多目标规划 作业.pptVIP

* 5. 多目标规划 多目标规划建模——引例 多目标规划模型 多目标规划的示意图 多目标规划的性质 多目标规划重要算法 引例1： 投资问题 某公司在一段时间内有a(亿元)的资金可用于建厂投资。若可供选择的项目记为1，2，...，m。而且一旦对第i个项目投资，就用去ai亿元；而这段时间内可得收益ci亿元。问如何如确定最佳的投资方案？ 对第i个项目投资 不对第i个项目投资 约束条件为： 最佳的投资方案——投资最少、收益最大 投资最少： 收益最大 双目标规划 引例2： 生产问题 某工厂生产两种产品，产品A每单位利润为10元，而产品B每单位利润为8元，产品A每单位需3小时装配时间而B为2小时，每周总装配有效时间为120小时。工厂允许加班，但加班生产出来的产品利润的减去1元，根据最近的合同，厂商每周最少得向用户提供两种产品各30单位。要求:1) 必须遵守合同；2)尽可能少加班；3)利润最大. 问怎样安排生产？ 约束条件为： 加班最少 利润最大 每周正常时间生产得A产品数量——x1 每周正常时间生产得B产品数量——x3 每周加班时间生产得A产品数量——x2 每周加班时间生产得B产品数量——x4 多目标规划的模型 一般形式: 求目标函数的最大值或约束条件为大于等于零的情况，都可通过取其相反数化为上述一般形式． 定义1 把满足问题中约束条件的解X∈Rn称为可行解(或可行点)，所有可行点的集合称为可行集(或可行域)．记为D．即: 原问题可简记为 定义2 x*是绝对最优解??fj(X)≧fj(x*), 任意X∈D, j=1~ p x*是有效解(Pareto解) ??不存在X∈D , 使得fj(X)≤fj(x*), j=1~ p x*是弱有效解?? 不存在X∈D , 使得fj(X)fj(x*), j=1~ p 绝对最优解＝有效解 有效解=弱有效解 定义3 像集F(R)={F(x)|x∈R}??约束集R在映像F之下的值域 F*是有效点 ??不存在F∈F(R), 使得F≤F*； F *是弱有效点?? 不存在F∈F(R), 使得FF； 有效点＝弱有效点 有效点 弱有效点 基本思想——转换为单目标规划问题 多目标规划的基本解法 (1)约束法 (2)分层序列法 (3)功效系数法 (4)评价函数法 1. 约束法——在多个目标中选定一个主要目标，而对其他目标设定一个期望值，在要求结果不比此期望值坏的条件下，求主要目标的最优值。 多目标规划的基本解法 2. 分层序列法——把多个目标按其重要程度排序，先求出第一个目标的最优解，再在达到此目标的条件下求第二个目标的最优解，依此类推直到最后一个求解结束即得到最优解。 缺点：当前面的问题最优解唯一时，后面的求解失去意义！ 改进——宽容分层序列法：给前面的最优值设定一定的宽容值ε0, 即此目标值再差ε也是可接受的! 多目标规划的基本解法 3. 功效系数法——对不同类型的目标函数统一量纲，分别得到一个功效系数函数，然后求所有功效系数乘积的最优解。例如： 线性型功效系数法，还有其它类型的方法，如指数型方法 多目标规划的基本解法 4. 评价函数法——这是一种最常见的方法，就是用一个评价函数来集中反映各不同目标的重要性等因素，并极小化此评价函数，得到问题的最优解。常见的以下几种方法： 原理：距理想点最近的点作为最优解! 4.1 理想点法： 定义评价函数： 求解非线性规划问题： 原理：平方和加权法体现了通常的“自报公议”原则——那些强调各自目标重要者预先给出一个尽可能好的估计，然后“公议”给出一组表明各目标性的权系数，最后求解非线性规划给出解答。 4.2 平方和加权法： 定义评价函数： 求解非线性规划问题： 先设定单目标规划的下界(想象中的最好值)，即 其中λj为事先给定的一组权系数，满足： 虚拟目标法 多目标规划的基本解法 4.3 线性加权法： 再定义评价函数： 求解非线性规划问题： 事先按目标函数f1(X)、...、fp(X)的重要程度给出一组权系数λj，满足： 多目标规划的基本解法 4.4 “min-max”法(极小极大法) 定义评价函数： 求解非线性规划问题： 原理：在最不利的情况下找出一个最有利的策略!——悲观主义决策 多目标规划的基本解法 4.4 “min-max”法(极小极大法) 此非线性规划问题