多目标优化方法课件

国际上通常认为多目标最优化问题最早是在1886年由法国经济学家Pareto从政治经济学的角度提出的。多目标规划的真正发达时期，并正式作为一个数学分支进行系统的研究，是上世纪七十年代以后的事。现在，对多目标规划方面的研究集中在以下几个方面:

一、关于解的概念及其性质的研究，二、关于多目标规划的解法研究，三、对偶问题的研究，四、不可微多目标规划的研究，五、多目标规划的应用研究。到现在为止，多目标优化不仅在理论上取得许多重要成果，而且在应用上其范围也越来越广泛，多目标决策作为一个工具在解决工程技术、经济、管理、军事和系统工程等众多方面的问题也越来越显示出它强大的生命力。

第一节概述国际上通常认为多目标最优化问题最早是在1886年由法国经济学11.多目标优化设计示例示例1：某工厂生产两种产品A和B,每件产品A需制造工时和装配工时分别为1时和1.25时，每件产品B需制造工时和装配工时分别为1时和0.75时，每月制造车间和装配车间能够提供的最多工时为200时，另外，每月市场对产品A需求量很大，而对产品B的最大需求量为150件，产品A和产品B的售价分别为4元和5元，问如何安排每月的生产，最大限度的满足市场需求，并产值最大？1.多目标优化设计示例示例1：某工厂生产两种产品A和B,每2示例2.用直径为1(单位长)的圆木制成截面为矩形的梁,为使重量最轻,而强度最大,问截面的高与宽应取何尺寸?解:设矩形截面的高与宽分别为和,这时梁的面积为,它决定重量,而梁的强度取决于截面形。因此,容易列出梁的数学模型:示例2.用直径为1(单位长)的圆木制成截面为矩形的梁,为3示例3

物资调运问题:

某种物资寸放三个仓库里,存放量分别为

(单位:t);现要将这些物资运往四个销售点。其需要量分别为且，已知到的距离和单位运价分别为(km)和(元),现要决定如何调运多少,才能使总的吨,公里数和总运费都尽量少?示例3物资调运问题:4解:设变量表示由运往的货物数,于是总吨公里数为,总运费为,问题优化设计模型为解:设变量5示例4：如图所示，设计一苦空心阶梯悬臂梁，根据结构要求，已确定梁的总长为1000mm，第一段外径为80mm，第二段外经为100mm，梁的端部受有集中力F＝12000N，梁的内径不得小于40mm，梁的许用弯曲应力为180MPa，确定梁的内径和各段长度，使梁的体积和静挠度最小。12D1=100D2=80L=1000x1x2F示例4：如图所示，设计一苦空心阶梯悬臂梁，根据结构要求，已确6

多目标优化设计模型多目标优化设计模型7

多目标最优化问题的一般形式为:S.t.

或者记作:minD=

其中:=()

2.多目标优化设计模型其中:=(8注意，这里以及之后的所有讲述同时适合于线性和非线性的多目标优化多目标优化设计几何描述注意，这里以及之后的所有讲述同时适合于线性和非线性的多目标优9在单目标优化问题中，任何两个解都可以比较出其优劣，这是因为单目标优化问题是完全有序的；而在多目标优化设计中，任何两个解不一定都可以比较出其优劣，这是因为多目标优化问题是半有序的。3.多目标优化问题解的特点在单目标优化问题中，任何两个解都可以比较出其优劣，这是因为单1021321311第一类：转化法。这类多目标最优化方法的基本思想是将多目标问题转化为一个或一系列的单目标优化问题，通过求解一个或一系列单目标优化问题来完成多目标优化问题的求解。4.多目标优化方法分类第二类：非劣解集法。这类多目标最优化方法的基本思想是求得多目标问题的非劣解集，然后在非劣解集中进行协调和选择，确定出优惠解。第三类：交互协调法。这类多目标最优化方法的基本思想是通过在分析者与抉择者间的不断交互，逐渐搞清抉择者的选择意图，获得多目标问题的优惠解。第一类：转化法。这类多目标最优化方法的基本思想是将多目标问题12

