不确定优化问题的建模和处理方法[宣讲].pptVIP

智能优化算法 精品PPT | 实用可编辑 智能优化算法 精品PPT | 实用可编辑 智能算法-遗传算法 精品PPT | 实用可编辑 智能算法-遗传算法 精品PPT | 实用可编辑 智能算法-遗传算法 精品PPT | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 参考借鉴 | 实用可编辑 不确定优化问题的建模和处理方法 信息管理与信息系统系 刘 波 精品PPT | 实用可编辑 主要内容 不确定优化问题的来源及应用领域 灵敏度分析 随机规划 模糊规划 鲁棒优化 智能优化算法 精品PPT | 实用可编辑 不确定优化问题的来源及应用领域 在运筹学、管理科学、信息科学、工业工程、航天技术以及军事等众多领域都存在人为的或客观的不确定性，表现形式也多种多样，如随机性、模糊性、粗糙性以及多重不确定性。辩证的看，不确定性是绝对的，确定性是相对的。所以，不确定性是系统的固有属性，对于任何一个组织或系统来说，对不确定性问题都是最为重要的任务之一。在决策制定领域，为了得到科学的决策结果，通常的做法是对决策问题进行抽象建模，然后采用相应优化手段进行求解。 精品PPT | 实用可编辑 不确定优化问题的来源及应用领域 在传统的优化问题数学表达式中，优化模型的结构和参数是确定的。但是，在实际当中,不确定性无处不在，其不确定因素主要来源于：1、系统内部潜在的本质决定的不确定性；2、对于系统的实际机理不可能完全了解；3、模型建立前收集数据时，数据采集（包括数据测量和数据统计预处理）过程中不可避免的存在测量工具和测量本身的误差或错误；4、对模型的简化处理，比如用一个简单的模型来近似比较复杂的系统；5、影响所建模型的未来因素不确定；6、在计算过程中，对模型的离散化处理；7、解决方案付诸实际时，由于种种原因还需要不断的修正等。 精品PPT | 实用可编辑 不确定优化问题的来源及应用领域 这些不确定因素可能对优化模型的结构和参数产生影响，从而使得优化模型的解不再满足约束条件，同样，优化模型的最优目标值也就不成立。因此，对于这些含有不确定性的决策优化问题，经典的优化理论通常是无能为力的。 处理不确定优化问题的方法一般有：概率论与数理统计、可能性理论、模糊理论、灰集理论、粗糙集理论、区间代数、集对理论等,当然这些理论之间存在着互相交叉。选择何种方法取决于所能获得的信息和决策者的态度及目的。 下面介绍几种常用的优化理论和方法。 精品PPT | 实用可编辑 灵敏度分析 1.灵敏度分析的基本方法 灵敏度分析源于统计、预测、估计或假设等一些不确定的建模中，分析不确定性数据的变化给模型的输出带来的影响。在对线性规划进行灵敏度分析时，是在得到线性规划问题的最优解之后，对要研究这个问题中各个系数的单独变化对目前最优解的影响。 精品PPT | 实用可编辑 灵敏度分析 1.灵敏度分析的基本方法 运用灵敏度分析，我们可以得到两方面的结论：一是数据的变化对最优解的影响；二是保持最优解不变时,各参数的变化范围。灵敏度分析主要依赖于线性规划的对偶特性，并且是分析部分参数变化时的情况。灵敏度分析是在优化计算已经完成，得到最优结果之后进行的，因此又被称为优化后分析。 精品PPT | 实用可编辑 配色花哨 文字多 套用模板 套用模板 逻辑不清 内容空洞 太土 太杂 太乱 太繁 “ ” 精品PPT·实用可编辑 灵敏度分析 2.灵敏度分析的局限性 1.采用确定性的模型，即便是参数不能完全知道的时候，一般会采用最好的估计值,或者用均值。也就是说,实际上在建模时几乎不考虑不确定性的存在。 2.在得到最优结果后进行分析，来确定不确定因素所带来的影响，从某种角度来说，属于一种被动的行为，因为并不在事先主动考虑不确定性。 3.一般严格依赖于最优解,或者最优解的求解方法。 精品PPT | 实用可编辑 随机规划 概率论和数理统计是处理不确定问题的常用理论工具。在处理优化问题的过程中，往往有一些参数以随机变量的形式出现在模型中，就形成了所谓的随机规划模型。 建立模型的目的是要找出满足约束