多目标规划(施光燕第五章)解析.ppt

许多实际问题的优化牵涉的目标往往不止一个，如设计一个工厂的施工方案，就要考虑工期、成本、质量、污染等目标。再如找工作，购买家用电器，追求的目标往往都不止一个。由于这类问题需同时考虑多个目标，而有些目标之间又相互矛盾，从而使决策问题变得复杂，这类决策问题称为多目标决策问题。 多目标决策方法是现代管理科学的重要内容，也是系统分析的基本工具。按照决策变量是连续的还是离散的，多目标决策可以分为多目标规划决策(Multiple Objective Decision Making)和多准则决策(Multiple Attribute Decision Making)两大类，前者是以数学规划的形式呈现的决策问题，后者则是已知各个方案及它产生的结局向量，由此选择最优方案的决策。 多目标决策主要指多目标最优化，即多目标规划。对于某些问题，可以先用多目标规划选出几个备选方案，然后再用多准则决策方法作进一步处理，因此，这两者既有区别又有联系。 多目标规划的发展 多目标最优化的思想萌芽于1776年经济学中的效用理论。1896年，法国经济学家V·Pareto首先在经济理论的研究中提出了多目标最优化问题。1951年，美国数理经济学家T·C·Koopans从生产和分配的活动分析中考虑了多目标决策问题，并首次提出了多目标最优化问题解的概念，将其命名为“Pareto解”(即有效解)。同年，H·W·Kuhn和 A·W·Tucker从数学规划论角度首次提出向量极值问题及有关概念。进入20世纪70年代，随着第一次国际多目标决策研讨会的召开及这方面专著的问世，多目标决策问题的研究工作迅速、蓬勃地开展起来，到目前为止，已取得若干有价值的研究成果。 第一节 概述 线性规划及非线性规划研究的都是在给定的约束集合 R = {X | gi(X) ≥ 0，i = 1，2，……，m} X∈En 上，求单目标 f (x)的最大或最小的问题，即方案的好坏是以一个目标去衡量。然而，在很多实际问题中，衡量一个方案的好坏往往难以用一个指标来判断 。也就是说，需要用一个以上的目标去判断方案的好坏，而这些目标之间又往往不是那么协调，甚至是相互矛盾的。本节将以实例归结出几类常见的描述多目标最优化问题的数学模型。 * * 多目标规划 例1：【喜糖问题】设市场上有甲级糖及乙级糖，单价分别 为4元/斤及2元/斤。今要筹办一桩喜事。“筹备小组”计划总花费不超过40元，糖的总斤数不少于10斤，甲级糖不少于5斤。问如何确定最佳的采购方案。 我们先确定此问题应满足的条件（即约束条件）。不难看出，当甲级糖数量为x1，乙级糖数量为x2时，有： 在研究以什么为“最佳”的衡量标准时，“筹备小组”的成员们意见可能会发生分歧，其原因是他们会提出各种各样的目标来。 如果要求总花费最小，即要求： f1(x1, x2) = 4x1+2x2 →min 如果要求糖的总数量最大，即要求： 如果要求甲级糖的数量最大，即要求： 易见，这是具有3个目标的规划问题（由于约束及目标均为线性函数，故它为多目标线性规划问题）。 由以上实例可见，多目标最优化模型与单目标最优化模型的区别主要是目标多于一个。在这些目标中，有的是追求极大化，有的是追求极小化，而极大化与极小化是可以相互转化的。因此，我们不难将多目标最优化模型统一成一般形式： 决策变量：x1，……，xn 目标函数：min f1(x1，……，xn) ……………….. min fp(x1，……，xn) 若记X = (x1，…，xn)，V-min表示对向量F(X) = [ f1(X)， …，fp(X)]T中的各目标函数f1(X)，…，fp(X)同等的进行极小化。R ={X | gi(X)≥0，i=1，…，m}表示约束集。 则模型一般式也可简记为 这里(VMP)为向量数学规划(Vector Mathematical Programming)的简写。 第二节 偏差概念的运用 本节介绍一类在实际中有着广泛应用的特殊多目标最优化模型。这类模型并不是去考虑对各个目标进行极小化或极大化，而是希望在约束条件的限制下，每一目标都尽可能的接近于事先给定的各目标值。