第二节多目标优化设计理论1.多目标优化设计模型

简记为VOP多目标优化问题(Multi-ObjectiveOptimizationProblem)又称为向量优化问题(VectorOptimizationProblem)。第二节多目标优化设计理论1.多目标优化设计模型简132.决策空间与目标空间

以设计变量为坐标的实空间Rn称为决策空间。

以目标函数为坐标的实空间Rm称为目标空间。决策空间可行域：目标空间可行域2.决策空间与目标空间以设计变量为坐标的实空间Rn称为14

示例1决策空间可行域目标空间可行域示例1决策空间可行域目标空间可行域15

示例2决策空间可行域目标空间可行域示例2决策空间可行域目标空间可行域163.解的定义（1）理想解(idealsolution)在目标空间内，以单目标最小值为分量而形成的点，称为多目标问题的理想解。在多目标优化问题中，由于各个目标间往往是矛盾的，所以一般不存在使各目标皆达到各自最优值的理想解。fxX(0)f1(0)f2(0)f1f23.解的定义（1）理想解(idealsolution)17（2）非劣解（NoninferiorSolution）或Pareto解对于可行点XPD，若不存在另一个可行点XD，使成立，则称Xp为多目标问题的非劣解。向量不等式的含义为决策空间非劣解集目标空间非劣解集（2）非劣解（NoninferiorSolution）或187.1模型举例例7.1.用直径为1(单位长)的圆木制成截面为矩形的梁,为使重量最轻,而强度最大,问截面的高与宽应取何尺寸?解:设矩形截面的高与宽分别为和,这时梁的面积为,它决定重量,而梁的重量取决于截面矩形。因此,容易列出梁的数学模型:7.1模型举例例7.1.用直径为1(单位长)的圆木制19例7.2

物资调运问题:

某种物资寸放三个仓库里,存放量分别为(单位:t);现要将这些物资运往四个销售点.其需要量分别为且，已知到的距离和单位运价分别为(km)和(元),现要决定如何调运多少,才能使总的吨,公里数和总运费都尽量少?例7.2物资调运问题:20解:设变量表示由运往的货物数,于是总吨公里数为,总运费为,问题优化为求解解:设变量21由于求最大都可以转化为求最小,所以多目标最优化问题的一般形式为:S.t.

或者记作:minD=

其中:=()

由于求最大都可以转化为求最小,所以多目标最优化问题的一般形式22当P=1时,(VP)就是非线性规划,称为单目标规划。对于单目标问题Min,总可比较与的大小.对于多目标规划(VP),对于，与都是P维向量,如何比较两个向量的大小?可以看到：当P=1时,(VP)就是非线性规划,称为单目标规划。可以看23多目标优化的非劣解集

Noninferiorsolutionforthemodel例如：A,B点属于非劣解，因为不满足定义条件②多目标优化的非劣解集

Noninferiorsolutio24多目标优化方法课件25（3）满意解（最佳协调解或优惠解）效用函数值的大小反映决策者对多目标值的喜爱程度，一般来说，决策者希望效用函数的值越大越好。效用函数：决策者对多目标函数优化解进行评价的函数，记为使效用函数取最大值的非劣解称为最佳协调解。对于效用函数未知的情况，无法直接求得最佳协调解。我们把多目标优化过程满意结束的解称为优惠解。满意解（3）满意解（最佳协调解或优惠解）效用函数值的大小反映决策264多目标优化问题的K－T条件对于多目标优化问题VOP4多目标优化问题的K－T条件对于多目标优化问题VOP277.4求解多目标规划的评价函数法

尽管多目标优化问题有各种意义下的最优解.但在应用中,需要的还是有效解和弱有效解.本节介绍求有效解和弱有效解最基本的方法-----评价函数法.

评价函数法的基本思想是:借助于几何或应用中的直观效果.构造所谓的评价函数.从而将多目标优化问题转化为单目标优化问题.然后利用单目标优化问题的求解方法求出最优解.并把这种最优解当作多目标优化问题的最优解.这里关键的问题是转化后的单目标优化问题的最优解必须是多目标问题的有效解和弱有效解.否则是不能接受的.7.4求解多目标规划的评价函数法尽管多目标优28

所谓评价函数,是利用(VP)的目标函数,构造一个复合函数.然后在(VP)的约束集D上极小化,的构造必须保证在一定条件下,min的最优解是(VP)的有效解或弱有效解.

