《运筹学》教材编写组《运筹学》笔记和课后习题(含考研真题)详解(多目标决策)
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第16章 多目标决策
16.1 复习笔记
1.基本概念
在生产、经济、科学和工程活动中经常需要对多个目标(指标)的方案、计划、设计进行好坏的判断,只有对各种因素的指标进行综合衡量后,才能做出合理的决策。
(1)多目标的最优解
假定有m 个目标同时要考查,并要求都越大越好。在不考虑其他目标时,记第个目标的最优值为,相应的最优解记为,=1,2,…,m ;其
中是解的约束集合,。当这些都相同
时,就以这共同解作为多目标的共同最优解。
(2)非劣解
考查使目标函数越大越好的情况,当
为非劣解时,即不存在
,使
,且至少对一个严格不等式成立。
2.化多为少的方法 (1)主要目标法 ①优选法
在实际问题中通过分析讨论,抓住其中一两个主要目标,让它们尽可能地好,而其他指
()()1,,m f x f x …i ()0max i i x R
f f x ∈=()i x i R (){}
()()(){}10,,,T
l R x g x g x g x g x =≥=…()
i X
标只要满足一定要求即可,通过若干次试验以达到最佳。
②数学规划法
设有m个目标要考查,其中方案变量(约束集合),若以某目标为主要目标,如要求实现最优(最大),而对其他目标只满足一定规格要求即可,如(=2,…,m)。其中当或就变成单边限制,这样问题便可化成求下述非线性规划问题:
3.线性加权的法
(1)—法
对于有m个目标的情况,不妨设其中要求最小化,而要求最大化,这时可构成下述新目标函数。
其中满足方程组
其中
(2)—法
当m个目标都要求实现最大时,可用下述加权和效用函数,即
其中取
4.平方和加权法
设有m个规定值,要求m个函数分别与规定的值相差尽量小,若对其中不同值的要求相差程度又可不完全一样,即有的要求重一些,有的轻一些。这时可采用下述评价函数:
要求,其中可按要求相差程度分别给出。
5.理想点法
有m个目标,每个目标分别有其最优值
记向量函数,。理想点法的中心思想是定义一定的模,在这个模意义下找一个点尽量接近理想点,即让模
。
一般定义的p-模为:
要求模最小,即要找到一个解,使得。
6.乘除法
当在m个目标中,不妨设其中k个要求实现最小,其余要求实现最大,并假定
这时可采用评价函数
7.功效系数法——几何平均数
设m个目标,其中个目标要求实现最大,个目标要求实现最小,其余的目标是过大不行,过小也不行。对于这些目标分别给以一定的功效系数(即评分),之间的某一数。当目标达到最满意时,取;当最差时,取。描述与的关系,称为功效函数,表示为。对于不同类型目标应选用不同类型的功效函数。
Ⅰ型:当越大;也越大;越小,也越小。
Ⅱ型:越小,越大;越大,越小。
Ⅲ型:当取适当值时,最大;而取偏值(即过大或过小)时,变小。
有了功效函数后,对每个目标都可对应为相应的功效函数。目标值可转换为功效系数。这样每确定一方案后,就有m个目标函数值。然后用其对应的功效函数转换为相应的功效系数。并可用它们的几何平均值
作为评价函数,显然D越大越好,D=1是最满意的,D=0是最差的,这样定义的评价函数有一个好处,一个方案中只要有一个目标值太差,如,就会使D=0,而不会采用这个方案。
8.分层序列法
分层法的思想是把目标按其重要性给出一个序列,分为最重要目标、次要目标等。设给出的重要性序列为。首先,对第一个目标求最优,并找出其所有最优解的集合,记为;其次,在内求第二个目标的最优解,记最优解集合为。以此类推,直至求出第m个目标函数的最优解。
9.多目标线性规划的解法
(1)逐步法(STEM)
逐步法是一种迭代法。在求解过程中,每进行一步,分析者把计算结果告诉决策者,决策者对计算结果作出评价。若认为已满意了,则迭代停止;否则分析者再根据决策者的意见进行修改和再计算,如此直到求得决策者认为满意的解为止,故称此法为逐步进行法或对话式方法。
(2)妥协约束法
设有两个目标的情况,即k=2,,,A为m×n矩阵,,
引进一个新的超目标函数。、为权系数,,,=1,2;此外构造一个妥协约束:,,、分别为、的最大值(当)。求解的具体步骤为:
第1步:解线性规划问题:,得到最优解及相应的目标函数值。
第2步:解线性规划问题:,得到最优解及相应的目标函数值。
第3步:解下面三个线性规划问题之一。
得到的解为妥协解。
10.层次分析法(AHP法)
(1)AHP法原理
设有n件物体;它们的重量分别为。若将它们两两比较重量,其比值可构成n×n矩阵A。
若用重量向量右乘A矩阵,则,由矩阵理论知,W为特征向量,n为特征值。若为未知时,则可根据决策者对物体之间两两相比的关系,主观作出比值的判断,或用Delphi法来确定这些比值,使A矩阵为已知,故判断矩阵记作。这时问题由变成,这里是矩阵的最大特征值,便是带有偏差的相对权重向量。这就是由判断不相容而引起的误差。为了避免误差太大,所以要衡量矩阵的一致性。检验判断矩阵一致性的指标(CI):
当,CI=0时,为完全一致;CI值越大,判断矩阵的完全一致性越差。判断矩阵的维数n越大,判断的一致性将越差,故应放宽对高维判断矩阵一致性的要求。于是引入修正值RI,如下表,并取更为合理的CR为衡量判断矩阵一致性的指标。