多目标规划（第八讲）.pptVIP

计算结果： 五、 结果分析 3.曲线上的任一点都表示该风险水平的最大可能收益和该收益要求的最小风险。对于不同风险的承受能力，选择该风险水平下的最优投资组合。 2.当投资越分散时，投资者承担的风险越小，这与题意一致。 即:冒险的投资者会出现集中投资的情况，保守的投资者则尽量分散投资。 1.风险大，收益也大。 4.在a=0.006 附近有一个转折点，在这一点左边，风险增加很少时，利润增长很快。在这一点右边，风险增加很大时，利润增长很缓慢，所以对于风险和收益没有特殊偏好的投资者来说，应该选择曲线的拐点作为最优投资组合，大约是a*=0.6%，Q*=20% ，所对应投资方案为: 风险度 收益 x0 x1 x2 x3 x4 0.0060 0.2019 0 0.2400 0.4000 0.1091 0.2212 * 建模依据：规划问题的各个目标函数可以通过一定的方式进行求和运算。这种方法将一系列的目标函数与效用函数建立相关关系，各目标之间通过效用函数协调，使多目标规划问题转化为传统的单目标规划问题： 主讲人:穆学文 西安电子科技大学数学系 数学建模讲义 最优化模型 ---多目标规划 第七讲 多目标规划方法 多目标规划解的讨论——非劣解 多目标规划及其求解技术简介 效用最优化模型 罚款模型 约束模型 目标规划模型 目标达到法 多目标规划应用实例 多目标规划是数学规划的一个分支。 研究多于一个的目标函数在给定区域上的最优化。又称多目标最优化。通常记为? MOP(multi-objective programming)。 在很多实际问题中，例如经济、管理、军事、科学和工程设计等领域，衡量一个方案的好坏往往难以用一个指标来判断，而需要用多个目标来比较，而这些目标有时不甚协调，甚至是矛盾的。因此有许多学者致力于这方面的研究。 1896年法国经济学家?V.?帕雷托最早研究不可比较目标的优化问题，之后，J.冯·诺伊曼、H.W.库恩、A.W.塔克、A.M.日夫里翁等数学家做了深入的探讨，但是尚未有一个完全令人满意的定义。 求解多目标规划的方法大体上有以下几种： 一种是化多为少的方法?，?即把多目标化为比较容易求解的单目标或双目标，如主要目标法、线性加权法、理想点法等； 另一种叫分层序列法，即把目标按其重要性给出一个序列，每次都在前一目标最优解集内求下一个目标最优解，直到求出共同的最优解。 对多目标的线性规划除以上方法外还可以适当修正单纯形法来求解；还有一种称为层次分析法，是由美国运筹学家沙旦于70年代提出的，这是一种定性与定量相结合的多目标决策与分析方法，对于目标结构复杂且缺乏必要的数据的情况更为实用。 多目标规划模型 （一）任何多目标规划问题，都由两个基本部分组成： （1）两个以上的目标函数； （2）若干个约束条件。 （二）对于多目标规划问题，可以将其数学模型一般地描写为如下形式： 一 多目标规划及其非劣解 式中： 为决策变量向量。 缩写形式： 有n个决策变量，k个目标函数， m个约束方程， 则： Z=F(X) 是k维函数向量， ?(X)是m维函数向量； G是m维常数向量； （1） （2） 对于线性多目标规划问题，可以进一步用矩阵表示： 式中： X 为n 维决策变量向量； C 为k×n 矩阵，即目标函数系数矩阵； B 为m×n 矩阵，即约束方程系数矩阵； b 为m 维的向量，即约束向量。 多目标规划的非劣解 多目标规划问题的求解不能只追求一个目标的最优化（最大或最小），而不顾其它目标。 对于上述多目标规划问题，求解就意味着需要做出如下的复合选择： ▲ 每一个目标函数取什么值，原问题可以得到最满意的解决？ ▲ 每一个决策变量取什么值，原问题可以得到最满意的解决 ？ 在图1中，max(f1, f2) .就方案①和②来说，①的 f2 目标值比②大，但其目标值 f1 比②小，因此无法确定这两个方案的优与劣。 在各个方案之间，显然：④比①好，⑤比④好, ⑥比②好, ⑦比③好……。 非劣解可以用图1说明。 图1 多目标规划的劣解与非劣解 而对于方案⑤、⑥、⑦之间