下面先讨论在什么条件下,min的最优解才能是(VP)min的有效解or弱有效解.定义6.设:1.若,总有,则称为的严格单增函数.2若时,总有,则称为的单增函数.所谓评价函数,是利用(VP)的目标函数,29定理1.设：:,又设，是问题min的极小点,那么:

若为Z的严格单增函数,则是min有效解.

若为Z的单增函数,则是min的弱有效解.重要定理定理1.设：:,又设30几种常用的构造评价函数的方法一.理想点法:

在(VP)中,先求解P个单目标问题

j=1，2，，px∈D

设其最优值为,我们称为值域中的一个理想点。

因为一般很难达到它,这样,就期望在某种等量下,寻求距最近的f作为近似值,一种最直接的想法是构造评价函数

=（7.2）

几种常用的构造评价函数的方法因为一般很难31

然后极小化即求解：并将它的最优解作为(VP)在这种意义下的“最优解”,由于,因此由7.2构造的是严格单增的,从而是(VP)的有效解.然后极小化即求解：32二.线性加权和法.

在具有多个指标的问题中,人们总希望对那些相对重要的指标给予较大的权系数,基于这种现实,自然如下的构造评价函数,令

称之为权向量集,令再求解而将它的最优解,作为(VP)在该意义下的最优解.二.线性加权和法.称之为权向量集,令33三.极大极小法

在决策时，采取保守策略是稳妥的。即在最坏的情况下，寻求最好的结果。按照这种想法，可以构造如下评价函数

然后求解并将它的最优解作为（VP）在这种意义下的最优解。三.极大极小法341.主目标法

转化为

第三节多目标优化的第一类方法主目标法就是从多目标中依据重要程度选择一个目标作为主目标，而将其它目标转化为约束，即将多目标优化问题1.主目标法转化为第三节多目标优化的第一类方法主35主目标法中约束目标的约束值选取主目标法中约束目标的约束值选取362.线性加权法

转化为线性加权法就是将多目标的加权和作为单目标，即将多目标优化问题2.线性加权法转化为线性加权法就是将多目标的加权和作为37(2）对权系数的要求(3)权系数的确定

老手法线性加权法的有关说明：（1)线性加权之前，各目标应进行无量纲化处理。(2）对权系数的要求(3)权系数的确定老手法线性加权法383.极小极大法

转化为极小极大法就是求取多目标函数中的最大值，然后使最大值函数在可行域内极小化，即将多目标优化问题3.极小极大法转化为极小极大法就是求取多目标函数中的最39(2)极小极大法也可以引入一个变量和m个约束，即极小极大法的有关说明：（1)考虑到各目标的重要程度差别，可以对各目标乘以权系数，然后再求最大值函数，即(2)极小极大法也可以引入一个变量和m个约束，即极小极大404.理想点法

转化为理想点法就是将距理想点最近的点作为多目标问题的优惠解，即将多目标优化问题4.理想点法转化为理想点法就是将距理想点最近的点作为多41理想点法的有关说明：考虑到各目标的重要程度差别，可以对各目标乘以权系数，即权系数的选取可以参阅线性加权法。理想点法的有关说明：考虑到各目标的重要程度差别，可以对各目标425.功效系数法在多目标优化问题，各目标的要求不全相同，有的要求极小化，有的要求极大化，有的要求有一个合适的数值。为了反映这些不同的要求，故引入如下的功效函数：5.功效系数法在多目标优化问题，各目标的要求不全相同，有43功效系数的确定：1.直线法2.折线法3.指数法功效系数的确定：1.直线法2.折线法3.指数法446.分层序列法将多目标优化问题的各目标分清主次，按其重要程度逐一排序，然后依次对各目标函数求最优解，但应注意后一目标应在前一目标的最优解域内进行寻优。6.分层序列法将多目标优化问题的各目标分清主次，按其重要45照此继续下去，最后求得第m个目标函数得最优解，真个解即为多目标优化问题的最终解。在分层序列法中，当前面有某个目标函数的最优解唯一时，该方法就发生中断现象，因此需要引入目标容差。照此继续下去，最后求得第m个目标函数得最优解，真个解即为多目467.协调曲线法协调曲线法主要用于求解两个目标函数的多目标优化设计问题。7.协调曲线法协调曲线法主要用于求解两个目标函数的多目标47目标规划法

