ch19-多目标规划.docVIP

多目标规划 19.1 算法 前面介绍的最优化方法只有一个目标函数，是单目标函数最优化方法。但是，在许多实际工程问题中，往往希望多个指标都达到最优值，所以就有多个目标函数。这种问题称为多目标最优化问题。多目标最优化问题的数学模型为： 式中F(x) 为目标函数向量。 由于多目标最优化问题中各目标函数之间往往是不可公度的，因此往往没有惟一解，此时引进非劣解的概念（非劣解又称为有效解或帕累托解）。 定义 若 且 则称x* 为非劣解. 多目标规划有许多解法，下面列出常用的几种。 权和法 该法将许多目标向量问题转化为所有目标的加权求和的标量问题，即 加权因子的选取方法很多，有专家打分法、(方法、容限法和加权因子分解法等。 该问题可以用标准的无约束最优化算法进行求解。 ( 约束法 ( 约束法克服了权和法的某些凸性问题。它对目标函数向量中的主要目标 进行最小化， 将其他目标用不等式约束的形式写出： 目标达到法 目标函数系列为 对应地有其目标值系列。允许目标函数有正负偏差，偏差的大小由加权系数向量控制，于是目标达到问题可以表达为标准的最优化问题： 指定目标，定义目标点P。权重向量定义从P 到可行域空间的搜索方向。在优化过程中，( 的变化改变可行域的大小，也是边界变为惟一解点. 目标达到法的改进 目标达到法的一个好处是可以将多目标最优化问题转化为非线性规划问题，但是，在序列二次规划（SQP)过程中，一维搜索的目标函数选择不是一件容易的事情，因为在很多情况下，很难决定是使目标函数变大好还是使它变小好。这导致许多目标函数创建过程的提出。可以通过将目标达到问题变为最大最小化问题来获得更合适的目标函数。 式中 有关函数介绍 利用fgoalattain函数求解多目标达到问题。假设多目标达到问题的数学模型为 式中 x,weight,goal,b,beq,lb 和ub为向量，A和Aeq为矩阵、c(x),ceq(x)和F(x) 为函数，返回向量。F(x),c(x)和ceq(x)可以是非线性函数。 fgoalattain函数的调用格式为： fgoaIattain求解多目标达到问题。 x=fgoalattain（fun,x0，goal，weight）试图通过变化x来使目标函数fun达到goal指定的目标。初值为x0, wight 参数指定权重。 x=fgoalattain(fun,x0,goal,weight,A,b)、求解目标达到问题，约束条件为线性不等式A*x=b。 x=fgoalattain(fun,x0,goal,weight,A,b,Aeq,beq)求解目标达到问题，除提供上面的线性不等式以外，还提供线性等式Aeq*x=beq。当没有不等式存在时，设置A=[ ], b=[ ]. x=fgoalattain(fun,x0,goal,weight,A,b,Aeq,beq,lb,ub)为设计变量x定义下界lb和上界ub集合，这样始终有lb=x=ub。 x=fgoalattain(fun,x0,goal,weight,A,b,Aeq,beq,lb,ub,nonlcon)将目标达到问题归结为nonlcon参数定义的非线性不等式c(x)或非线性等式ceq(x)。fgoalattain函数优化的约束条件为c(x)=0和ceq(x)=0。若不存在边界，则设置lb=[ ]和（或）ub=[ ]. x=fgoalattain,(fun,x0,goal,weight,A,b,Aeq,beq,lb,ub, nonlcon, …options)用options中设置的优化参数进行最小化。 x=fgoalattain(fun,,x0,goal,weight,A,b,Aeq,beq,lb,ub,nonicon,…options,P1,P2,…)将问题参数P1,P2等直接传递给函数fun和nonlcon。如果不需要参数A,b,Aeq,beq,lb,ub,nonlcon和options,则将它们设置为空矩阵。 [x,fval]=fgoalattain(…)返回解x处的目标函数值。 [x,fval,attainfactor]=fgoalattain(…)返回解x处的目标达到因子。 [x,fval,attainfactor,exitflag]=fgoalattain(…)返回exitflag参数，描述计算的退出条件。 [x,fval,attainfactor,esitfactor,output]=fgoalattain(…)返回包含优化信息的输出参数output。 [x,fval,attainfactor,esitfactor,output,lambda]=fgoalattain(…)返回包含拉格朗日乘子的lambda参数。 各调用格式中，goal，变量为目标希