Multi-criteria reliability optimization for a complex system with a bridge structure in a fuzzy environment: A fuzzy multi-criteria genetic algorithm approach

Optimizing system reliability in a fuzzy environment is complex due to the presence of imprecise multiple decision criteria such as maximizing system reliability and minimizing system cost. This calls for multi-criteria decision making approaches that incorporate fuzzy set theory concepts and heuristic methods. This paper presents a fuzzy multi-criteria nonlinear model, and proposes a fuzzy multi-criteria genetic algorithm (FMGA) for complex bridge system reliability design in a fuzzy environment. The algorithm uses fuzzy multi-criteria evaluation techniques to handle fuzzy goals, preferences, and constraints. The evaluation approach incorporates fuzzy preferences and expert choices of the decision maker in regards to cost and reliability goals. Fuzzy evaluation gives the algorithm flexibility and adaptability, yielding near-optimal solutions within short computation times. Results from computational experiments based on benchmark problems demonstrate that the FMGA approach is a more reliable and effective approach than best known algorithm, especially in a fuzzy multi-criteria environment.

Optymalizacja niezawodności systemu w środowisku rozmytym to problem złożony ze względu na konieczność wzięcia pod uwagę wielu niedokładnie określonych kryteriów decyzyjnych, takich jak maksymalizacja niezawodności systemu i minimalizacja kosztów. Wymaga ona zastosowania wielokryterialnych metod podejmowania decyzji, które łączyłyby pojęcia z zakresu teorii zbiorów rozmytych oraz metody heurystyczne. W niniejszej pracy przedstawiono rozmyty wielokryterialny model nieliniowy (FMGA) oraz zaproponowano rozmyty wielokryterialny algorytm genetyczny do projektowania niezawodności złożonych systemów mostkowym w środowisku rozmytym. Algorytm wykorzystuje techniki rozmytej oceny wielokryterialnej do określania rozmytych celów, preferencji oraz ograniczeń. Metoda oceny uwzględnia rozmyte preferencje i eksperckie wybory decydenta dotyczące kosztów oraz celów niezawodnościowych. Ocena rozmyta nadaje algorytmowi cechy elastyczności oraz adaptacyjności, pozwalając na otrzymanie niemal optymalnych rozwiązań w krótkim czasie obliczeniowym. Wyniki eksperymentów obliczeniowych opartych na problemach wzorcowych pokazują, że podejście z zastosowaniem FMGA jest bardziej niezawodne i wydajne niż najbardziej znany algorytm, zwłaszcza w rozmytym środowisku wielokryterialnym.