隐性目标决策问题是指决策目标无法或很难显式化、结构化表征的一类复杂最优化问题,广泛存在于现实生活的方方面面,例如服装设计问题、旅游行程规划问题与汽车造型设计问题等等,故研究支持隐性目标决策问题求解的决策方法具有重大理论意义及实用价值。隐性目标决策问题除了“决策目标模糊难言,无法显式化表达”之外,还具备“决策者偏好随交互决策过程动态调整”及“问题决策空间大、可行解方案多”的特征,导致传统的最优化决策方法不能直接用以求解,其求解过程需借助具有交互机制的决策方式来开展。交互式遗传算法(IGA)正是一种具有人机交互决策机制的智能决策方法,它基于人的主观评价来给定个体适应度值,在传统遗传算法(GA)中融入交互式进化思想,充分发挥了人的主观能动性及智能信息处理能力,是一类适合求解隐性目标决策问题的决策方法,可作为其求解方法基础。然而,传统IGA存在着收敛效率低、用户易疲劳与种群多样性缺失等问题,很大程度上限制了算法的进一步应用与推广本文在对国内外IGA及GA研究概况及基本操作分析总结的基础上,构建了基于IGA的隐性目标决策问题求解模型,并针对现有IGA研究的不足之处,从以下三个方面对IGA进行了深入研究与探讨：结合用户偏好的交互式遗传算法研究、结合共享机制小生境技术的交互式遗传算法研究以及多用户参与的交互式遗传算法研究,提出了多种面向隐性目标决策问题求解的改进IGA方法,并且以汽车前脸造型设计这一典型的隐性目标决策问题作为应用实例,构建起辅助算法求解的智能决策支持系统,验证了所提算法的有效性。完成的主要研究内容总结如下：(1)针对限制IGA性能的用户疲劳问题,设计了一种基于用户偏好模型的交互式遗传算法。该方法从进化个体整体及部分评价两方面结合入手,摸索用户认知规律以构建用户偏好模型,并根据算法交互过程中获取的用户较偏爱个体评价信息,提取出进化个体各构成部分的适应值,综合考虑各构成部分的权重及构成部分组合对用户整体偏好的影响,设计出进化个体适应度值估算公式,作为用户疲劳时机器替代人工的依据。汽车前脸造型设计仿真实验结果表明,该算法能大大降低迭代次数及用户评价次数,从而有效减轻了用户疲劳。(2)针对限制IGA性能的求解效率低的问题,构建了一种基于用户局部偏好的交互式遗传算法。首先讨论了用户局部偏好固定／剔除操作的实现,然后描述了改进的交叉变异算子,之后对算法流程及性能进行分析,最后将算法应用于汽车前脸造型设计仿真实验,结果显示了该算法能有效加快收敛速度并提高寻得最优造型个体的成功率。(3)针对IGA种群多样性维持问题,通过共享机制小生境技术的概述,引入小生境熵来度量种群多样性,并基于此构建起基于改进共享机制的小生境交互式遗传算法。该算法中,设计了共享机制小生境半径的自适应选择策略、适应度值估算方法及交叉、变异操作的自适应确定方案,用户仅需从每代种群中选择一个作为当代最优个体,无需给出具体适应度值,有效降低了其评价疲劳。汽车前脸造型设计系统仿真实验结果也验证了算法在保持高效寻优性能的同时,能够有效维持种群多样性。(4)针对多人参与的隐性目标群决策问题,描述了其智能决策过程,并提出一种基于单种群协同的新型多用户交互式遗传算法。该算法重点探讨了多用户权重的自适应设置、群体适应度值的计算方式、交叉变异概率的自适应调整、算法收敛条件选取问题以及局域网络平台的搭建。仍以汽车前脸造型设计问题为例进行了仿真实验,实验数据表明了该算法在寻优效率及结果群体满意度方面优越性,也体现出其在种群多样性维持及控制方面的有效性。(5)为辅助IGA方法的系统实现,提出了基于IGA的智能决策支持系统结构模型,即支持隐性目标决策问题求解的一般概念模型,并针对模型中六个组成部分进行了展述。将汽车前脸造型设计问题作为隐性目标决策问题应用实例,开发了基于IGA的汽车前脸造型设计系统,重点分析了汽车前脸造型设计编码问题,并讨论了基于IGA的汽车前脸造型设计系统的实现流程及系统功能。