笔记--多目标规划.doc

处理多目标规划的方法 1.约束法 1.1原理 约束法又称主要目标法，它根据问题的实际情况．确定一个目标为主要目标，而把其余目标作为次要目标，并根据决策者的经验给次要的目标选取一定的界限值，这样就可以把次要目标作为约束来处理，从而就将原有多目标规划问题转化为一个在新的约束下，求主要目标的单目标最优化问题。 假设在p个目标中，为主要目标，而对应于其余（p-1）个目标函数均可以确定其允许的边界值：。这样我们就可以将这个目标函数当做最优化问题的约束来处理，于是多目标规划问题转化称为单目标规划问题SP问题： 公式1 上述问题的可行域为 2.评价函数法 其基本思想就是将多目标规划问题转化为一个单目标规划问题来求解，而且该单目标规划问题的目标函数是用多目标问题的各个目标函数构造出来的，称为评价函数，例如若原多目标规划问题的目标函数为F(x)，则我们可以通过各种不同的方式构造评价函数h(F(x))，然后求解如下问题： 求解上述问题之后，可以用上述问题的最优解x*作为多目标规划问题的最优解，正是由于可以用不同的方法来构造评价函数，因此有各种不同的评价函数方法，下面介绍几种常用的方法。 评价函数法中主要有：理想点法、平方和加权法、线性加权和法、乘除法、最大最小法 2.1理想点法 考虑多目标规划问题：，首先分别求解p个单目标规划问题： 令各个问题的最优解为，而其目标函数值可以表示为： 其中： 一般来说，不可能所有的均相同，故其最优值组成的向量并不属于多目标规划的象集，所以是一个几乎不可能达到理想点。那么，理想点法就是在多目标规划的可行域R中找到一点X*，使其对应的与理想点最为接近，即当已知理想点时，在目标空间中适当引进某种度量标准来确定和之间的距离，并在这个度量标准的意义下，使得多目标规划问题集合R上某点的目标函数与理想点之间的“距离”尽可能小。 而距离的度量可以利用向量的某种模，当我们给模赋予不同的意义是，便可以得到不同的理想点法。 下面我们给出最短距离理想点法，这种方法是将取为中的的形式，即构造如下的单目标规划问题： 公式1 这里的评价函数是到的距离。当然我们也可以采用其他评价函数的方式，例如更一般的将(8-7)进行推广，得到评价函数为： 公式2 或者是如下形式： 公式3 2.2基于加权的方法 如果p个非负实数满足其和为1，则称为一组权向量，或者将称为一组权系数。若所有权系数，则称这组权系数为正权，正权的全体可以记为：；若所有权系数，则称这组权系数为非负权，非负权的全体可以记为： 上述对权向量和权系数的定义适用于下面所介绍的各种加权和的方法。 先求出各个单目标规划问题的一个尽可能好的下界，即满足： 然后构造评价函数： 一般情况下，权系数的值由各目标函数的重要程度给出。 2.3.1平方和加权法 平方和加权法是求解如下单目标规划问题： 公式1 将其最优解作为多目标规划的解。 2.3.2线性加权和法 线性加权和法是一种最常用的方法，而且在理论上有重要意义，该方法是按照p个目标的重要程度，分别乘以一组权系数，然后相加作为目标函数，再对此目标函数在多目标规划问题的约束集合R上求最优解，即构造如下单目标规划问题： 公式1 求此单目标规划问题的最优解，并把它叫做多目标规划问题在线性加权意义下的最优解，且该问题中的或者， 设p=2，则多目标规划问题具有两个目标函数，取 如图所示，目标函数的等值线是一条直线。 求的过程就是在中找一点，使得取最小值，从图上可以看出，是目标函数的等值线与在左下角的切点，即的有效点。对应于，存在使得，则为多目标规划问题的有效解。当时，可能是弱有效解。 加权因子wi确定的方法: (1).将各分目标转化后加权 为消除各分目标在量级上的差别，先将分目标函数fi(x)转化为无量纲等量级目标函数 再组成统一目标函数: wi——按各分目标的重要程度来决定 如各分目标有相同的重要性，则取wi =1 (i=1,2,…,l) —称为均匀计权，否则取各分目标不同的加权因子，取 将fi(x)转换为无量纲的等量级目标函数的方法 : 设各分目标函数值的变动范围为： 即将各单目标函数的最优值的倒数作为权系数，它反映了各单目标函数离开各自最优值的程度。另外相当于各分目标函数进行了无量纲的处理，而消除了各分目标在数量级上的差别。 (2) 直接加权法 将加权因子分成两部分: wi=w1i·w2i (i=1,2,…,l) 其中， w1i——本征权因子，反映各分目标的重要程度 w2i——校正权因子，调整各分目标间量级差别的影响 一般取： 一个分目标函数fi(x)变化越快，的值越大，加权因子w2i愈小，反之，亦然。这样可调整不同的目标函数值同步下降。 2.4乘除法（存疑：乘除法原理即乘幂指数有变化，1