多目标规划优质PPT.ppt

多目标规划优质PPT.ppt

《多目标规划优质PPT.ppt》由会员分享，可在线阅读，更多相关《多目标规划优质PPT.ppt（33页珍藏版）》请在冰豆网上搜索。

一种是化多为少的方法，即把多目标化为比较容易求解的单目标或双目标，如主要目标法、线性加权法、理想点法等；

另一种叫分层序列法，即把目标按其重要性给出一个序列，每次都在前一目标最优解集内求下一个目标最优解，直到求出共同的最优解。

对多目标的线性规划除以上方法外还可以适当修正单纯形法来求解；

还有一种称为层次分析法，是由美国运筹学家沙旦于70年代提出的，这是一种定性与定量相结合的多目标决策与分析方法，对于目标结构复杂且缺乏必要的数据的情况更为实用。

多目标规划模型,

（一）任何多目标规划问题，都由两个基本部分组成：

（1）两个以上的目标函数；

（2）若干个约束条件。

（二）对于多目标规划问题，可以将其数学模型一般地描写为如下形式：

一多目标规划及其非劣解,式中：

为决策变量向量。

缩写形式：

有n个决策变量，k个目标函数，m个约束方程，则：

Z=F（X）是k维函数向量，（X）是m维函数向量；

G是m维常数向量；

（1）,

（2）,对于线性多目标规划问题，可以进一步用矩阵表示：

式中：

X为n维决策变量向量；

C为kn矩阵，即目标函数系数矩阵；

B为mn矩阵，即约束方程系数矩阵；

b为m维的向量，即约束向量。

多目标规划的非劣解,多目标规划问题的求解不能只追求一个目标的最优化（最大或最小），而不顾其它目标。

对于上述多目标规划问题，求解就意味着需要做出如下的复合选择：

每一个目标函数取什么值，原问题可以得到最满意的解决？

每一个决策变量取什么值，原问题可以得到最满意的解决？

在图1中，max（f1,f2）.就方案和来说，的f2目标值比大，但其目标值f1比小，因此无法确定这两个方案的优与劣。

在各个方案之间，显然：

比好，比好,比好,比好。

非劣解可以用图1说明。

图1多目标规划的劣解与非劣解,而对于方案、之间则无法确定优劣，而且又没有比它们更好的其他方案，所以它们就被称为多目标规划问题的非劣解或有效解，其余方案都称为劣解。

所有非劣解构成的集合称为非劣解集。

当目标函数处于冲突状态时，就不会存在使所有目标函数同时达到最大或最小值的最优解，于是我们只能寻求非劣解（又称非支配解或帕累托解）。

效用最优化模型罚款模型约束模型目标达到法目标规划模型,二多目标规划求解技术简介,为了求得多目标规划问题的非劣解，常常需要将多目标规划问题转化为单目标规划问题去处理。

实现这种转化，有如下几种建模方法。

是与各目标函数相关的效用函数的和函数。

方法一效用最优化模型（线性加权法）,

（1）,

（2）,思想：

规划问题的各个目标函数可以通过一定的方式进行求和运算。

这种方法将一系列的目标函数与效用函数建立相关关系，各目标之间通过效用函数协调，使多目标规划问题转化为传统的单目标规划问题：

在用效用函数作为规划目标时，需要确定一组权值i来反映原问题中各目标函数在总体目标中的权重，即：

式中，i应满足：

向量形式：

方法二罚款模型（理想点法）,思想:

规划决策者对每一个目标函数都能提出所期望的值（或称满意值）；

通过比较实际值fi与期望值fi*之间的偏差来选择问题的解，其数学表达式如下：

或写成矩阵形式：

式中，是与第i个目标函数相关的权重；

A是由（i=1,2,k）组成的mm对角矩阵。

理论依据：

若规划问题的某一目标可以给出一个可供选择的范围，则该目标就可以作为约束条件而被排除出目标组，进入约束条件组中。

假如，除第一个目标外，其余目标都可以提出一个可供选择的范围，则该多目标规划问题就可以转化为单目标规划问题：

方法三约束模型（极大极小法）,方法四目标达到法,首先将多目标规划模型化为如下标准形式：

在求解之前，先设计与目标函数相应的一组目标值理想化的期望目标fi*（i=1,2,k）,每一个目标对应的权重系数为i*（i=1,2,k），再设为一松弛因子。

那么，多目标规划问题就转化为：

方法五目标规划模型（目标规划法）,需要预先确定各个目标的期望值fi*，同时给每一个目标赋予一个优先因子和权系数，假定有K个目标，L个优先级（LK），目标规划模型的数学形式为：

di+和di分别表示与fi相应的、与fi*相比的目标超过值和不足值，即正、负偏差变量；

pl表示第l个优先级；

lk+、lk-表示在同一优先级pl中，不同目标的正、负偏差变量的权系数。

投资的收益和风险,二、基本假设和符号规定,二、基本假设和符号规定,三、模型的建立与分析,1.总体风险用所投资的Si中最大的一个风险来衡量,即maxqixi|i=1，2,n,三、模型的建立与分析,4.模型简化：

四、模型1的求解,由于a是任意给定的风险度，到底怎样给定没有一个准则，不同的投资者有不同的风险度。

我们从a=0开始，以步长a=0.001进行循环搜索，编制程序如下：

a=0;

while（1.1-a）1c=-0.05-0.27-0.19-0.185-0.185;

Aeq=11.011.021.0451.065;

beq=1;

A=00.025000;

000.01500;

0000.0550;

00000.026;

b=a;

a;

vlb=0,0,0,0,0;

vub=;

x,val=linprog（c,A,b,Aeq,beq,vlb,vub）;

ax=xQ=-valplot（a,Q,.），axis（00.100.5），holdona=a+0.001;

endxlabel（a）,ylabel（Q）,ToMatlab（xxgh5）,计算结果：

五、结果分析,3.曲线上的任一点都表示该风险水平的最大可能收益和该收益要求的最小风险。

对于不同风险的承受能力，选择该风险水平下的最优投资组合。

2.当投资越分散时，投资者承担的风险越小，这与题意一致。

即:

冒险的投资者会出现集中投资的情况，保守的投资者则尽量分散投资。

1.风险大，收益也大。

返回,4.在a=0.006附近有一个转折点，在这一点左边，风险增加很少时，利润增长很快。

在这一点右边，风险增加很大时，利润增长很缓慢，所以对于风险和收益没有特殊偏好的投资者来说，应该选择曲线的拐点作为最优投资组合，大约是a*=0.6%，Q*=20%，所对应投资方案为:

风险度收益x0x1x2x3x40.00600.201900.24000.40000.10910.2212,