第七章多目标和离散变量优化方法.pptVIP

缺点： 1)在连续变量最优点附近凑整法得到的设计点有可能均不在可行域内 2)凑整法得到的设计点有可能只是可行解，不是离散最优解 Q P 拟离散法(包含离散变量及连续变量)： 1）将连续变量优化解x*圆整到最近的一个离散点[x*] 2） 将[x*]的离散分量固定，对其余的连续分量进行优化 3）若得到的新点可行且满足收敛条件，则输出最优结果 4）否则把离散分量移到邻近x*的其他离散点上，再对连 续分量优化，转到步骤2。如此重复 问题： 1）只是在几个方案中选出一较好解作为近似解 2）由于离散变量移动后得到的离散点有可能是非可行点， 注意连续变量优化时的算法选取。 本章结束 Thank You！ * 出发点不同，选好解就不同 绝对最优解：153页图8-3 这已不是“数学规划”问题，而是“决策”问题 * 第七章 多目标及离散变量优化方法 7.1 多目标优化问题 7.2多目标优化方法 7.3离散变量优化 一. 多目标问题的数学模型： 设 X =[x1, x2 , …,xn]T min. f1(X), f2 (X), …fq (X), X∈Rn s.t. gu(X) ≤ 0 u = 1,2,…,m hv(X) = 0 v = 1,2,…, p 二. 最优解与选好解、劣解与非劣解： 0 f2 f1 ● 1 ● 3 ● 2 ● 4 ● 6 ● 5 对于f1(x)，1最好，其次为3，2，4，5，6； 对于f2(x)，2最好，其次为3，1，5，4，6。 综合考虑，1，2，3为非劣解，4，5，6为劣解。 §7.1 多目标优化问题 使所有目标都能达到最优的解通常是不存在的或者很难找到的，设计人员所能做到的就是在 Pareto解集中挑选合适的解作为最终解，通过牺牲某个或某些目标的性能来改善其它目标，在多个目标函数间进行折衷 E A D C B f1 f2 最优解：使各个分目标函数同时达到最优值的解。 劣解： 每个分目标函数值都比另一个解为劣，即为劣解。 选好解：非劣解中，满足工程实用目的的最好解。 多目标函数问题的优化设计过程： 1、先求非劣解； 2、从非劣解中选出选好解。 常用的求选好解的方法： 1、主要目标法 2、统一目标函数法：线性加权因子法、极大极小… 3、功效系数法 4、分层序列法 一．主要目标法 思想:抓住主要目标，兼顾其他要求。（选择一个目标作 为主要目标，将其他目标转化成约束条件） §7.2 多目标优化方法 原模型: min f1(X), f2 (X), …fq (X), X∈Rn s.t. gu(X) ≤ 0 u = 1,2,…,m hv(X) = 0 v = 1,2,…, p 转变后模型: min fk(X) X∈Rn s.t. fi(X) ≤ fi0 i = 1,2,,…,k-1,k+1,…q gu(X) ≤ 0 u = 1,2,…,m hv(X) = 0 v = 1,2,…, p X1* X2* f1(X)的等值线 f2(X)的等值线 x1 x2 0 g1(X)=0 g2(X)=0 g3(X)=0 g4(X)=0 f20 min f1(X) s.t. f2(X) ≤ f20 gu(X) ≤ 0 u = 4 X* 2．统一目标法 统一目标函数法的实质就是将原各分目标函数f1(X)，f2(X), …… ，fn(X)通过一定的方法，统一到一个新构成的总的统一目标函数f(X)=｛f1(X), f2(X), …… fn(X)｝中，把原来的多目标优化问题转化成具有统一目标函数的单目标优化问题，然