《多目标及离散变量》课件.ppt

多目标及离散变量

课程概述多目标决策了解多目标决策的概念和方法，并学习如何处理现实世界中的复杂问题。离散变量掌握离散决策变量的特点和求解方法，并应用于实际问题。

多目标决策的必要性现实问题复杂性现实问题很少只涉及单一目标，往往包含多个相互冲突的目标，需要综合考虑各种因素进行决策。决策目标的多样性例如，企业经营中，既要追求利润最大化，又要考虑市场占有率、社会责任等因素。

多目标决策的定义与特点1定义多目标决策是指在多个目标之间进行权衡和选择，以找到最佳的决策方案。2特点多目标决策问题通常具有多个目标函数，且这些目标函数之间可能存在冲突。3复杂性寻找最优解需要综合考虑多个目标之间的权衡关系，这使得多目标决策问题变得复杂。

多目标决策问题的表达形式1目标函数描述决策目标的数学表达式。2约束条件限制决策变量取值的条件。3决策变量可控的因素。

多目标决策的基本概念目标集多目标决策问题通常包含多个相互冲突的目标，这些目标共同构成目标集。决策变量决策变量是用来描述决策方案的变量，它们的值决定了目标函数的值。约束条件约束条件是决策方案必须满足的限制条件，它们限制了决策变量的取值范围。最优解多目标决策问题通常没有唯一的最佳解，而是存在多个满足不同目标权重的最优解。

目标函数间的比较和折衷优劣比较在多目标决策中，目标函数之间可能存在冲突或矛盾，需要对不同的目标函数进行比较和折衷。例如，企业需要在利润最大化和成本最小化之间进行权衡。权衡方法常见的权衡方法包括加权法、目标规划法等。加权法通过对不同目标函数赋予不同的权重来反映其重要性，目标规划法则设定目标值和偏差，以求得最优解。

目标函数的赋权方法主观赋权法根据决策者的经验和偏好进行赋权客观赋权法根据目标函数的历史数据或统计指标进行赋权组合赋权法将主观赋权法和客观赋权法结合起来

加权法的改进方法层次分析法层次分析法通过构建层次结构，对目标和方案进行排序，并通过判断矩阵来确定权重，从而进行多目标决策。目标规划法目标规划法将目标设定为一系列目标水平，并以最小化目标偏差为目标函数，从而实现多目标决策。模糊综合评价法模糊综合评价法通过模糊集合和模糊逻辑，将多目标决策问题转化为模糊数学问题，进行综合评价和决策。

目标规划法多目标优化目标规划法将多目标问题转化为单目标优化问题，通过设定目标值和偏差变量来处理目标函数之间的冲突。灵活性目标规划法允许目标函数偏离目标值，并根据偏差变量的权重进行调整，以找到最佳的解决方案。现实应用目标规划法广泛应用于生产计划、投资决策、资源分配等领域，帮助决策者在多目标约束下做出最佳选择。

目标规划法的优缺点1优点目标规划法可以同时考虑多个目标，并根据决策者的偏好进行权衡。2优点目标规划法可以处理目标函数之间的冲突，并找到一个折衷的解决方案。3缺点目标规划法的求解过程相对复杂，需要进行大量的计算。4缺点目标规划法的结果可能并不总是最优解，因为它是基于决策者的主观偏好进行权衡的。

多目标决策的其他方法层次分析法通过构建层次结构，对目标、准则和方案进行权重分析。博弈论分析多个决策者之间的互动关系，找到最佳策略。模糊集理论处理不确定性和模糊性，对决策目标进行量化分析。

离散决策变量在决策过程中，当决策变量只能取有限个值时，这些变量被称为离散决策变量。这与连续决策变量不同，连续决策变量可以取任何值。

离散决策变量的概念二元变量二元变量只能取0或1，表示决策方案是否被选择。整数变量整数变量只能取整数，例如生产数量、运输路线等。离散变量离散变量只能取有限个值，可以是整数或非整数，例如产品类型、设备配置等。

离散决策模型的特点决策变量离散决策变量只能取有限个离散值，不能取连续值，例如选择方案或分配资源。目标函数非线性离散决策模型的目标函数往往是非线性的，这增加了求解的复杂性。约束条件复杂离散决策模型的约束条件可能非常复杂，例如需要满足整数约束或逻辑约束。

整数规划问题的表达形式1目标函数目标函数表示优化目标，通常为线性函数。2约束条件约束条件限定决策变量的取值范围，确保决策的可行性。3整数约束决策变量必须为整数，反映了实际问题中离散性的特点。

整数规划问题的求解方法1枚举法2分支定界法3割平面法4内点法

枚举法简单方法枚举法直接列出所有可能的解，并逐一评估目标函数值，选择最优解。适用于小型问题当决策变量的取值范围较小，且解的数量有限时，枚举法是可行的。计算量大当决策变量增多时，解的数量将呈指数增长，枚举法的计算量将变得很大。

分支定界法分支将问题分解成一系列子问题，每个子问题对应一个分支，逐步探索可能的解空间。定界对每个子问题计算上界和下界，以评估其优劣，并根据界限信息决定是否继续分支。

割平面法将整数规划问题转化为线性规划问题，并添加约束条件，将非整数解排除。添加的约束条件被称为割平面，