多目标决策方法讲解.pptVIP

多目标决策方法 1 分量加权和方法 考虑多目标规划： 其中可行集 假定多目标函数 中的各个分量fi(x),[(1≤j≤p)具有相同的度量单位，那就可以按照一定的规则加权后，再按某种方式求和，构成评价函数。然后，再对评价函数求单目标极小化。对于权系数的不同处理和求和方式的不同，可有下列不同方法。 1.1 线性加权和法 分别给多目标函数F(x)的第j个分量fj(x)赋以权系数 , 作线性加权和评价函数： 把求解多目标问题(P0)转化成求解单目标问题(P1): s.t. x?X只要可行集X是凸集，目标函数fj(x)都是X上的凸函数(1≤j≤0);如果对于给定的权系数 ,问题（P1）的最优解x*(w)是唯一解，那么x*(w)一定是问题(P0)的非劣解；或者给它的权系数 ,那么问题(P1)的最优解x*(w)也一定是问题(P0）的非劣解。 [例1] 求解 这里：f1(x)=(x1-1)2+(x2-1)2 f2(x)=(x1-2)2+(x2-3)2 f3(x)=(x1-4)2+(x2-2)2 X={x∈R2/x1+2x2≤10，x2≤4，x1≥0，x2≥0} X是凸集，f1(x),f2(x),f3(x)都是X上的凸函数。 定义权系数wi≥0(j=1,2,3), w1+w2+w3=1. 构造评价函数 求解单目标最优目标问题： 显然，对于不同的权系数，最优解x*(w)是不同的，但是它们都是原多目标问题的非劣解，下面给出几组权系数及其对应的最优解（表1）. 可以证明，这个问题的全部非劣解为： 其中： w=(w1,w2,w3)≥0 1.2 平方加权和法 先求各分量的最优值 分别赋以权系数wj ,再作平方加权和评价函数： 1.3 α一法 先对P个分量fj(x)求极小化 , 假设得到P个相应的极小点xj ，然后把这个P个极小点分别依次代入各个目标函数，就能得到P2个值。 然后，作线性方程组 其中?是待定常数，由此可以解出权系数 [例2] 用?法求本节例1的权系数。 从表1可知，3个单目标分量单独求极小化，所得3个极小点是： ， ， 3个极小点依次代入3个目标函数后，可以构造线性方程组如下： 不难解出，这个方程组有唯一解： ， ， ， ， 其相应的线性加权和问题（P1）的最优解为 ，它也是多目标问题（P0）的非劣解，这时 。 1.4 统计加权和法 这是用统计方法处理权系数，同时进行方案比较的方法，1976年同B. A. ByНКИН等人提出。首先，由l个老手（专家）各自独立地提出一个权系数方案（见表3.2所示），所以这个方法又称“老手法”。 在对在均值偏差太大的权系数进行适当协商和调整之后，求出各个权系数wj的平均值： 然后构造统计加权和评价函数: 因为这时把权系数wj看成是一个随机数，因此在比较两个方案x1和x2的优劣时，不能直接比较 和 的大小，而只能按统计方法进行比较，例如利用假设检验的方法来确定不同方案的优劣。 1.5 变动权系数法 让线性加权和评价函数 中的各权系数wj(1?j?p)按一定规则变动，再求解问题（P1），就能得到多目标决策问题（P0）的全部非劣解。 [例3] 求解双目标决策问题： 作评价函数 求解 令 ，得 最优解为： 当w从1变动到5，x*由0变到2， 当w从1/5变动到0，x*由2变到+∞，但是这些解不可行，不予考虑。 所以这个例子的非劣解集是X*=[0，2]。 但是，变动权系数法对于较大的n和p,以及复杂的分量函数，求解是很困难的，怎样不断变动权系数还是一个问题。 2 确定加权系数的方法 2.1