多目标模糊优选模型的权扰动分析.docxVIP

多目标模糊优选模型的权扰动分析 0 模糊性对相对优属度的影响 该文件采用了应用背景非常清晰的多目标模糊选择模型。然而，如果没有讨论加权系数的轻微变化将对模式的相对接近度产生的影响，则没有讨论加权系数对相对接近度的影响。事实上，影响一个重要问题。利用文献中模糊优良模型获得的决策序列，以及当权系数进行小调整时，她能保持原来的序列吗？解决这些问题无疑是计算最佳决策和方法的必要条件。 1 权扰动转移中最优决策序列的最优性 首先利用微分方法,导出权敏感分析的扰动转移方程. 引用文献中给出的多目标模糊优选模型: uj=11+[m∑i=1[wi(1-rij)]p/m∑i=1(wirij)p]2p(1)uj=11+[∑i=1m[wi(1?rij)]p/∑i=1m(wirij)p]2p(1) 式中:rij表示方案j关于目标i的相对隶属度,满足条件0≤rij≤1;wi表示目标权重系数,满足条件0≤wi≤1?m∑i=1wi=10≤wi≤1?∑i=1mwi=1;参数p0;uj表示方案j的相对优属度. 特别地,当p=1时,得到一个很有用的多目标模糊优选模型: uj=1/{1+[(1-Ij)/Ij]2} (2) 式中:Ιj=m∑i=1wirij. 该模型具有高分辨性能的优点,被广泛应用于模糊优选和评判. 现在考虑,当权系数作微小变化时,会对方案相对优属度产生多大的影响. 为此对模糊优选公式(2)作微分可得 Δuj=2Ιj(1-Ιj)[Ι2j+(1-Ιj)2]2ΔΙj(3) 再对Ιj=m∑i=1wirij微分可得 ΔΙj=m∑i=1rijΔwi(4) 将式(4)代入式(3)便得到下面的权扰动转移方程: Δuj=m∑i=1aijΔwi(5) 其中系数矩阵A=(aij)称为权扰动转移矩阵,而且 aij=2Ιj(1-Ιj)[Ι2j+(1-Ιj)2]2rij(6) 利用上述公式和概念,可得如下结论. 定理1多目标模糊优选模型(2)的权扰动转移矩阵A的范数满足 ‖A‖≤2 (7) 其中数值2称为权扰动矩阵的万有上界,矩阵范数之意义是‖A‖=max{aij:i=1,2,…,m;j=1,2,…,n}. 证明为证明式(7)成立,考察如下函数的性态: f(x)=2x(1-x)[x2+(1-x)2]2;x∈ (8) 易见这个函数是非负函数. 对它求一阶导数可得 f′(x)=2(1+2x-2x2)(1-2x)[x2+(1-x)2]3 当0≤x≤0.5时,f′(x)0;当0.5x≤1.0时,f′(x)0. 因此f(x)在区间上有最大值f(0.5)=2. 于是有 0≤f(x)≤2;x∈ (9) 利用式(6)、(8)和(9),并注意到0≤rij≤1,即得式(7). 定理2如果权系数扰动量满足条件 |Δwi|h/4m;i=1,2,…,m(10) 则最优决策序列在该扰动过程中保持不变. 这里h表示序列的最小间隙,即 h=min{|ui-uj|:i≠j;i,j=1,2,…,n} 证明由权扰动方程(5)可得 |Δuj|=|m∑i=1aijΔwi|≤m∑i=1|aij||Δwi|≤m∑i=1|A||Δwi|≤|A|?m?maxi|Δwi|≤2m?maxi|Δwi| 由此易见,保持最优决策序列不变的充分条件是|Δuj|≤h/2,只要maxi|Δwi|＜h/4m即可满足. 于是证明了条件(10). 定理2给出了保持最优决策序列不变的一个充分条件,即权扰动量满足式(10). 除此之外,还应满足条件 m∑i=1Δwi=0,0≤wi+Δwi≤1;i=1,2,…,m(11) 2 算例2:相对最优行为 这里引用文献中的一个算例,具体计算了该例中的保持最优序列的权扰动范围. 某电站所在地区电网现有装机容量13×104kW左右,由省电网送电10×104kW. 网内设有调峰容量. 按该系统规划要求,到1987年负荷将有较大增加. 按规划水平年份的电力电量平衡计算结果,需要增加工作容量8×104kW,年发电量4.3亿度. 文献以该电网规划增加8×104kW发电工作量为计算依据,计算出了该电站合理的装机容量值. 该电站的4个比较方案如表1所示. 根据方案优选的相对性,越大越优型目标公式 rij=xij-minjxijmaxjxij-minjxij(12) 式中:maxjxij、minjxij分别为方案集目标i的最大、最小特征值. 越小越优型目标公式 rij=maxjxij-xijmaxjxij-minjxij(13) 利用式(12)或(13)将表1中数据转化为模糊相对隶属度矩阵 按模糊优选公式(2),在等权的情况下,计算相对优属度向量 u=(u1u2u3u4)=(0.56 0.57 0.62 0.44) 根据隶属度最大原则,得到最优决策序列u3u2u1u4,即第3个方案为相对