第七章多目标函数的优化设计方法.docVIP

第9章 多目标函数的优化设计方法 Chapter 9 Multi-object Optimal Design 在实际的机械设计中，往往期望在某些限制条件下，多项设计指标同时达到最优，这类问题称为多目标优化设计问题。与前面单目标优化设计不同的是，多目标优化设计有着多种提法和模式，即数学模型。因此，解决起来要比单目标问题复杂的多。 9.1 多目标最优化模型 9.1.1 问题举例 例9-1 生产计划问题 某工厂生产（）种产品：1号品、2号品、...、号品。 已知：该厂生产号品的生产能力是吨/小时； 生产一吨号品可获利润元； 根据市场预测，下月号品的最大销售量为吨； 工厂下月的开工能力为小时； 下月市场需要尽可能多的1号品。 问题：应如何安排下月的生产计划，在避免开工不足的条件下，使 工人加班时间尽可能的地少； 工厂获得最大利润； 满足市场对1号品尽可能多地要求。 为制定下月的生产计划，设该厂下月生产号品的时间为小时。 9.1.2 基本概念 如图9.1所示，两个目标函数f1,f2中的若干个设计中，3，4称为非劣解，若 j=1,2,....,q S.t． u=1,2,………….m 成立，则称为非劣解。若不存在一个方向，同时满足： (目标函数值下降) (不破坏约束) 图9.1 则称为约束多目标优化设计问题的K-T非劣解。这样，多目标优化设计问题的求解过程为：先求出满足K-T条件的非劣解，再从众多的非劣解确定一个选好解。 多目标优化的数学模型： S.t． u=1,2,………….m v=1,2,……….p 式中：是向量目标函数。 由于各目标函数往往是相互抵触的，且重要性也不同，因此，应慎重对待。 9.2 多目标优化问题的求解方法 一类是转化为一系列单目标求解； 一类是构造一个新的目标函数求解。 9.2.1 约束法 u=1,2,………….m v=1,2,……….p j=1,2,….,r 式中： ----重要的目标函数 ------第j个目标函数的期望值。 9.2.2 分层序列法 将r目标函数按重要程度排队，然后采用宽容分层序列法。 1） 2） r ---宽容量，是为了防止在计算第k个目标函数值后，若取唯一解，将会导致以后计算中断。 两目标优化问题用宽容分层序列法求最优解的情况如图9.2所示。不作宽容时，为最优解，它就是第一个目标函数的严格最优解。若给定宽容值，则宽容的最优解为，它一进考虑了第二个目标函数，但是对第一个目标函数来说，其最优值就有一个误差。 例：用宽容分层序列法求 式中 ；=；； 按重要程度将目标函数排队为：，。首先求解 得最优点 对应得最优值为 ==2 设给定的宽裕量=0.052,则可得 然后求解可得 从而得最优点为 这就是该两目标函数的最优点,其对应得最优值为 最优解的情况如图9.3所示。 图9.2 图9.3 9.2.3 线性加权法 加权因子的选择应十分注意，为消除量级上的差别，应将其值在0~1之间规格化。 9.2.4 理想点法与平方和加权法 理想点法的评价函数 平方和加权法的评价函数 9.2.5 功效系数法 设有r个目标函数,用表示第j个目标函数的好坏程度，其中，0为最差，1为最好。总的功效系数为 只要有一个为零，则总方案不可取。 在0到1之间确定功效系数，可用线性函数，指数函数等拟合。 1） 若目标函数追求的是极小，则为图9.4a； 2 ）若目标函数追求的是极大，则为图9.4b； 3）若目标函数追求的是某一区间，则为图9.4c。 图 9.4 9.2.6 极小极大法 基本思想为：先求出各分目标函数 的最优解和 ，选取可行域中的一点X，各分目标函数的增量系数定义为: 于是原多目标优化问题可转化为下列单目标求解： u=1,2,………….m v=1,2,……….p 可以证明，如果协调曲线通过可行域，用极小极大法求得的最优点必定在协调曲线上。在可行域内的协调曲线上，若某点满足，则该点就一定是最优点，否则，最优点是协调曲线与某约束边界的交点，且该点处的各增量系数之差最小。三维以上的问题无法做出协调曲线。因此该法有较大的优越性与通用性。 1