的运行效率。(3)提出NSGA-II-RVC算法不仅能改善多目标优化算法的收敛性和多样性,还能有效解决带约束条件的工业优化问题。首先,在NSGA-II算法的框架上引入用户偏好向量、违反约束函数的选择策略和非规则PF的自适应参考向量代替拥挤度排序算法进行精英个体选择;同时,运用角-距离惩罚函数平衡算法的收敛能力和保持种群多样性的能力;最后,运用遗传操作算法得到新种群。仿真实验结果表明NSGA-II-RVC算法的收敛性和所得种群多样性均优于NSGA-II和NSGA-III两种算法。将NSGA-II-RVC算法进一步应用到工业生产过程,对高含硫天然气脱硫工艺的ScMiUKFNN模型进行多目标优化,所得最优操作参数不仅使得脱硫选择性提升了0.58%,且生产效率也提升了1.3%。

关键词：高含硫天然气脱硫过程无迹卡尔曼滤波神经网络最小采样点比例无迹变换偏好多目标优化节能降耗

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

油田机采过程高精度建模与生产优化应用研究

油田机采过程高精度建模与生产优化应用研究

作者：王坎西安石油大学

学位级别：硕士

油田是产能大户,也是耗能大户。机械采油是油田主要耗能方式,但其效率普遍不足30%,若每台采油设备节省一点能耗,则效益惊人。如何进一步提升抽油机井采油技术和管理水平成为油田普遍关心和亟待解决的关键问题。数字化油田的发展使井上... 详细信息

油田是产能大户,也是耗能大户。机械采油是油田主要耗能方式,但其效率普遍不足30%,若每台采油设备节省一点能耗,则效益惊人。如何进一步提升抽油机井采油技术和管理水平成为油田普遍关心和亟待解决的关键问题。数字化油田的发展使井上井下布置了大量检测装置,记录了丰富详实的工况参数与产量、能耗数据,这意味可由数据挖掘技术,从大量生产数据中挖掘采油工艺潜在规律,并用数学模型描述;再通过智能优化技术从获取的工艺规律中寻找最佳的生产参数,以使得机采系统实时保持最佳运行状态,实现节能增效。为此,本文针对油田机采系统数据挖掘技术和生产参数智能优化技术的关键科学问题展开深入研究,以油田机采系统为研究对象,通过理论研究、仿真实验及软件开发促进油田机采系统实现自主建模、智能优化和自动决策,具体包括以下内容:(1)提出基于无迹粒子滤波神经网络(UPFNN)的油田机采系统动态演化建模方法。建立精准的机采工艺模型是实现生产优化的前提。由于机采系统受机械、地层、人为等不确定因素影响,难以准确掌握其生产参数、环境变量与系统性能之间的变化关系,为此本文提出利用无迹粒子滤波实时更新神经网络的权值和阈值,建立基于无迹粒子滤波神经网络子空间逼近的机采系统非线性动态演化模型。该方法利用无迹卡尔曼滤波对粒子进行估计,产生重要性密度,并更新粒子,以提高提高粒子滤波精度,从而改善神经网络建模精度。(2)提出基于偏好多目标优化的油田机采过程生产参数优化方法。油田为实现油藏的科学、合理化开采,通常需要根据油藏分布从全局上设计出各采油区在一段时间内的开采量(即给定生产制度)。因此,机采系统优化不能以采油量最大和用能最低为目标,而应该以采油量接近某一给定值和用能最低作为优化目标。此外,油田机采系统生产优化是在各种约束条件下求取目标函数的最优值,属于复杂的非线性优化问题,应用传统优化理论往往遇到困难。带精英策略的非支配排序遗传算法通过计算个体之间的拥挤度来回避共享参数指定问题,并采用精英策略保存父代种群的优秀个体,可实现多目标并行优化。这使得其在处理工业过程问题复杂、高维、难以解析得到的优化模型时比传统优化方法更具优势。为此,本文首先结合无迹粒子滤波神经网络建立的机采过程模型和面向生产制度的偏好函数,构建偏好多目标优化模型,然后采用带精英策略的非支配排序遗传算法求解生产参数的Pareto解集,再通过有序加权获得Pareto解集上每个方案的综合评价,最终获得最佳方案。(3)开发数字化油田抽油机群调度优化决策支撑系统。为实现理论指导实际生产,本文将上述理论研究通过C#与MATLAB混合编程方式开发出一套数字化油田抽油机群调度优化决策支撑系统,并植入油田机采生产管理平台,实现了机采系统的自主建模、智能优化和自主决策。

