多目标规划2选读.pptx

第十章 多目标规划的解法 10.1 分量加权方法 考虑多目标规划;二、平方加权和法 ;三、NISE法 只适用于双目标凸规划,考虑双目标凸规划问题 ;x1为与目标集中A点相对应的可行解；x2为与目标集中B点相对应的可行解。集合F0就是上图中的?ABO，F*曲线（AB）完全被包含在F0中。;性质4 对于非劣曲线 F*上的任意两点P和Q，总存在一个支撑曲线，它与直线PQ有相同的斜率，这个支撑曲线与非劣曲线F*相切于点R，点R一定位于P和Q之间，如上图所示。 这个切点R可通过求解如下的参数规划P(?)得到;根据性质4，如果沿A点和B点之间的非劣曲线F* ,通过调整对?1和?2的选择，并求解P(?)，就能生成F*的全部非劣解。特别令?1=1, ?2=0，就得到端点A；令?2=1, ?1=0，就得到端点B。 性质4是NISE算法的基础。 ;NISE算法的步骤 1、求f1*和f2*，最优解分别为x1,x2，i1=1,i2=2,K=2；记Pi1=[f1(x1)，f2(x1)]，Pi2=[f1(x2)，f2(x2)]； 2、求解P(?): 3、P(?)的最优解x#是否唯一？若是，转步骤4；否则转5； 4、是否存在一个Pj (j=1,2,…,K)，使得Pj =[f1(x#),f2(x#)]，若是，令i1=i1+1，i2=K，转步骤2；否则转步骤6； 5、是否i2=2且i1=1 ?若是，则已找到K个非劣点，算法终止；否则，令i2=i2-1,i1=i1-1，转步骤2； ;7、令K=K+1，对K+1个非劣点按顺序重新编号，并令i1=i1+1，i2=K，转步骤2。 其中，K为非劣点的个数，?为计算精度。i1和i2分别为当前参与计算的两个非劣点的下标，算法利用这两个非劣点试图寻找在这两个非劣点之间的另一个非劣点。 例 考虑问题（n=2，m=6，p=2）如下，已知 f1（x）= - 5x1 + 2x2 f2（x）= x1 - 4x2 X={（x1，x2）∣-x1+x2≤3，x1+x2≤8，0≤x1≤6，0≤x2≤4} 试用NISE求所有非劣点。;例 考虑问题（n=2，m=6，p=2）如下，已知 f1（x）= - 5x1 + 2x2 f2（x）= x1 - 4x2 X={（x1，x2）∣-x1+x2≤3，x1+x2≤8，0≤x1≤6，0≤x2≤4} 试用NISE求所有非劣点。 解：1）f1*=Minf1（x）=-30，x1=（6，0）， i1=1,i2=2,K=2, Pi1=[f1(x1)，f2(x1)]=[-30,6], f2*=Minf2（x）=-15 x2=（1，4）Pi2=[f1(x2)，f2(x2)]=[3，-15] 2）?i1=f2(Pi1)-f2(Pi2)=f2(x1)-f2(x2)=6-(-15)=21, ?i2=f1(Pi2)-f1(Pi1)=f1(x2)-f1(x1)=3-(-30)=33 求解线性规划 Min Z=21f1(x)+33f2(x), x?X, 得x#=(4,4),f 1#=-12, f2#=-12 3)x#为唯一解；;四、确定加权系数的方法 ?法 1、基本思路：以理想点F*为标准来确定各个目标的权系数 2、双目标规划问题的情形 1）求f1*，得最优解为x1，求f2*，得最优解为x2， F(x1)=[f1*，f21]=[f1(x1)，f2(x1)],F(x2)=[f12，f2*]=[f1(x2)，f2(x2)] 记理想点F*=（f1*，f2*）;2）求解单目标最优化问题;设与直线F0 z*垂直的直线方程为 ?1f1+?2f2=? (1) 其中，0?1, ?21，?1+ ?2=1 (2) 由（1）式得 ;3、多目标规划问题情形 1）分别对P个目标求最优解，即求fj*，(j-1,2,…,P) 记理想点Z*=（f1*，f2*,…, fP*） 2）求解单目标最优化问题;10.2 分量最优化方法 这一方法是把多目标问题转化成求其分量的单目标最优化问题，对于各个分量处理方法不同，就形成了不同方法。 一、主要目标法 从多目标函数F(x)的p个分量中选出一个最重要的目标作为主要目标，设fs(x)为主要目标，同时对于其余 p-1个分量fj (x)，(1?j?P，j?s)，估计出其上、下限 并将其作为约束条件，这样就把MOP转化为单目标优化问题;二、恰当等式约束法 只有当cj (j?s)取得“恰当”时，所求的单目标最优化解才是原MOP的非劣解。 三、恰当不等式约束法 ;附：非线性规划的K-T条件为;例：用恰??不等式法求解MOP ;设x*为单目标优化问题（1）的最优解，则有 ;10.3 分量排序方法