GoalAttainmentMethod

引入目标概念：F*，令非劣解集到目标的距离（或称范数）最小，选出一个非劣解。Wiγ引入了一个松弛度的概念，松弛度最小的一个非劣解就是对于目标F*的最可行解。优点：不漏解，目标明确，计算量小。缺点：对于非线性规划设计：①运用连续二次形规划(SQP-sequentialquadraticprogramming)，线性的权值松弛在局部搜索范围内，会导致拒绝可大幅改进总体目标的小步搜索。②只针对连续问题，可能只能给出局部最优解。改进：阅读MatlabOptimizationToolbox3.0.1User‘sGuide中AlgorithmImprovementsforGoalAttainmentMethod一节内容。目标规划法

GoalAttainmentMethod引481.变权系数法

对于非负的权系数，若线性加权函数在线性加权法中，系列地改变权系数值，可获得大量的非劣解，形成非劣解集。

第四节多目标优化的第二类方法存在唯一的最优解，则该最优解是多目标问题的非劣解。1.变权系数法对于非负的权系数，若线性加权函数在线性加492.－约束法

转化为从多目标中依据重要程度选择一个目标作为主目标，而将其它目标转化为约束，即将多目标优化问题2.－约束法转化为从多目标中依据重要程度选择一个目标50可以证明，对于一组值，若X*为－约束问题的唯一最优解，则其一定为多目标问题的一个非劣解。通过系列地改变值，可获得大量的非劣解，形成非劣解集。值应大于各单目标函数的最优值，可依据实际情况在下列范围中变化：

－约束法有关说明可以证明，对于一组值，若X*为－约束问题的唯一最优解，则511.逐步法在迭代过程中，分析者向决策者不断提供试验解及其相应的目标函数值，请决策者指出哪一个目标值可以增加，哪一个目标值应减少。分析者根据决策者的意图，增添新的约束，求得新的试验解，进入下一步迭代。直到求出使决策者满意的优惠解。逐步法(StepMethod)是1971年由Benayoun等人提出的求解线性多目标优化问题的一种交互式方法，此方法本质是在某种范数下求距理想点最近的点。

第五节多目标优化的第三类方法1.逐步法在迭代过程中，分析者向决策者不断提供试验解及其52

对于线性多目标优化问题

定义对于线性多目标优化问题定义53

逐步法的计算步骤

（1）建立支付表f1f2…fm1

2

m

……逐步法的计算步骤（1）建立支付表f1f2…54

（2）求第k次迭代点（2）求第k次迭代点55

（3）与决策者对话将目标函数值提供给决策者，若决策者对所有目标值皆满意，则获得优惠解，停止计算；若决策者对所有目标值皆不满意，则计算失败，停止计算；若决策者对部分目标值满意，对部分目标值不满意，则继续计算。在满意的目标中选一个目标fj*，并给出一个可以牺牲的量fj*，意思是愿意让目标fj*增大fj*，以换取其它不满意目标值的减小。并进行如下计算：（3）与决策者对话将目标函数值提供给决策者，若决策者对所有562.代替价值交换法代替价值交换法(SurrogateWorthTrade-offMethod)是1971年由Haimes等人提出的求解非线性多目标优化问题的一种交互式方法。其－约束问题为对于多目标优化问题2.代替价值交换法代替价值交换法(SurrogateWo57

－约束问题的K－T条件

可以证明，约束目标函数对应的Lagrange乘子即约束目标函数对应的Lagrange乘子wj是目标fk对目标fj的交换率。－约束问题的K－T条件可以证明，约束目标函数对应的La58

