《优化设计习题课.ppt

3.6.9 多目标函数的优化方法 在实际工程设计问题中，常常期望同时有几项设计指标都达到最优值，这就是所谓的“多目标函数的优化问题”。对同一设计，同时具有两个或两个以上优化性能指标的均属多目标函数的优化问题，其数学模型的一般表达式为： 求解 X=[x1, x2, …, xn ]T ∈ Rn min f1(X) min f2(X) ┇ min fq(X) s.t. gi(X)≤0, i=1,2,…,m hj(X)=0, j=1,2,…,p 在上述多目标函数的优化问题中，各个目标函数f1(X), f2(X),…,fq(X)的优化往往是相互矛盾的，不能期望它们的极小点重复在一起，即不能同时达到最优解；甚至有时还会产生对立的情况，即对一个目标函数是最优点，对另一个目标函数却是差点。这需要在各个目标函数的最优解之间进行协调，相互之间作出适当“让步”，以便取得整体最优的方案。而不能像单目标函数的优化那样，通过简单比较函数值大小的方法去寻优。由此可以看出，多目标函数的优化问题要比单目标函数的优化问题复杂的多。而多目标函数的优化方法虽然很多，但真正有效的方法并不多。以下将要介绍几种常用的优化方法。 1 主要目标法 考虑到在多目标函数优化问题中各目标的重要程度不一样，在优化问题中显然首先考虑主要目标，同时兼顾次要目标。主要目标法就是以此思想作为指导，首先将多目标函数优化问题中的全部目标函数，按其重要程度排列，最重要的排在最前面，然后依次求各个（单）目标函数的约束最优值，这时其它目标函数则根据初步设计的考虑给予适当的最优值的估计值（在求得实际最优值后应以实际最优值进行替换），作为辅助约束处理。这样就将多目标函数的约束优化问题，转化成一些单目标函数的约束优化问题，寻求整个设计可以接受的相对最优解。 对数学模型中的q个分目标选出一个最重要的作为主要目标，例如选f1(X)，同时对其它q-1个分目标fj(X) (j≠1)，给出上下界值: αj≤fj(X)≤βj , j≠1 即限定这些分目标在一定范围内取值，把这些目标降为约束条件。于是，问题转化为下列单目标优化问题： min f1(X) s.t.gi(X)≤0, i=1, 2, …, m fj(X)-βj≤0 αj-fj(X)≤0, j=2, 3, …, q 在实际工程的优化设计中，总可以根据基本要求，对各项设计指标（目标）作出正确的估计和判断，并按其重要性进行排列，因此本法在实际使用中并不困难。 2 统一目标法 统一目标法的实质就是将优化模型中的各个目标函数（或称分目标函数）f1(X), f2(X), …, fq(X) 统一到一个总的“统一目标函数” f(X) 中，即令： f(X) = f{f1(X),f2(X),…,fq(X)} 使原优化问题转化为求解 min f(X), x∈Rn s.t. gi (X)≤0, i=1,2,…,m hj (X)=0, j=1,2,…,p 的形式，把多目标函数的优化问题转化为单目标函数的优化问题来求解。 在极小化 “统一目标函数” f(X) 的过程中，为了使各个目标函数能均匀一致地趋向各自的最优值，可采用以下的一些方法： （1） 加权组合法 又称为线性组合法或加权因子法，即在将各个分目标函数组合为总的“统一目标函数”的过程中，引入加权因子，以考虑各个分目标函数在相对重要程度上的差异及在量级和量纲上的差异。为此， f(X) 写为：