2.多目标.ppt

第二讲 多目标规划方法 多目标规划的非劣解 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），而不顾其它目标。 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 ？ 二 多目标规划求解技术简介 效用最优化模型 罚款模型 约束模型 目标达到法 目标规划模型 方法二 罚款模型（理想点法） 思想: 规划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 fi 与期望值 fi* 之间的偏差来选择问题的解，其数学表达式如下： 四 多目标规划应用实例 一、土地利用问题 二、生产计划问题 三、投资问题 二、生产计划问题 某企业拟生产A和B两种产品，其生产投资费用分别为2100元/t和4800元/t。A、B两种产品的利润分别为3600元/t和6500元/t。A、B产品每月的最大生产能力分别为5t和8t；市场对这两种产品总量的需求每月不少于9t。试问该企业应该如何安排生产计划，才能既能满足市场需求，又节约投资，而且使生产利润达到最大? * 多目标规划解的讨论——非劣解 多目标规划及其求解技术简介 效用最优化模型 罚款模型 约束模型 目标规划模型 目标达到法 目标规划方法 目标规划模型 目标规划的图解法 求解目标规划的单纯形方法 多目标规划应用实例 多目标规划是数学规划的一个分支。 研究多于一个的目标函数在给定区域上的最优化。又称多目标最优化。通常记为? MOP(multi-objective programming)。 在很多实际问题中，例如经济、管理、军事、科学和工程设计等领域，衡量一个方案的好坏往往难以用一个指标来判断，而需要用多个目标来比较，而这些目标有时不甚协调，甚至是矛盾的。因此有许多学者致力于这方面的研究。 1896年法国经济学家?V.?帕雷托最早研究不可比较目标的优化问题，之后，J.冯·诺伊曼、H.W.库恩、A.W.塔克、A.M.日夫里翁等数学家做了深入的探讨，但是尚未有一个完全令人满意的定义。 求解多目标规划的方法大体上有以下几种： 一种是化多为少的方法?，?即把多目标化为比较容易求解的单目标或双目标，如主要目标法、线性加权法、理想点法等； 另一种叫分层序列法，即把目标按其重要性给出一个序列，每次都在前一目标最优解集内求下一个目标最优解，直到求出共同的最优解。 对多目标的线性规划除以上方法外还可以适当修正单纯形法来求解；还有一种称为层次分析法，是由美国运筹学家沙旦于70年代提出的，这是一种定性与定量相结合的多目标决策与分析方法，对于目标结构复杂且缺乏必要的数据的情况更为实用。 多目标规划模型 （一）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。 （二）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： 一 多目标规划及其非劣解 式中： 为决策变量向量。 缩写形式： 有n个决策变量，k个目标函数， m个约束方程， 则： Z=F(X) 是k维函数向量， ?(X)是m维函数向量； G是m维常数向量； （1） （2） 对于线性多目标规划问题，可以进一步用矩阵表示： 式中： X 为n 维决策变量向量； C 为k×n 矩阵，即目标函数系数矩阵； B 为m×n 矩阵，即约束方程系数矩阵； b 为m 维的向量，即约束向量。 在图1中，max(f1, f2) .就方案①和②来说，①的 f2 目标值比②大，但其目标值 f1 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：④比①好，⑤比④好, ⑥比②好, ⑦比③好……。 非劣解可以用图1说明。 图1 多目标规划的劣解与非劣解 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。 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）。 为了求得多目标规划问题的非劣解，常常需要将多目