Vague指派问题的求解方法研究..docVIP

Vague指派问题的求解方法研究 Vague指派问题的特殊性在于用Vague值表述效益矩阵，进 而反映了指派问题中存在的诸多不确定性和模糊性。论文根据Vague值的 特点，提出了 Vague指派问题的求解转化为经典指派问题思想，进而借助 “马太效应”函数、特征值向量和Pareto三种方法实现问题的求解。最 后，论文以 中的一组数据为例，采用以上方法进行计算，得到了 理想的结果。 关键词：运筹学；Vague指派；记分函数；特征值；Pareto 0224 文章标识码：A 1007-3221 (2015) 02-0058-06 引言 指派问题是运筹学中一类特殊的线性规划问题，用于解决如何分派n 个人去完成企业中n个不同的任务，以获得最佳的工作效率。指派问题中 的效益矩阵代表每个人完成不同工作花费的时间，属于极小化问题，如果 效益矩阵的含义有所变化，变成每个人完成不同工作得到的收益，指派问 题就变成求目标函数极大的问题。 一般的，指派问题的数学模型可以表示为：其屮，H标函数的系数cij ^0 (i, j=l, 2, n)o通常，把这些数写成矩阵形式：C称为系数矩 阵或效益矩阵。 指派问题的形式很多，平衡指派问题研宄人数与任务数相等，一人一 事且一事一人。这种问题可以借助于匈牙利法、削高排除法、缩阵分析法 和差额法等进行求解。广义指派问题也有很多形式，如人数大于事数，一 人一事且一事多人；事数大于人数，一事一人且一人多事；实际分配任务 数不超过总人数也不超过总任务数的c指派间题。这些问题一般需要转换 成平衡指派问题进行求解。 运筹学教材中的指派问题一般是在C anter集上求解，效益矩阵用实 数来表示；模糊数学中运用Fuzzy集解决指派问题，效益矩阵中用模糊数 刻画每个工作人员完成每项任务的熟练程度或满意程度。吴祈宗等人提出 了 Vague指派的思想，借助于记分函数方法实现了 Vague值向实数值的转 化。但是，记分函数在处理指派问题时并不能完全表达指派目标函数中的 最小值的思想，因此有必要进一步探讨Vague指派的方法。 1 Vague指派问题的描述 Vague指派是指效益矩陈中的每一个数均为Vague值，表征了每个人 完成每项工作花费时间(或取得收益)的不确定性。不确定程度的大小反 映在Vague值之间的差异。 Vague集来源于Fuzzy集，在Fuzzy集基础上，通过真隶属度和假隶 属度引入，给出以区间形式表示的隶属程度一一该区间能够同时给出支持 证据和反对证据的程度，并且能够表示中立的程度，从而提出Vague集的 概念。Vague集较模糊集在描述客观事物时更贴近现实，更加形象。 一个实数值Vague集A是由真泶属函数tA和假隶属函数fA描述的： 对于XEU，tA (X)是从支持的x^A证据所导出的XEA的肯定隶属度 的下界，f (X)是从反对XEA的证据所导出的XEA的否定隶属度的下界, 并且tAX) +fA (X) ^lo X关A的隶属度可由［0，1］上的子区间［tA (X)， 1-fA (x)］表示，或者称［tA (x)，1 一 fA (x)］是在 Vague 集 A 中的 Vague 值。为关于A的未知度，也称为犹豫度或踌躇度。nA是相对于的未知信 息的度量，nA的值越大，说明x相对于A的未知信息越多。当tA=l-Af 时，A=0,即tA+fA=l时，Vague值x退化为普通模糊值。 在Vague指派当中，肯定隶属度是乐观工作效率的表征，否定隶属度 是悲观工作时间的表征，而未知度反映了工作效率的确定性程度。进而 Vague指派的数学模型可以表示为： 2 Vague指派的转化 通常来讲，Vague指派问题的求解可以有三种思路： 第一，指派问题的木质是求解最小化的线性规划问题，同时也是特殊 的整数规划、0-1规划，还是需求量和供应量均为1的特殊运输问题，所 以，可以采用Vague线性规划以及Vague运输问题的求解方法。 第二，Vague值的核心是一种概率的思想，其表现形式类似于区间数， 因而可以将其看成是一种特殊的区间数，采用区间数指派问题的求解方 法。 第三，Vague指派问题求解的一般思路是将Vague值转化为一般的实 数值进行求解。 鉴于第一和第二种情况己有论述此，论文采用第三种思路探讨Vague 指派问题。 2.1基于“马太效应”的Vague值转化 Vague集中记分函数表示了支持证据和反对证据之间的力量对比，主 要用于相似度的计算。现实中，根据问题的不同性质，人们往往采取不同 风险偏好的记分函数。即使是面对同一种事物，在不同的条件下，人们也 会有不同的心态。例如，当支持证据占优时，更多采取激进乐观的策略； 而当反对证据占优时，则尽可能地采取保守悲观的策略。 可见当支持证据占优时，记分函数满足：S (x)〉S