优化理论与最优控制讲解.ppt

* * * * 特征值法 假定有n个物体，它们的质量分别为 （不妨假定其总质量为1）。通过将这n个物体的质量进行两两比较，并将结果写成如下矩阵形式： 在没有任何称重仪器的情况下，能否得出该n个物体的质量 ？ 两两比较判断标度约定 xi与xj的比较情况 标度 xi比xj 同等重要 xi比xj 略为重要 xi比xj 明显重要 xi比xj 重要得多 xi比xj 极为重要 xi比xj处于两相邻判断之间 xi与xj 反向比较 采用1-9的比例标度的依据： (1) 心理学实验表明，它反映了大多数人的判断能力； (2) 社会调查表明， 该比例标度已为人们所熟悉和采用； (3) 科学考察与实践表明， 该比例标度已完全能区分引起人们感觉差别的事物的各种属性。 判断矩阵的特性： (1) ， ， ； 比较判断矩阵 正互反矩阵 (2) 或 。 满足传递性、一致性 一致阵 定理1：若A是一致阵，则其最大特征根为n，即 。 定理2：对应于特征根λmax，A存在唯一一个非负特征向量（如不计其常数倍）。 定理3：若λmax是n阶正互反阵A的最大特征根，则 理想的判断矩阵应该满足一致性要求。但是受专家知识水平和个人偏好等影响，其给出的判断矩阵往往很难满足一致性条件，特别是当n较大时，情况更是如此。 依矩阵论知识：若A的最大特征值λmax比n大得越多，A的一致性就就越差；反之亦然。 根据所求出的最大特征值λmax的大小来检查A的一致性，为此采用一致性指标C.I.(consistence index): 为了顾及矩阵阶次与一致性间的关系，又提出了更全面、客观的一致性指标?平均随机一致性指标(R.I.). 正互反矩阵 平均随机一致性指标R.I.值 计算方法： 随机一致性比率C.R.准则： 方根（几何平均值）法： (a) 对判断矩阵先按行将各元素连乘并开n次方，即求各行元素的几何平均值 再把bi归一化，即求得指标xj的权重系数 和积（代数平均值）法： (a) 将判断矩阵的第j列元素相加，并取 (b) 将cj归一化后即得指标xj的权重系数 λmax的近似计算 例 应用几何平均值法可求出A的特征向量为 满足一致性要求 熵值法 客观赋权法 熵是信息论中测定不确定性的量，信息量越大，不确定性就越小，熵也越小。反之亦然。 (a)计算第 j 项指标下，第 i 个被性能对象的特征比重 设 xij（i=1,2, …,m; j=1,2, …,n）为第i 个被评价对象中的第 j 项指标的观察数据。对于给定的 j，xij的差异越大，该项指标对评价对象的比较作用就越大，即该项指标包含和传递的信息越多。信息的增加意味着熵的减少。若用指标熵值来确定指标权重，一般方法是： (b)计算第 j 项指标的熵值 (c)计算指标 xj 的差异性系数。对于给定的j，xij的差异越小，则sj越大，当 xij 全部相等时， ,此时指标 xj 毫无作用。因此，定义差异系数 (d)计算权重系数 * * * * * * * * * * * * * * * * * * * * * * * 则称 为该指标的的容限，于是可取该项指标的加权因子为 这种取法是基于要求在统一目标函数中的各项指标(分目标函数)趋于在数量级上达到统一平衡。因此，当某项指标的数值变化范围愈宽时，其目标的容限就愈大，加权因子就取较小值；而数值变化范围愈窄时，目标的容限就愈小，加权因子就取大值，以达到平衡各分目标函数量级的作用。 直接加权方法应该把加权因子分为两部分，即第i项设计指标的加权因子wi为 式中 wi1—反映第i项目标(设计指标)相对重要性的加 权因子，称作本征权因子； wi2—第i项目标的校正权因子，用于调整各目标 间在量级差别方面的影响、并在迭代过程 中逐步加以校正的加权因子。 若用梯度 来反映各个分目标函数fi(X)随设计变量变化而有不同函数值的情况，则其校正权因子可取 即： fi(X)的函数值变化愈快，加权值愈应取小些；反之则应取大些。这样就可使变化快慢不等的目标一起调整好。 ②转化设计指标法 先将各项设计指标都转化为统