多目标规划pareto解集.pptVIP

多目标规划Pareto解集 在机械设计和控制器设计中，常常需要考虑多个目标，如性能指标、经济性指标、物理可实现性目标等等。为了满足这类问题研究之需要，本章拟结合有关实例，对多目标规划方法及机电系统中的应用问题作一些简单地介绍。 本章主要内容 多目标规划及其非劣解 多目标规划求解技术简介 目标规划方法 多目标规划应用实例 多目标规划及其非劣解 多目标规划的非劣解 第1节 多目标规划及其非劣解 一、多目标规划及其非劣解 任何多目标规划问题，都由两个基本部分组成： (1)两个以上的目标函数； (2)若干个约束条件。 对于多目标规划问题，可以将其数学模型一般地描写为如下形式 （6.1.2） （6.1.1） 式中： ，为决策变量向量。 如果将（6.1.1）和（6.1.2）式进一步缩写， 即 （6.1.3） （6.1.4） 式中： 是k维函数向量； k是目标函数的个数； 等是m维函数向量； 是m维常数向量； m是约束方程的个数。 对于线性多目标规划问题，（6.1.3）和（6.1.4）式可以进一步用矩阵表示 （6.1.5） （6.1.6） 式中： 为n维决策变量向量； 为k×n矩阵，即目标函数系数矩阵； 为m×n矩阵，即约束方程系数矩阵； 为m维的向量，约束向量。 二、多目标规划的非劣解 对于上述多目标规划问题，求解就意味着需要做出如下的复合选择： 每一个目标函数取什么值，原问题可以得到最满意的解决？ 每一个决策变量取什么值，原问题可以得到最满意的解决 ？ 多目标规划问题的求解不能只追求一个目标的最优化（最大或最小），而不顾其他目标。 在图6.1.1中，就方案①和②来说，①的 目标值比②大，但其 目标值比②小，因此无法确定这两个方案的优与劣。在各个方案之间，显然：③比②好，④比①好，⑦比③好，⑤比④好。而对于方案⑤、⑥、⑦之间则无法确定优劣，而且又没有比它们更好的其他方案，所以它们就被称之为多目标规划问题的非劣解或有效解，其余方案都称为劣解。所有非劣解构成的集合称为非劣解集。 图6.1.1 多目标规划的劣解与 非劣解 以max问题为例 Pareto set Cost f1 Cost f2 当目标函数处于冲突状态时，就不会存在使所有目标函数同时达到最大或最小值的最优解，于是我们只能寻求非劣解（又称非支配解Non-dominated solution或帕累托解Pareto set）。 可以通过定义评价函数进一步对Pareto set进行评价，得到在Pareto set的最佳满意解。