第10章双层规划教程.ppt

10.4双层规划计算复杂性 第二种情况： 如果上层决策者控制所有变量，双层规划变为 设其最优解为 10.4双层规划计算复杂性 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，1998）及其它相关优化问题，但由于此类求解算法在求解双层规划模型时具体的参数（如编码长度等优化参数）难以确定，所以收敛性一般难以保证，况且在实践应用中可解释性也不理想。所以在求解具体双层规划模型时还属于探索阶段。 10.5双层规划求解算法 10.6双层规划的应用 （1）交通 已有大量文献将双层规划应用于交通领域。 ☆ 网络设计问题（Network Design Problem）。 相互作用 网络规划者决定投资费用 目的使网络中系统费用最小 用户选择出行路径 目的使自己的出行费用最小 相互作用 投资费用 运行费用 取决于交通流量 10.6双层规划的应用 （1）交通 ☆ O-D（Origin-Destination）需求估计问题。 ☆ 交通信号控制问题。如何进行信号控制，使车辆使用者作出合理反应，减少交通堵塞和延迟，也可作为双层规划问题来进行优化解决。 10.6双层规划应用（续） （2）管理 只顾自己的局部利益，而忽略了整体利益，是目前管理中存在的一个比较普遍的问题。双层规划的特点恰恰是从整体的角度出发，兼顾全局，希望达到整体最优。因此，在管理问题中应用双层规划方法，将会取得很好的效果。这方面的研究也比较多