现代设计方法及其应用第一次作业(遗传算法)剖析.doc

多目标优化的基本方法是什么？ 答：多目标优化问题与单目标优化问题的差异非常大。在有单个目标时，人们寻找最好的解，这个解比其他所有的解都要好。在有多个目标时，由于存在目标之间的无法比较和冲突现象，不一定有在所有目标上都是最优的解。一个解可能在某个目标上是最好的，但在其他目标上是最差的。因此在有多个目标时，通常存在一系列无法简单进行相互比较的解。这种解称作非支配解或最优解，它们的特点是：无法在改进任何目标函数的同时不削弱至少一个其他目标函数。对于一个给定的判据空间中的非支配解，它在决策空间中的原象点称作有效的或非劣的。中的一点是有效的当且仅当它的象在中是非支配的。多目标问题解的基本特征之一是存在一组无法相互进行比较的有效解。在实际的决策情况中，通常需要从非支配解中选择一个作为给定问题的最终解。然而，如果不提供对于不同目标附加的偏好信息，很可能无法从解中进行选择。因此，如何从这些可选择的非支配解中做出最后的选择本质上依赖于个人主观的偏好。从概念上讲，偏好是通过采用某人对目标的价值判断来对有效集合中无法进行比较的解给出排序。偏好反映了某人根据对问题事先掌握的知识对所有目标进行的折中或者对某个目标进行的强调。给定了偏好我们就可以将非支配集中可选的解进行排序，然后获得最终解，这就是通常决策过程的结果。这个最终解称作最优妥协解。 几乎现实世界中的所有问题都存在多个目标，而这些目标通常是相互冲突，相互竞争的。一个目标的改善往往同时引起其他目标性能的降低。也就是说，不存在使各目标函数同时达到最优的解，而只能对他们进行协调和折衷处理。多目标优化问题就是寻找满足约束条件和所有目标函数的一组决策变量和相应各目标函数值的集合（Pareto最优解），并将其提供给决策者。由决策者根据偏好或效用函数确定可接受的各目标函数值及相应的决策状态。 多目标优化方法主要有两大类： 直接法 直接求出非劣解，然后再选择较好的解。 2．间接法 2.1 将多目标优化问题转化为单目标优化问题。 2.1.1主要目标法 求解时从多目标中选择一个目标作为主要目标而其他目标只需满足一定要求即可，因此可将这些目标转化成约束条件，也就是用约束条件的形式保证其他目标不致太差，这样就变成单目标处理方法。 例如，多目标函数f1(x),f2(x),.....,fn(x)中选择fk(x)作为主要目标，这时问题变为求 min fk(x) D={x|f min≤f i(x)≤f max},D为解所对应的其他目标函数应满足上下限。 2.1.2统一目标法 通过某种方法将原来多目标函数构造成一个新的目标函数，从而将多目标函数转变为单目标函数求解。 2.1.2.1线性加权和法 根据各目标函数的重要程度给予相应的权数，然后各目标函数与权数相乘再求和即构成单目标函数。例如，根据各目标函数,,...,的重要程度，对应确定一组权数，，.. 进行构造,其中=1，, 。 于是求f(X)的最优解即为多目标函数的最优解。（重点是权数的确定） 下面介绍两种确定权数的方法： （1）容限法。求出各目标函数在区域的变化范围a≤f(x)≤b，则取为其容限，则权数为。这种方法目的是在评价函数中使子目标在数量级上达到统一平衡。 （2）求出各目标函数的极小值，然后分别取倒数作为各自的权数。 2.1.2.2理想点法 一般很难使各子目标函数同时达到最优，但是可以使各子目标尽可能接近目标则可较好的求出非劣解，先用单目标优化法求出各自的最优点Xi*和最优值fi*，构造各评价函数 f(x)= 然后求极值min f，变为单目标优化问题。在理想点法基础上如果再引入权数则称为平方加权法。 2.1.3功效系数法 功效系数法又叫功效函数法，它是根据多目标规划原理，对每一项评价指标确定一个满意值和不允许值，以满意值为上限，以不允许值为下限，计算各指标实现满意值的程度，并以此确定各指标的分数，再经过加权平均进行综合，从而评价被研究对象的综合状况。运用功效系数法进行业绩评价，企业中不同的业绩因素得以综合，包括财务的和非财务的、定向的和非定量的。多目标优化问题中各单目标函数要求不一，有的要求极大值，有的要求极小值，有的要求一个合适值，为了反映这些要求的不同，引入功效函数di，其值即为功效系数，规定di∈(0,1)，当fi满意时，di=1，fi不满意时，di=0，请他情况取0-1之间的的数。这样组成评价函数 ，d=1则最满意，d=0则有不符合要求的f。 系数di的确定：先求出区间上各个目标函数的最大值和最小值 ， 在n个子函数中，当某个子函数的值越大，功效系数越小时用公式 。 求其功效系数，反之用公式求系数。 功效系数法的基本思想是先按各子目标值的优劣分别求出其对应的功效系数，然后再构造评价函数便可转化为单目标优化问题。