参考文档2目标规划复习题精选word文档 23页Word文档下载推荐.docx
《参考文档2目标规划复习题精选word文档 23页Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《参考文档2目标规划复习题精选word文档 23页Word文档下载推荐.docx(19页珍藏版)》请在冰豆网上搜索。
2x1?
x2?
200(4?
3)?
x?
100(4?
4)?
12约束条件有:
?
x?
50(4?
5)?
1
?
x1,x2?
0(4?
6)若只考虑花钱最少,则显然属于线性规划问题,由(4-1),(4-3)至(4-6)
构成它的数学模型;
若只考虑采购数量最多,也是一个线性规划问题,由式(4-2)至(4-6)构成它的数学模型,但现在两者同时都要考虑.显然是一个多目标线性规划问题.
例4-2某工厂在计划期内要生产甲、乙两种产品,现有的资源及两种产品的技术消耗定额、单位利润如表4-1所示.试确定计划期内的生产计划,使利润最大,同时厂领导为适应市场需求,尽可能扩大甲产品的生产,减少乙产品的生产,同时考虑这些问题,就形成多目标规划问题.
表4-1产品的资源、技术消耗定额、单位利润表
钢材(kg)
木材(m3)
设备负荷(台小时)
单位产品利润(元)甲(每件)9.24370乙(每件)4510120现有资源3600201X3000
分析:
设x1,x2分别是计划期内甲、乙产品的产量.则该问题的数学模型为
9.2x1?
4x2?
3600?
4x?
5x?
201X?
12?
3x?
10x?
30002?
0?
Maxy1?
70x1?
120x2?
s.t.?
Maxy2?
Miny?
x22?
对于这样的多目标问题,线性规划很难为其找到最优方案.极有可能出现:
第一个方案使第一目标的结果优于第二方案,而对于第二目标,第二方案优于第一方案.就是说很难找到一个方案使所有目标同时达到最优,特别当约束条件中有矛盾方程时,线性规划方法是无法解决的.实践中,人们转而采取“不求最好,但求满意”的策略,在线性规划的基础上建立一种新的数学规划方法——目标规划.
二、目标规划的基本概念
我们不难得出多目标规划问题的一般形式如下(简记为:
GP1)
Maxy1?
c11x1?
c12x2?
c1nxn?
C1X?
Maxy2?
c21x1?
c22x2?
c2nxn?
C2X(4-7)?
Maxy?
cx?
CXmm11m22mnnm?
s.t?
a11x1?
a12x2?
a1nxn?
b1?
ax?
b2112222nn2?
(4-8)?
bknnk?
k11k22
x1,x2,?
xn?
AX?
B矩阵表示为:
MaxY?
CX,约束条件:
(GP1)(4-9)X?
其他情况:
如目标函数为miny,约束条件为“?
”,都可作适当的变换,调整为(4-9)的形式.下面也称(4-9)式为目标规划的标准型.
定义4-1设R?
XAX?
B,X?
称R为多目标线性规划问题(简记为GP1)的可行解集合或可行解域.
这个定义与线性规划问题中可行解集定义完全一样,因此,R是一个凸集.定义4-2设问题(GP1)的可行解集合非空,X*?
R,且对任意的X?
R都有CX*?
CX,则称X*为问题(GP1)的最优可行解,简称最优解.
最优解实际上是使所有目标同时达到最优值,如图4—1所示
2
0目标2目标1Rx
图4-1目标规划解集示意图
但更多的情况是:
由于多目标之间存在相互矛盾,最优解往往不可能存在,这就要求我们退而求其次,根据目标之间的相对重要程度,分等级和权重,求出相对最优解——有效解(满意解),为此引入以下概念,对目标函数和约束条件作适当处理.
(一)决策变量与偏差变量
决策变量也称控制变量,用x1、x2、?
、xn表示,如例4-1中的x1、x2等.
在多目标规划问题中,由于目标之间存在冲突或约束条件中有矛盾方程,我们可以设想降低目标要求、“放松”严格的约束条件,即从实际出发,根据经验、历史资料或市场的需求、上级部门的任务下达等来给每个目标确定一个希望达到的目标值ei,(i=1,2,?
,m).一般说来,这些值ei的确定并不要求十分精确或严格,允许决策的实际值大于或小于ei.我们称实际值与目标值的差距为偏差变量(deviationvariable).用di?
和di?
表示.
di?
——第i个目标的实际值超出目标值的部分,称为正偏差变量.
——第i个目标的实际值不足目标值的差距,称为负偏差变量.规定
0,(i=1,2,?
,m).
实际操作中,当目标值确定时,所做的决策只可能出现以下三种情况:
即由di?
所构成的3种不同组合表示的含义:
①di?
di?
表示第i个目标的实际值超出目标值;
②di?
0,di?
0表示第i个目标的实际值未达到目标值;
③
并且无论发生哪种情况di?
表示第i个目标的实际值恰好等于目标值.
