第七章约束极值问题.docVIP

第 PAGE 26 页 共 NUMPAGES 27 页 §6 多目标决策分析简介 一、问题的提出 如设计导弹, 射程远, 耗料少, 命中高等多目标. 如企业生产, 费用最少, 质量最好, 利润最大等. 一般只能是兼顾, 满意等 二、基本概念 一般形式 其中为目标函数, 为约束条件, 为决策变量. 记 , 称为VP的可行解集(决策空间), F(R)=为VP像集. 定义1 设, 若对, 有 则称为VP的绝对最优解, 解集记. 一般很难, 或根本不存在, 故引入非劣解或有效解. 意大利经济学家Pareto: 当一个国家的资源和产品是以这样一种方式配置时，即没有一种重新配置，能够在不使一个其他人的生活恶化的情况下改善任何人的生活， 则可以说处于Pareto最优. 定义2设, 若不存在, 使 且至少有一个, 则称为VP的有效解 (或Pareto最优解), 称为有效点. 有效解集记为和有效点集记为 常转化为加权形式的一个单目标函数 , 其中 (,不加证明地引入: 定理1 设是单目标问题的最优解, 若下面两个条件之一成立, 则 1) ; 2) 是的惟一解. 定理2 设是凸函数. 若设是多目标问题的有效解, 则存在,使得是的最优解. 三、权系数的确定 这里假设: 决策者是根据综合效用(最大)来决策, 则基本思想为: 对重要的分量, 给大权. 即假设决策者的效用函数为: 其中为给出的每个属性的效用函数, 只要再确定权系数, 就可求出使的决策(或解). 确定方法有: 1. 专家法 首先给专家填表, 然后汇总, 如右表 算出均值, 算出偏差, 让偏差大的发言, 修改权系数, 直到基本满意为止. 有一定的科学性. 2. 特征向量法 利用AHP法确定权系数, 即确定 判断CI满意后, 求出, 求出特征向量即为权系数. 四、有限方案的多目标决策方法(关于max的) 1. 决策矩阵及其规范化 设为可行方案, 为属性集(相当于各目标) 每个方案关于属 性的结果记为: 作决策矩阵, 如右图. 统一量纲的方法有(各目标物理量不一致) (1) 列向量规范化: (2) 线性变换, 设 若希望愈大愈好, 则令 若希望愈小愈好, 则令 (注:各目标都归结为最大, 如设, 则 (3) 其它变换 若望大, 则选, 若望小, 则选 2. 简单线性加权法 设为第个目标的效用值, 通过求 选择使综合效用值最大的方案作为最优方案. 例 某人拟 购买一套住房, 有四处地点可 选, 有关信息 如右表. 解 设决策人对各属性比较后得 用AHP方法, 可求得特征向量(已作归一化) clear;clc a=[1 1/3 1/2 1/4 1/5; 3 1 2 1 1/2; 2 1/2 1 1/2 1/2; 4 1 2 1 1 ; 5 2 2 1 1]; n=5; for i=1:5 temp=1;for j=1:5 temp=temp*a(i,j);end; w(i)=temp^(1/n); end; wsum=sum(w); w=w/wsum lmbdmax=(1./w)*a*w/n [v,d]=eig(a) (有误差) 规范化表 对第1, 3列用规范化; 对第2, 4, 5列用规范化; 然后计算出每个方案的综合效用 得到: , , , , 所以选第1方案. ***补充: 1. 基本解法 例1设 求. 解单个最优解; 是同一个点, 所以是问题的最优解. 2. 变量空间与目标函数空间的图解法 clear;clf; x=[0:1/50:1]; f1=2*x-x.^2; f2=x; for i=1:size(x,2) subplot(121);axis([0,2,-1,1]);plot(x(i),f1(i),.);hold on;plot(x(i),f2(i),.); subplot(122);axis([0 1 -1 1]);plot(f1(i),f2(i),.);hold on; pause(0.1); end x=[1:1/50:2]; f1=2*x-x.^2; f2=-2*x+3; for i=1:size(x,2) subplot(121);plot(x(i),f1(i),.);hold on;plot(x(i),f2(i),.); subplot(122);plot(f1(i),f2(i),.);hold on; pause(0.1); end 例2 设,求最大. 解 易得单独的, 无公共解. 内都是非劣解. 例3 设 ,求最大. 解 易求得, 无公共解. 内都是非劣解. clear;clf; x=[0:1/50:2]; f1=2*x-x.^2; f2=(-12*x.