优化决策理论与方法.pptVIP

决策理论与方法-优化决策理论与方法 多目标规划—管理实例 决策目标： 运输速度最快，可用吨公里数（可观测变量）最小描述。总吨公里数为?i?jdijxij； 运输费用最小。总运输费用为?i?jcijxij； 约束条件 每个仓库的运出量不超过仓库的库存量：?jxij?ai； 运到每个销售网点的量与其销售能力相匹配：?ixij=bj； 每个仓库的运出量非负：xij?0。 决策理论与方法-优化决策理论与方法 多目标规划—管理实例 最后得到模型： 模型包含2个目标； mn个决策变量； mn+m+n个约束。 决策理论与方法-优化决策理论与方法 多目标规划—标准型 多目标规划(multi-Objective Programming,MOP)就是指在决策变量满足给定约束的条件下研究多个可数值化的目标函数同时极小化(或极大化)的问题。其一般形式如下： Min f(x)=(f1(x),f2(x),…,fp(x))T， S.t. gi(x)?0;i?I hj(x)=0;j??。 决策理论与方法-优化决策理论与方法 多目标规划—Pareto最优解 设x*是可行域S上的一个点，对于?x?S，均有：fi(x*)?fi(x)(i=1,…,p)，称x*为MOP问题的绝对最优解；若不存在x?S，使得fi(x)?fi(x*)(或fi(x)fi(x*)) (i=1,…,p)，则称x*为MOP问题的有效解(或弱有效解)。有效解通常也称为Pareto最优解。 S x1 x2 f(S) f(S) f2 f2 f1 f1 绝对最优解 有效解 弱有效解 决策理论与方法-优化决策理论与方法 多目标规划—Pareto最优解存在条件 (必要条件)假设向量值函数f=[f1(x),…,fp(x)]T, g=[g1(x),…,g|I|(x)]T, h=[h1(x),…,h|?|(x)]T在x*?S处可微，若x*是MOP问题的有效解或弱有效解，则存在向量??R+p，??R+|I|，??R+|?|，使得(?,?,?)≠0，且 ?f(x*)?=?g(x*)?+?h(x*)? ?Tg(x*)=0。 决策理论与方法-优化决策理论与方法 多目标规划—求解方法 直接求解多目标规划问题的有效解集是NP-难问题。下面介绍多目标规划问题的间接解法，基本思路都是将多目标规划问题转化为一个或多个单目标优化问题。 基于一个单目标问题的方法：将原来的多目标规划问题转化成一个单目标优化问题，然后利用非线性优化算法求解该单目标问题，所得解作为MOP问题的最优解。关键问题在于：保证所构造的单目标问题的最优解是MOP问题的有效解或弱有效解。 决策理论与方法-优化决策理论与方法 多目标规划—求解方法 线性加权和法： Min ?Tf(x)=?k?kfk(x)， S.t. gi(x)?0;i?I hj(x)=0;j?? 权重设置要求：?k?k=1, ?k?0(k=1,2,…,p)。 主要目标法： Min f(x)=f1(x)，(不妨设f1(x)为主要目标) S.t. gi(x)?0;i?I hj(x)=0;j?? fk(x)?uk, k=2,…,p uk为专家经验值。 决策理论与方法-优化决策理论与方法 多目标规划—求解方法 极小化极大法：在目标函数f(x)的p个分量中，极小化f(x)的最大分量，即 minx?Smax1?j?pfj(x) 理想点法：分别求出f(x)中每个分量fj(x)的极小点fj0，得到理想点f0=(f10,…,fp0)T；然后求解单目标优化问题： minx?S||f(x)-f0||?。 ?为范数的阶，可取1，2，∞。 决策理论与方法-优化决策理论与方法 多目标规划—求解方法 基于多个单目标问题的方法：将原来的多目标规划问题转化成具有一定次序的多个单目标优化问题，然后依次求解这些单目标优化问题，并把最后一个单目标优化问题的解作为MOP问题的最优解。关键问题在于：保证最后一个单目标优化问题的最优解是MOP问题的有效解或弱有效解。 分层排序法：将目标函数按重要度依次排序，然后在前一个目标函数的最优解集中寻找下一个目标的最优解集，并把最后一个目标的最优解作为MOP问题的最优解。 决策理论与方法-优化决策理论与方法 多目标规划—求解方法 min f1(x)，x?S（不妨设f1(x)为第一层目标），得到最优解集S1; 第j层：min fj(x),x?Sj-1，j=2,…,p 最后将Sp中的点作为多目标问题的最优解。 决策理论与方法-优化决策理论与方法 多目标规划—Matlab函数应用 Optimization ToolBox Min max {fi(x)} s.t. c(x)?0 ceq(x)=0 A·x?b