优化理论与最优控制题库.pptVIP

* * * * 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一的无量纲值，并且将量级也限于某一规定范围之内，使目标规格化，然后再根据各个目标 设计指标 的重要性用加权因子来组合“统一目标函数”。 例如，若能预计各项设计指标的变动范围，即已知 ★则可用右图所示的正弦函数将各项设计指标 分目标函数 都转换到在0~1的范围内取值，使各目标规格化。当然也可以用其它合适的函数作为转换函数。 ★转换函数中自变量的上下界应与原设计指标的上下界相对应。即0与2π应分别对应于αi及βi，则相应于fi X 值转换函数的自变量值为 ★令设计指标fi X 在转化后为fiT X ，则 因此，“统一目标函数”为 式中的加权因子wi i 1,2,…,q ，是根据该项 第i项 设计指标在最优化设计中