1.3.2 IEC与用户偏好获取模型

偏好的概念主要应用在多准则决策中，表示不同用户对不同目标、属性或因素的重视程度。而IEC主要应用于服装设计、乐曲创作、工业设计和数据挖掘等一类性能指标难以用显式函数表示的系统优化问题，这类问题在一定程度上也具有多目标的性质，可以看作一个多目标决策过程。从决策角度研究IEC，主要有许芳诚等人。他们研究了基于IEC的多准则决策模型，并将其用于旅游行程规划和乐谱设计[2，28]。

实际上，IEC用户评价的个体适应值，就是该用户对此方案 （解）的总体满意程度，然后进化算法再根据此用户的满意值在参数空间中进一步搜索更好的方案 （解），直到找到用户满意的最终方案 （解）。所以，IEC用户评价出的进化个体适应值实际上是对不同目标、属性或因素的一个综合值，但没有给出用户对不同目标、属性或因素的重视程度量值 （如图1.1 所示）。因此，如果能够求解图1.1所示的各个因素的权重，也就可以建立起IEC用户的偏好模型，从而可以辅助问题求解。

图1.1 个体适应值 （偏好）在不同因素上的分解模式

IEC用户偏好获取的另一个困难在于，由于人对事物认知过程的不确定性，用户很难在一开始就完全明确其偏好，而要在交互求解过程中，逐渐建立起偏好，因而出现IEC用户偏好不断调整的情况。这种偏好的调整，反映在各个因素的重视程度上，那就是各权重不断发生变化。

目前，学者们主要是对个体的整体偏好进行研究，如文献[29]提出的基于神经网络的分阶段估计方法，以辅助IEC求解；而缺乏逆向的总体适应值在各个因素上的分解值这方面的研究，再加上用户的偏好不断调整，所以，如何建立IEC用户偏好获取模型将是一项极具挑战性而又重要的工作。

在多准则决策中，有许多方法可以借鉴，如权重和法、效用函数法、层次分析法 （AHP）等[30，31]；而人工智能中神经网络、分类器等技术可用于偏好的学习及适应值预测。如何使用适当的多准则决策方法和人工智能技术，并结合IEC方法操作的特点，成为获取 IEC用户偏好的关键。