线性规划的若干解法及软件实现.docVIP

多目标线性规划的若干解法及MATLAB实现 摘要：求解多目标线性规划的基本思想大都是将多目标问题转化为单目标规划，本文介绍了理想点法、线性加权和法、最大最小法、目标规划法，然后给出多目标线性规划的模糊数学解法，最后对每种解法给出例子，并用Matlab软件加以实现。 关键词：多目标线性规划 Matlab 模糊数学 一．引言 多目标线性规划是多目标最优化理论的重要组成部分，由于多个目标之间的矛盾性和不可公度性,要求使所有目标均达到最优解是不可能的,因此多目标规划问题往往只是求其有效解(非劣解)。目前求解多目标线性规划问题有效解的方法,有理想点法、线性加权和法、最大最小法、目标规划法，然而这些方法对多目标偏好信息的确定、处理等方面的研究工作较少，本文也给出多目标线性规划的模糊数学解法。 二．多目标线性规划模型 　 多目标线性规划有着两个和两个以上的目标函数,且目标函数和约束条件全是线性函数,其数学模型表示为： （1） 约束条件为： （2） 若（1）式中只有一个，则该问题为典型的单目标线性规划。我们记:,,,，. 则上述多目标线性规划可用矩阵形式表示为: 约束条件： （3） 三．MATLAB优化工具箱常用函数 在MATLAB软件中，有几个专门求解最优化问题的函数，如求线性规划问题的linprog、求有约束非线性函数的fmincon、求最大最小化问题的fminimax、求多目标达到问题的fgoalattain等,它们的调用形式分别为： ①.[x,fval]=linprog(f,A,b,Aeq,beq,lb,ub) f为目标函数系数,A,b为不等式约束的系数, Aeq,beq为等式约束系数, lb,ub为x的下限和上限, fval求解的x所对应的值。 算法原理：单纯形法的改进方法投影法 ②.[x,fval ]=fmincon(fun,x0,A,b,Aeq,beq,lb,ub） fun为目标函数的M函数, x0为初值,A,b为不等式约束的系数, Aeq,beq为等式约束系数, lb,ub为x的下限和上限, fval求解的x所对应的值。 算法原理：基于K-T（Kuhn-Tucker）方程解的方法。 ③.[x,fval ]=fminimax(fun,x0,A,b,Aeq,beq,lb,ub) fun为目标函数的M函数, x0为初值,A,b为不等式约束的系数, Aeq,beq为等式约束系数, lb,ub为x的下限和上限, fval求解的x所对应的值。 算法原理：序列二次规划法。 ④.[x,fval ]=fgoalattain(fun,x0,goal,weight,A,b,Aeq,beq,lb,ub) fun为目标函数的M函数, x0为初值,goal变量为目标函数希望达到的向量值, wight 参数指定目标函数间的权重,A,b为不等式约束的系数, Aeq,beq为等式约束系数, lb,ub为x的下限和上限, fval求解的x所对应的值。 算法原理：目标达到法。 四．多目标线性规划的求解方法及MATLAB实现 4.1理想点法 在（3）中，先求解个单目标问题：，设其最优值为，称为值域中的一个理想点，因为一般很难达到。于是，在期望的某种度量之下，寻求距离最近的作为近似值。一种最直接的方法是最短距离理想点法，构造评价函数 ， 然后极小化，即求解 ， 并将它的最优解作为（3）在这种意义下的“最优解”。 例1：利用理想点法求解 解：先分别对单目标求解： ①求解最优解的MATLAB程序为 f=[3;-2]; A=[2,3;2,1]; b=[18;10]; lb=[0;0]; [x,fval]=linprog(f,A,b,[],[],lb) 结果输出为：x = 0.0000 6.0000 fval = -12.0000 即最优解为12. ②求解最优解的MATLAB程序为 f=[-4;-3]; A=[2,3;2,1]; b=[18;10]; lb=[0;0]; [x,fval]=linprog(f,A,b,[],[],lb) 结果输出为：x =3.0000 4.0000 fval =-24.0000 即最优解为24. 于是得到理想点：（12，24）. 然后求如下模型的最优解 MATLAB程序如下： A=[2,3;2,1]; b=[18;10]; x0=[1;1]; lb=[0;0]; x=fmincon(((-3*x(1)+2*x(2)-12)^2+(4*x(1)+3*x(2)-24)^2)^(1/2),x0,A,b,[],[],lb,[]) 结果输出为：x = 0.5268 5.6488 则对应的目标值分别为,. 4