一种新的带偏好的多目标优化算法.pdf

一种新的带偏好的多目标优化算法 第一章绪论 1．1研究背景及意义 我们面临的是一种充满竞争而又富于挑战的复杂环境。在这样的环境中，无论 是高层制定战略规划或对策，中层对于经济建设或生产经营的管理，以及基层具体 工作安排等，都不得不权衡各方利益，考虑多种决策目标，对多种决策目标进行优 化，同时，绝大部分多目标决策问题的各个各选方案在各目标之间存在某种矛盾， 即如果采用一种方案去改进某一目标的值，很可能会使另一目标的值变坏。如果各 目标之间没有矛盾，我们就可以把这种优化问题转化为单目标优化。所以以下我们 所谈的多目标优化均指各目标之间有矛盾的情况。所以对于多目标优化问题也就是 说必须要以一种系统、全面的观念综合考虑各种目标来做出决策。从这一意义上讲， 多目标优化更符合现实情况，更具有普遍性，因此，对它的研究具有十分重要的现 实意义。 为了研究方便，我们一般先研究给定区域上的数值优化问题。我们把这种在给 定区域上多于一个的数值目标函数的最优化(极小化或极大化)问题，就是多目标优 化问题。以下论文中所讨论的多目标优化问题就是在这个意义下的多目标优化。 1．2研究现状 标决策问题，引起人们对于多目标最优化研究的重视。1951年，数理经济学家T．c． 的基础。20世纪60年代以来，人们设计了不少求解多目标最优化问题的方法，并运 展起了推动作用。此后，关于多目标最优化的研究，在理论和应用方面都迅速发展 起来。目前，多目标最优化的应用己越来越引起各级决策人员、广大管理人员、经 济学者、科技工作者的关注与兴趣，解决问题的规模愈加大型化，应用范围也日益 种新的带偏好的多目标优化算法 扩大，在诸如经济规划、计划管理、金融决策、能源开发、工程设计、农业种植、 卫生保健以及军事科学等领域有着大量的应用，在经济学、对策论、系统工程和控 制论等学科的研究中，也常常要涉及到多目标最优化问题。 在实际应用中常遇到需要使多个目标在给定区域上均尽可能最佳的优化问 题。这种多于一个的数值目标在给定区域上的最优化问题称为多目标优化问题(MOP： 0ptimization Multi—objective 标。 1．2．1多目标优化中的基本概念 通常在多目标优化领域广泛采用、被普遍接受的MOP定义“3如下： 目标函数、约束条件与决策变量之间是函数关系。最优化总目标如下： maximize (1—1) y=f(x)=(f。(x)，f：(x)，…，fk(x)) (卜2) subjeettoe(x)=(el(x)，e2(x)，…，e。(x))≤0 其中，x=(xl，x。，…，x。)∈X，y=(Yl，Y2，…，Y。)∈Y。 这里x表示决策向量，y表示目标向量，x表示决策向量X形成的决策空间，Y 表示目标向量Y形成的目标空间，约束条件e(x)≤0确定决策向量可行的取值范围。 多目标优化和单目标优化有很大的不同。单目标优化能够找到一个最优的解， 而多目标优化由于各个目标之间一般是矛盾的，所以对于多目标优化一般没有最 优解，只存在非劣解，通俗的说就是一个解不比另一个解好，也不比另一个解坏。 并且非劣解一般有很多，这些非劣解组成一个解集合。对于这些非劣解的取舍就 涉及到决策者的偏好。下面就介绍一下多目标优化中的一些基本概念。 (non—dominated)的，v为被支配的。记为u-v。 或非劣解或NP点)当且仅当不存在点x。EQ，使得f(x’)优于f(x)。 最优解集(或有效解集或非劣解集或NP点集)，记为E(F，Q)。 定义1．5x∈Q，如不存在点x’∈Q，使得对V i∈Q{1，2一…，q}， f(x’)f(x)，则称x为MOP的弱最优解或弱有效解。 种新的带偏好的多目标优化算法 定义1．6多目标优化问题(MOP)的所有弱最优解构成