第十章-多目标优化方法简介教学内容.ppt

多目标优化方法简介; 在实际问题中，对于大量的工程设计方案要评价其优劣，往往要考虑多个目标。 例如，对于车床齿轮变速箱的设计，提出了下列要求： 1)各齿轮体积总和f1(x)尽可能小．使材料消耗减少，成本降低。 2)各传动轴间的中心距总和f2(x)尽可能小，使变速箱结构紧凑。 3)齿轮的最大圆周速度f3(x)尽可能低，使变速箱运转噪声小。 4)传动效率尽可能高，亦即机械损耗率f4(x)尽可能低，以节省能源。; 在多目标优化模型中，还有一类模型，其特点是，在约束条件下，各个目标函数不是同等地被最优化，而是按不同的优先层次先后地进行优化。 例如:工厂生产：1号产品，2号产品，3号产品，…，M号产品。应如何安排生产计划，在避免开工不足的条件下，使工厂获得最大利润，工人加班时间尽量地少。;多目标约束优化问题的数学??型为 ; 多目标优化设计问题要求各分量目标都达到最优，如能获得这样的结果，当然是十分理想的。但是，一般比较困难，尤其是各个分目标的优化互相矛盾时更是如此。譬如，机械优化设计中技术性能的要求往往与经济性的要求互相矛盾。 所以，解决多目标优化设计问题也是一个复杂的问题。近年来国内外学者虽然作了许多研究，也提出了一些解决的方法，但比起单目标优化设计问题来，在理论上和计算方法，都还很不完善，也不够系统。 ; 从上述有关多目标优化问题的数学模型可见，多目标(向量)优化问题与单目标(标量)优化问题的一个本质的不同点是： 多目标优化是一个向量函数的优化，比较向量函数值的大小，要比标量值大小的比较复杂。在单目标优化问题中，任何两个解都可以比较其优劣，因此是完全有序的。可是对于多目标优化问题，任何两个解不一定都可以比出其优劣，因此只能是半有序的。 例如，设计某一产品时，希望对不同要求的A和B为最小。一般说来这种要求是难以完美实现的，因为它们没有确切的意义。除非这些性质靠完全不同的设计变量组来决定，而且全部约束也是各自独立的。; 对多目标设计指标而言，任意两个设计方案的优劣一般是难以判别的，这就是多目标优化问题的特点。这样，在单目标优化问题中得到的是最优解，而在多目标优化问题中得到的只是非劣解。而且，非劣解往往不只一个。如何求得能接受的最好非劣解，关键是要选择某种形式的折衷。;多目标优化方法;主要目标法;统一目标法; 加权组合法又称为线性加权法或加权因子法。即在将各个分目标函数组合为总的“统一目标函数”的过程中，引入加权因子，以平衡各指标及各分目标间的相对重要性以及他们在量纲和量级上的差异，因此，原目标函数可写为：; wk是第k个分目标函数的加权因子(wk0)，其值决定于各目标的数量级及重要程度。 如何确定合理的加权因子是线性加权法的核心，多数情况下加权因子可以根据设计经验直接给出。; 对实际问题来说，还应注意目标函数值量纲的影响，建议首先对目标函数进行无量纲化： ; 先分别求出各个分目标函数的最优值 ，由这些最优值构成的目标点（设计方案）称为理想点。然后根据实际点（实际方案）与理想点之间的距离构造评价函数和单目标优化问题： ; 在上式的基础上，如再引入加权因子，则构成如下单目标优化问题： ; 每个分目标函数 都可以用一个对应的功效系数 来表示该项设计指标的好坏，规定： 表示第k个目标函数的效果最好， 表示第k个目标函数的效果最差。并定义第i个目标函数在设计点X(k)的功效系数 ; 多目标问题的一个设计方案的好坏程度可以用各功效系数的平均值加以评定，即用总的功效系数的大小 来评价该设计方案的好坏，显然，最优设计方案应是 ; 功效系数法计算比较繁琐，但较为有效，比较直观，且调整容易不论各分目标的量级及量纲如何，最终都转化为0～1间的数值，且一旦有一分目标函数值不理想（ ）时，总功效系数必为零，表明设计方案不可接受，须重新调整约束条件或各分目标函数的临界值；另外，这种方法易于处理有的目标函数既不是愈大愈好，也不是愈小愈好的情况。 ; 乘除法是将多目标函数最优化问题中的全部q个目标分为：目标函数值愈小愈好的所谓费用类指标（如材料、工时、成本和重量等）和目标函数值愈大愈好的所谓效益类指标(如产量、产值、利润和效益等)，且前者有s项，后者有（q-s）项，则统一目标函数可取为 ; 对于多目标函数最优化问题，考虑对各个目标最不利情况下求出最有利的解。就是对多目标极小化问题采用各个目标fi中的最大值作为评价函数???;分层