随机多目标优化的若干问题-研究.pdfVIP

长春工业大学硕士学位论文 第二章基本定义和基本模型 2．1基本记号 设R”是n维实向量空间 x=(X1X2，…Xn)1∈R”，Y=(Yl,y2，…Y。)’∈R” 规定两个向量有如下关系【201： (1)x=Y的充要条件：xi=Yi，i=1，2，…，n (2)xY的充要条件：xiYf，i=1，2，…，n (3)x≤Y的充要条件：Xi≤Yf，i=1，2，…，n 吒Y“。 o xt、yin 照此，我们可以完全类似的定义xy，x≥Y。 2．2多目标优化的基本定义 考虑如f=的多目标优化问题 (阳)曾(石(工)，五(x)，…厶(x))1 其中 定义[2l】2．2．1设xo∈D，如果不存在X∈D，使得 厂(x)g(p) 则称p(re)的有效解。有效解的全体所组成的集合记作锄。 在“耋”意义下，没有比p更好的解了，不能再改进了。 定义【2312．2．2设zo∈D，如果不存在z∈D，使得 厂(x)S(xo) 则称xo(re)的弱有效解。弱有效解的全体所组成的集合占d即。 弱有效解是Karlin于1959年提出的，弱有效解的含义是，在“”意义下，没有比 xo更好的解了，不能再改进了。 由有效解和弱有效解的定义可以得出有效解与弱有效解有如下关系： ．￡ r￡d 。即。oVP 3 万方数据 长春工业大学硕士学位论文 图2-1直观的表示出有效解与弱有效解之间的关系。 (X) 图2．1有效解与弱有效解之间的关系 有效解和弱有效解是人们司以接受的解，但是这种解的范围太大，于是人们想对 有效解加以限制，来缩小有效解的范围，以便为决策者提供决策。为此，1968年 A．M．Geoffrion提出了一种真有效解G．有效解。 意的i(i=1，2，…，聊)以及任意满足Z(x)Z(p)的x∈D，总存在满足 乃(p)‘(x)的歹e(1，2，…m)，使得 掰湍鳓乃(z)‘(xo) 称p是(印)问题的G一有效解。G-有效解的全体所组成的集合记作占二。 2．3随机多目标优化模型 随机多目标优化可以分为随机变量出现在约束函数里，以及随机变量出现在目标 函数里两种类型。 随机变量进入目标函数的随机优化主要有两种模型：P——模型和卜模型 考察如下随机线性多目标优化问题： mincbb s．t． Ax=b． 其中 ∞，蝶 -赫彳长； ed。 6=(6l～62··％)r，x=(_，X2，…％厂，to 万方数据 长春工业大学硕士学位论文 P——模型 这种模型是使目标函数值小于或等于某一指定向量值g的概率达到极小值。 s．t．Ax=b． 其中“=(嵋，“：，…，“。TCf(国)=(cf。(国)，cf：(缈)，…％(国))，i=1，2，…，m。 E——模型 使目标函数的概率期望达到最优的模型通常称为期望值模型。 min EC(w)x