模糊优化方法课件.pptxVIP

模糊优化方法

模糊优化多年来，传统的优化技术和方法已经成功地应用于求解一类具有清晰定义结构/行为的系统，也称作硬系统，一般地，称此类优化方法为确定型或清晰型优化方法。清晰型优化方法的基础是清晰的数字模型和精确的数学方法。然而，由于社会、生产和经济系统中常常存在多种形式的非确定性信息，如事件发生的随机性、数据的非精确性、语言的含糊性等，这些非确定性信息常来源于多种方式，其中包括测量误差；缺乏足够的历史统计数据；缺乏足够可用的理论来描述和支持；知识表达的方式；人类的主观性判断或偏好等。这些形式的非确定性可以归类为两种类型，即随机非确定性和模糊性。

模糊优化随机非确定性的特点是信息的描述是清晰的，但非确定性以频率形式表现出来，这类系统常称为随机系统，常用基于概率理论的随机优化方法求解。实际上，决策者并不认为通常的概率分布是正确的，对于一些非精确情形，特别是没有清晰界限的信息，与人类语言/行为相关的信息，或者由于受知识和认识所限而难以表达和清晰定义的信息等，这种非确定性信息统称为模糊性信息。具有模糊性信息的系统称为模糊系统，有时也称软系统，这类系统的特点是，系统的行为/结构没有清晰的界定，系统的信息反映了人类的主观属性和非精确性。基于精确数学理论的优化方法和基于概率理论的随机优化方法都不能准确地描述这类系统的行为和特性，因而也不能有效地求解这类系统。起源于50年代并很快得到发展的模糊集理论和基于模糊集理论的模糊优化方法提供了处理这类软系统的建模和优化的有效方法与技术，基于模糊集理论的建模和优化方法称为模糊建模和模糊优化方法。

模糊优化模糊优化理论和方法的研究，在70年代有人提出模糊决策的概念和模糊环境下的决策模型后迅速发展。许多学者相继研究了模糊线性规划模型，模糊多目标规划模型，模糊整数规划模型，模糊动态规划模型，可能性线性规划模型和模糊非线性规划模型，并提出了求解这些模型的方法。同时,模糊排序，模糊集运算，灵敏度分析和对偶理论以及模糊优化在生产实际中的应用也成为模糊优化理论和方法的重要研究内容。通过查找相关文献，总结了模糊优化的理论与方法，主要包括五个部分：1、模糊建模与模糊优化；2、模糊优化问题的一般形式与分类；3、模糊优化方法的基本框架和主要优化方法；4、模糊线性规划问题的分类；5、模型与求解方法及最优解的类型。

1模糊建模与模糊优化模糊建模是指从模糊信息的描述到建立一个适当的数学模型的过程。模糊优化是指模糊模型的求解过程。一般地，对于一个复杂问题，从建立模糊优化模型（模糊建模）到求解模糊优化模型（模糊优化）需要经过以下五个基本环节

1模糊建模阶段基于对问题本身的理解，分析问题中存在哪些模糊信息，以及出现的形式（如模糊目标，可行集、约束集或参数）和方式，如非精确的量化形式或者是含糊不清的语言等。ABC模糊信息的描述与表达，采取适当的方式，如隶属函数、可能性分布函数，以线性形式或非线性形式等来描述模糊信息。在这个过程中，应该充分反映决策者的意愿和观点，即主观性或偏爱。在A、B的基础上，根据问题的特点和要求，采用适当的数学工具和方法，建立模糊优化模型。

1模糊优化阶段将模糊优化模型转化为清晰优化模型。在这个过程中，首先要明确问题是寻求什么形式的最优解，是确定型的最优解、满意解或是模糊解，这要取决于决策者对问题的理解和问题的要求，即对最优解的理解。然后基于模糊数学的一些理论和原理如模糊排序理论、扩展原理、模糊集运算等，提出一些新的概念。在此基础上，把模糊优化模型转化为等价的，或者近似的确定型清晰优化模型。D清晰优化模型的求解。根据等价的或近似的清晰优化模型的特点（线性、非线性；单目标、多目标；连续型、离散型或混合型等），采用或者设计合适的优化算法，如传统的启发式算法、单纯型算法，或者智能化优化方法，如模拟退火、遗传算法、禁忌搜索等。E

2模糊优化问题的一般描述令X={x}是可选方案的集合，目标函数F：X→L(R)，其中，L(R)是R的一类模糊子集，可行域子集，U(x)∈[0,1]，模糊优化问题可以表述为一般形式是一个模糊c(FOP)：F(x,r)→。其中，r是参数，可以是清晰型，也可以是模糊型。(FOP)表示寻找x“属于”C，使得F(x,r)具有“尽可能大”的值。

2模糊优化问题的两种类型类似于确定型优化问题，一般把模糊优化问题分为两种类型，模糊极值问题（无约束模糊优化问题）和模糊数学规划问题（约束模糊优化问题）1、模糊极值问题一般形式是:max/minY=F(X,r)，其中X∈X是模糊子集，F是一个清晰定义的函数，Y是R的模糊子集。

2模糊优化问题的两种类型2、模糊数学规划问题在FOP中,C是用模糊系统约束或清晰的系统约束来描述，F(x,r)是清晰定义的目标函数或非清晰定义的目标函数。由于模糊因素在目标/系统约束中出现的形式