第10章 双层规划.pptVIP

10.8 铁路旅客票价制定的双层规划模型 从定量角度出发，既保障了出行者使自己的出行费用最小，又能使铁路客运在市场竞争中取得最大的经济效益。 上层规划: 描述为铁路客运管理部门 在政府规定的范围内制定最佳的客票 价格以使铁路客运的经济效益为最大。 下层规划:描述城市间多模式运输竞争 条件下，客流在不同运输方式之间的 分配模式，目标是使每个出行者在出 行过程中的出行费用最低。 一般情况下，旅客总是力图选择从起点到终点之间总的广义出行费用最低的客运运输方式， 10.8 铁路旅客票价制定的双层规划模型 出行时间、旅客票价、安全、方便舒适度等 比如铁路，假定一开始它的出行费用是最低的 如果所有出行者都选择某一种客运运输方式。 那么随着该运输方式客流需求的增加，它总的出行费用就会上升，例如票价上升，出行时间变大，服务质量下降等。使得一部分旅客放弃选择这种运输方式，而选择其它运输方式，而别的运输方式出行费用也会随客流需求的增加而上升。 最终，在不同的客运运输方式之间会达到一种客流分配的稳定的均衡状态。这种均衡状态可以描述为：在城市之间的所有可供选择的客运运输方式中，旅客所利用的各种客运运输方式的广义出行费用全部相等，并且不大于未被利用的客运运输方式的出行费用。 10.8 铁路旅客票价制定的双层规划模型 10.4双层规划计算复杂性 其中 第三种情况： 如果上下层决策者分别独立控制各自的决策变量，双层规划变为 设其最优解为 10.4双层规划计算复杂性 那么有下式存在： 除双层规划外，后两种情况都是求单层规划，较容易，因此可不直接求双层规划，而直接求后两类单层规划，然后尽量减小 与 ， 与 之间的差异。 计划经济 市场经济 其中 解 对上述问题，当 时，由 ，得 。当取 时，下层问题的最优目标函数值 ，但下层问题的最优解不唯一，满足 ，显然这对上层目标函数 产生影响。当 时， ；当 时， 。 10.4双层规划计算复杂性 上述例子说明： 当上层给定一个允许决策后，如果下层问题的最优解不唯一，将导致整个求解的复杂性，甚至无法保证能求得问题的最优解。 10.5双层规划求解算法 对于双层规划是上层先进行决策，为了说明这种顺序的重要性，考虑下面的例子。 其中 求解 10.5双层规划求解算法 例2.3 10.5双层规划求解算法 值 值 上层 下层 上层 下层 同时决策 由表可以看出决策顺序很重要，如果控制 变量的选手先决策，它的最小费用要比后选择策略或两选手同时决策要优。 到目前为止，对于双层规划的求解算法归纳起来，可以分为五大类： 10.5双层规划求解算法 （1）极点搜索法（Extreme Point Search Method）：这种方法主要用于求解双层线性规划，其基本观点就是：双层线性规划问题的任何解都出现在下层问题的约束集合的极点位置。因此，首先可以利用各种方法来寻找约束空间的极点（不要求寻找全部极点），然后从中再找出双层问题的局部最优解或全局最优解。 10.5双层规划求解算法 （2）K-T法（Karush-Kuhn-Tucker Method，简称K-T法） ：这种方法将双层问题中的下层问题用它的Karush-Kuhn-Tucker条件代替，主要用于求解双层线性规划问题，最初用于求解双层线性资源控制问题。 （3）下降法（Descent Method） ：这种方法是基于用各种可能的方法得到的下层问题对上层决策变量的梯度信息，主要用于求解非线性连续变量的双层规划问题。从本质上讲，这是一种迭代求解方法，利用得到的下层问题对上层决策变量的梯度信息来产生一系列使上层目标函数减小的点。最具代表性的下降算法是基于灵敏度分析的求解算法。 10.5双层规划求解算法 （4）直接搜索法（Direct Search Method） ：直接使目标函数最小的方法，如Abdulaal和LeBlanc（1979）使用的Hooke-Jeeves搜索法就属于此类，在搜索解的过程中，这种方法取决于上层目标函数值的变化。 10.5双层规划求解算法 （5）非数值优化方法：这类方法主要包括模拟退火、遗传算法和蚁群算法等。这种非数值优化方法目前主要用来求解城市交通连续平衡网络设计问题（Cree和Masher