多目标规划及其求解技术简介.pptVIP

多目标规划模型 多目标规划的非劣解 多目标规划求解技术简介 第2节 多目标规划及其求解技术简介 一、多目标规划模型 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。 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 （6.2.2） （6.2.1） 式中： ，为决策变量向量。 如果将（6.2.1）和（6.2.2）式进一步缩写， 即 （6.2.3） （6.2.4） 式中： 是k维函数向量； k是目标函数的个数； 等是m维函数向量； 是m维常数向量； m是约束方程的个数。 对于线性多目标规划问题，（6.2.3）和（6.2.4）式可以进一步用矩阵表示 （6.2.5） （6.2.6） 式中： 为n维决策变量向量； 为k×n矩阵，即目标函数系数矩阵； 为m×n矩阵，即约束方程系数矩阵； 为m维的向量，约束向量。 二、多目标规划的非劣解 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 ？ 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），而不顾其他目标。 在图6.1.1中，就方案①和②来说，①的 目标值比②大，但其目标值 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：③比②好，④比①好，⑦比③好，⑤比④好。而对于方案⑤、⑥、⑦之间则无法确定优劣，而且又没有比它们更好的其他方案，所以它们就被称之为多目标规划问题的非劣解或有效解，其余方案都称为劣解。所有非劣解构成的集合称为非劣解集。 图6.2.1 劣解与非劣解 当目标函数处于冲突状态时，就不会存在使所有目标函数同时达到最大或最小值的最优解，于是我们只能寻求非劣解（又称非支配解或帕累托解）。 式中: 是与各目标函数相关的效用函数的和函数。 （一）效用最优化模型 建摸依据：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 （6.2.7） （6.2.8） 三、多目标规划求解技术简介 在用效用函数作为规划目标时，需要确定一组权值 来反映原问题中各目标函数在总体目标中的权重，即 式中:诸 应满足 若采用向量与矩阵 （二）罚款模型 罚款模型建立的依据是：决策者对每一个目标函数都能提出所期望的值（或称满意值）。通过比较实际值 与期望值 之间的偏差来选择问题的解，其数学表达式为： 或写成矩阵形式 式中： 是与第i个目标函数相关的权重； A是由 组成的m×m对 角矩阵。 （三）约束模型 理论依据 ：若规划问题的某一目标可以给出一个可供选择的范围，则该目标就可以作为约束条件而被排除出目标组，进入约束条件组中。 假如，除第一个目标外，其余目标都可以提出一个可供选择的范围，则该多目标规划问题就可以转化为单目标规划问题 采用矩阵可记为 （四）目标规划模型 目标规划模型，也需要预先确定各个目标的期望值 ，同时给每一个目标赋予一个优先因子和权系数，假定有K个目标，L个优先级 ，那么，目标规划模型的数学形式为 ： （6.2.24） （6.2.25） （6.2.26） 式中： 和 分别表示与 相应的、与 相比 的目标超过值和不足值，即正、负偏差变 量； 表示第l个优先级； 、 表示在同一优先级 中不同目标的正、负偏差变量的权系数。 （五）目标达到法 首先将多目标规划模型化为如下标准形式 （6.2.27） （6.2.28） 在求解之前，先