二层随机规划的逼近理论研究-计算数学专业论文.docxVIP

有限的资源条件下，上下两层决策者的目标相互依赖，相互制约时的最优决策问题。 τ 层确定型规划的资源变量和决策变量都是确定性的，二层确定性规 划能够很好地描述 决 策过程中上下层之间的关系。然而，在决策过程中，由于面临许多不确定的因素，资源 变量总是很难准确地限定。由于确定性规划不能反映决策中众多的不确定国素，不确定 规划技术得到了迅速的发展。简单说来，含有不确定参数的规划称为不确定规划。不确 定参数主要有随机参数、模糊参数和粗糙参数。目前应用比较广泛的是前两种参数 。含 有随机参数 的规划称为随机规划，含有模糊参数 的规划称为模糊规划。目前，对单 层随 机规划己做了大量的研究，提出了许多针对不同类型问题的模型和行之有效的求解方 法。而对于更为复杂的 二层甚至多层随机规划，目前还较少有人提及，本文力求在单层 随机规划，函数的逼近理论和二层确定性规划理论的基础上，建立二层随机规划的模型 并讨论其有效的逼近算法。 从理论上讲， 二层确定性规划和单层随机规划的发展为 二层 (多层)随机规划的研究 奠定了基础。由单层随机规划到二层随机规划再到多层随机规划是现实应用的需要 ，这 种推广具有很强的实际背景和理论意义。 [11-[21 1.2 二层不确定规划的研究现状 不确定规划是处理各种不确定环境下的优化问题的理论工具，它提供了随机规划、 模糊规划、粗糙规划以及模糊随机规划建模与求解的统 一原理。为了描述各种不确定性， 有必要引进适当的数学工具。不确定变量的引入，为描述决策中的不确定环境提供了有 力的工具。不确定变量主要包括随机变量、模糊变量和粗糙变量。 随机变量是从概率空间到实数空间的可测函数，是描述随机现象的数学工具。含有 随机变量的数学规划称为随机规划。随机规划是本世纪五十年代以后兴起的一门学科 。 Liu对不确定理论、规划、算法和应用等方面进行了深入地研究，发表了许多不确定规 划尤其是随机模糊规划方面的文章和出版了不确定优化理论及应用的著作，为不确定规 划的发展奠定了理论基础。近年来，多层随机规划越来越引起人们的注意。 模糊变量是从可能性空间到实数空间的函数，是描述模糊现象的一种数学工具。 1965年， Zadeh提出了模糊集合的概念，提出了使用隶属函数来处理具有模糊现象的问 题，为了发展一套类似于概率论的公理系统， Liu给出了完善的研究模糊性的公理体系 ， 称之为可信性理论。经过不断深入的研究，模糊集理论已经有了长足的发展，模糊技术 几乎渗透到了所有的研究领域。 粗糙集也是一种不确定系统。粗糙集理论最早是由波 兰数学家Pawlak在 1982年提出 的，现在已经被应用到数据挖掘、决策分析、模式识别、专家系统、统计分类、图像处 理等领域，是当前国际上正在兴起的一个研究新热点。为了定量描述粗糙系统，有必要 引进粗糙变量及有关概念， Liu首先将粗糙变 量定义为从粗糙空间到实数集的可测函数， 然后通过引入粗糙事件的 信任度Tr(trust)给出了粗糙变量的期望值 E[闷占C; ]= [7升1叫叫|悟5 ν兰r材-f巳升怪占 兰刊r叫| 具有主从结构的递阶决策问题最初是山 Von-S缸taωckel怆berg问[3η1在研究市土场易 经济时提出 的。早期的研究工作 主要是从对策论的角度出发 ，对Stackelberg对策问题进行研究，取 得了-定的成果。随着人 们对具有主从结构的决策问题研究成果的增多， Stackelberg对 策问题受到越来越多的关 注。 人们在认识到这 一问题的重要意义的同时，也发现从 对策 论的角度研究 Stackelberg 问题有很多局限 。于是 ，研究人员开始寻找新的处理 方法，并 将注意力投向了 70年代中期提出 的多层数学规划模型 。 多层数学规划模型最早是 EH Bacahen 和J Mcgilills在研究一类约束中包含子优化问题 的数学规划问题时提出的。这类问题的 一般模型可以分为上 下两层 ，下层是 个以上层 决策变量为参数的规划，上层是 一个下层决策变量的复合优化问题。 研究人员很快发现，静态Stackelberg 问题恰好能抽象成一类层次优化模型，这就为 利用数学规划的工 具来研究主从决策问题提供了可能 。Aiyoshi，O*Shimizu (1984) [4]， Ananda lingam和White (l990) 闷， (1993)[6]等人先后利用不同的罚函数形式对线性和非线 性约束的Stackelberg 问题的求解方法进行了研究。 Stackelberg对策问题的研究逐渐形成 了两大分支， 一种是从控制论的角度对动态 Stackelberg 问题加以研究，另一种是从数 学 优化理论的角度对静态 Stackelb巳rg 问题进行研究。对策论与优