均有:
.
如在例4-2中,若提出目标y1的期望值e1=45000元,y2的期望值e2=250件,y3的期望值e3=200件,则可引入偏差变量di?
(i=1,2,3),d?
表示利润超
过45000元的数量,d?
则表示利润距45000元还差的数量,d?
表示甲产品产量
超过250件的部分,?
.这样可得三个目标函数方程
d1?
45000?
d2?
250(4-10)?
d3?
200
d?
d?
112233
(二)目标约束与绝对约束
前面通过确定各目标的目标值、引入偏差变量,把目标函数转化成约束方程,从而并入原约束条件中,我们称这类具有机动余地的约束为目标约束(goalrestrictions).如例4-2的目标函数转化为目标约束(4-10).因它具有一定的弹性,
一般目标约束不会不满足,只是可能偏差要大一些,故也称为软约束.
绝对约束(absoluterestrictions)是指必须严格满足的等式或不等式约束,也称为系统约束.它对应于线性规划中的约束条件(如资源、客观条件约束等),不能满足绝对约束的解即为不可行解,因此也称为硬约束.
在一个规划问题中,有时会因为资源的短缺等原因,在约束条件中出现互相矛盾的方程.此时,可行解集合是空集.应用一般的线性规划方法,只能得出无解的结论.而在实际的决策问题里,决策者需要采取一定的措施,或增加资源,或减少产量,综合平衡各方面的因素,寻求可行的方案.而要找出哪种资源短缺,哪个产量指标过高,仍是解决问题的前提,采取一般的线性规划单纯形法解决这个问题显得十分困难.而在目标规划中,将比较容易解决这个问题.我们设想将约束条件“放松”,对约束方程也引入偏差变量,使矛盾的方程不再矛盾!
然后通过适当的方法,找出问题的关键,即需要增加的资源品种与数量或需降低的产品产量等,就会获得较好的决策效果.这说明两种约束在一定条件下可以转换.
例如:
在例4-2中,若再增加约束条件:
甲、乙两产品总的生产件数大于510,即:
,显然它与约束条件中的:
4x1+5x2?
201X矛盾!
这样解空间成
了空集.但若对新加入的约束条件引入正、负偏差变量d?
,可得约束方
程
d7?
510
由于d?
的作用,约束条件不再矛盾,可行解空间就非空了,我们便可应,d?
用后面介绍的方法求出相应的解,从而找出发生矛盾的关键因素及相应的数量,为进一步进行决策提供有力的依据.
当不易发现约束条件中是否有矛盾方程时,更一般的方法是对所有绝对约束都引入偏差变量,从而把约束条件全部变为等式.
(三)目标规划的目标函数
通过引入偏差变量,使原规划问题中的目标函数变成了目标约束,那么现在问题的目标是什么呢?
我们知道:
对于满足绝对约束和目标约束的所有解(即可行解),从决策者角度看,判断其优劣的依据是决策值与目标值的偏差越小越好.从而目标规划的目标函数就可由偏差变量构成.它有三种基本表现形式:
①要求恰好达到目标值的,即正、负偏差变量都要尽可能小.构造目标函数为:
MinZ?
.②要求不能超过目标值的,即允许达不到目标值,但
即使超过,一定要越小越好.构造目标函数为:
.③要求超过目标
值的,即允许超过目标值,但即使不足,一定要使缺少量越少越好.构造目标函数为:
.这样根据各个目标的不同要求,确定出总的目标函数
(di?
j).
i,j
如例4-2中的目标函数可表示为Min.Z?
d3
其完整的目标规划模型为
1?
x1?
250
x?
201X33?
s.t.?
3600
201X12?
3x1?
10x2?
3000?
x,x?
0,d,d(i?
1,2,3)12ii?
0,?
(四)优先因子与权系数
目标规划中,当决策者要求实现多个目标时,这些目标的偏差可能相互替代或抵消,因为我们求的是所有偏差和最小,而实际问题中的目标之间也有主次、轻重、缓急之区别.决策者往往有一些最重要的,第一位要求达到的目标,我们赋予它优先因子(factorofpriority)P1,在它实现的前提下再去解决次要目标.依次把第二位达到的目标赋予优先因子P2?
,并规定Pk?
Pk+1,即不管Pk+1乘以一个多大的正数M,总成立Pk>
MPk+1,表示Pk比Pk+1具有绝对的优先权.因此,不同的优先因子代表着不同的优先等级.在实现多个目标时,首先保证P1级目标的实现,这时可不考虑其它级别目标,而P2级目标是在保证P1级目标满足的前提下考虑的.决不能因为要使P2级目标更好地实现,而去降低P1级目标的实现值.一般地在目标规划模型中,绝对约束相应的目标函数,其优先等级一定是P1级.
若要进一步区别具有相同优先级的多个目标,则可分别赋予它们不同的权系数?
j(?
j可取一确定的非负实数),根据目标的重要