关键词：机采过程无迹粒子滤波神经网络偏好多目标优化系统开发

电网月停电计划智能编排系统关键技术研究与初步实证

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电网月停电计划智能编排系统关键技术研究与初步实证

作者：唐伟宁华南理工大学

学位级别：硕士

电网的停电计划编排业务直接关系到电网的供电可靠性、运行经济性,以及停电工作能否顺利开展等因素,是电网运行中一项频繁且关键的工作。合理、科学地编排停电计划以减少设备的停电次数,进而降低设备停电对电网运行的影响,是停电计划编... 详细信息

电网的停电计划编排业务直接关系到电网的供电可靠性、运行经济性,以及停电工作能否顺利开展等因素,是电网运行中一项频繁且关键的工作。合理、科学地编排停电计划以减少设备的停电次数,进而降低设备停电对电网运行的影响,是停电计划编排业务的核心目标。当前,停电计划编排业务多以人工编制的形式进行,这种方法不仅耗费编排人员大量的时间和精力,而且编排结果的质量很大程度上取决于编排人员的专业能力和工作经验等主观因素。因此,如何设计可用于智能系统开发的停电计划编排流程,并对其中的关键问题进行研究,进而设计出可替代人工流程的停电计划智能编排系统显得至关重要。本文从对月停电计划人工编排业务的流程梳理与分析入手,对现有的业务流程进行了重构。在此基础上,对其中的计划统筹和排期优化两大核心模块中的关键技术进行研究,并基于微服务框架的对停电计划智能编排系统进行系统框架和数据设计。本文的主要研究内容如下:(1)对实际月停电计划编排人工流程进行梳理分析,并在现有流程的基础上,基于月停电计划编排业务的主要需求对流程进行了重构。进一步地,提出了月停电计划初始编排流程、月停电计划统筹调整流程、月停电计划滚动编排流程,以及计划冲突回溯流程的编排流程重构结果。对人工流程中涉及的各类功能及数据进行拆解和组织,设计出用于智能编排系统研究开发的七大模块。上述业务梳理、功能拆解与流程重构等内容解决了停电计划编排业务中流程与编排人员主观调整和决策耦合程度高的难题,构成了可用于月停电计划编排业务的智能系统集成开发的智能化流程架构。同时,本文根据流程架构重构结果指出了目前流程中实现智能化系统设计所存在的两大难点:1)计划调整与排期求解过程解耦,以及2)考虑人员主观偏好的排期优化问题。(2)针对难点1),本文对停电计划智能统筹中的关键技术集进行研究,并提出基于专家知识的方法。该方法包含基于知识图谱的计划关联关系判别方法和基于监督学习的计划优先级排序方法。其中前者主要对计划编排过程的关联关系判别规则构建形成知识图谱,通过拓扑搜索与知识推理实现计划关联关系高效判别;后者则提出了考虑多重指标的停电计划优先级评价模型,并基于Ranking SVM对模型参数进行学习。对上述方法在某实际局部电网进行案例测试,结果验证了所提方法的有效性。(3)针对难点2),本文对考虑偏好的停电计划排期优化问题进行建模,并提出了用于求解该模型的偏好筛选的二代非支配排序遗传算法(Preference-screening fast and elitist nondominated sorting genetic algorithm,PS-NSGAⅡ),算法通过偏好评价值对种群中每个个体进行筛选,并通过参数自适应调整的方式加速求解过程。在实际电网中的案例测试表明PS-NSGAⅡ算法的效果优于现有算法。(4)结合上述研究内容,本文对停电计划智能编排系统的系统框架与服务设计、数据库与数据结构设计分别进行研究。系统测试结果表明上述方法和流程可用于实际的电网月停电计划编排工作中。

关键词：停电计划编排智能系统计划统筹偏好多目标优化微服务