分析者与决策者的交互分析者求得一个非劣解（即－约束问题的最优解）X(k)，及其对应的所有目标函数值与约束目标函数对应的Lagrange乘子wj，向决策者提问：在目标值f1(X(k)),…,fm(X(k))时，你愿意在其它目标值保持不变的条件下，以目标fj增大一个单位量，而换取目标fj减小wj单位量吗？决策者通过给代替价值函数Skj赋值，回答上述问题。代替价值函数Skj赋值规律如下：分析者与决策者的交互分析者求得一个非劣解（即－约束问题的59（1）若决策者同意上述交换，应给Skj赋正值，其值越大表示越赞成；（2）若决策者同意反向交换，即赞成以目标fj减小一个单位量，而换取目标fj增大wj单位量，应给Skj赋负值，其绝对值越大表示越赞成；（3）若决策者对上述两种交换都不赞成，应给Skj赋零值。代替价值函数Skj赋值规律Skj取值范围是－10到＋10之间的整数，其取值含义为：（1）若决策者同意上述交换，应给Skj赋正值，其值越大表示越60代替价值交换法的计算步骤

（1）求各目标的极大值和极小值

（2）求非劣解得最优解和约束目标函数对应的乘子。求－约束问题代替价值交换法的计算步骤（1）求各目标的极大值和极小值（61(3)代替价值函数Skj赋值将所求得的最优解和约束目标函数对应的乘子提供给决策者，决策者依据自己对目标函数的喜爱程度和具体问题要求，给代替价值函数Skj赋值。(4)求最终解若对某个非劣解，对应的所有代替价值函数Skj值皆为零，则该非劣解为最终解，停止计算。否则，用回归分析法，建立代替价值函数的近似表达式:(3)代替价值函数Skj赋值将所求得的最优解和约束目标函数62(5)构造新的－约束问题求解方程组得令形成－约束问题转（2）。(5)构造新的－约束问题求解方程组得令形成－约束问题转63国际上通常认为多目标最优化问题最早是在1886年由法国经济学家Pareto从政治经济学的角度提出的。多目标规划的真正发达时期，并正式作为一个数学分支进行系统的研究，是上世纪七十年代以后的事。现在，对多目标规划方面的研究集中在以下几个方面:

一、关于解的概念及其性质的研究，二、关于多目标规划的解法研究，三、对偶问题的研究，四、不可微多目标规划的研究，五、多目标规划的应用研究。到现在为止，多目标优化不仅在理论上取得许多重要成果，而且在应用上其范围也越来越广泛，多目标决策作为一个工具在解决工程技术、经济、管理、军事和系统工程等众多方面的问题也越来越显示出它强大的生命力。

第一节概述国际上通常认为多目标最优化问题最早是在1886年由法国经济学641.多目标优化设计示例示例1：某工厂生产两种产品A和B,每件产品A需制造工时和装配工时分别为1时和1.25时，每件产品B需制造工时和装配工时分别为1时和0.75时，每月制造车间和装配车间能够提供的最多工时为200时，另外，每月市场对产品A需求量很大，而对产品B的最大需求量为150件，产品A和产品B的售价分别为4元和5元，问如何安排每月的生产，最大限度的满足市场需求，并产值最大？1.多目标优化设计示例示例1：某工厂生产两种产品A和B,每65示例2.用直径为1(单位长)的圆木制成截面为矩形的梁,为使重量最轻,而强度最大,问截面的高与宽应取何尺寸?解:设矩形截面的高与宽分别为和,这时梁的面积为,它决定重量,而梁的强度取决于截面形。因此,容易列出梁的数学模型:示例2.用直径为1(单位长)的圆木制成截面为矩形的梁,为66示例3

物资调运问题:

某种物资寸放三个仓库里,存放量分别为

(单位:t);现要将这些物资运往四个销售点。其需要量分别为且，已知到的距离和单位运价分别为(km)和(元),现要决定如何调运多少,才能使总的吨,公里数和总运费都尽量少?示例3物资调运问题:67解:设变量表示由运往的货物数,于是总吨公里数为,总运费为,问题优化设计模型为解:设变量68示例4：如图所示，设计一苦空心阶梯悬臂梁，根据结构要求，已确定梁的总长为1000mm，第一段外径为80mm，第二段外经为100mm，梁的端部受有集中力F＝12000N，梁的内径不得小于40mm，梁的许用弯曲应力为180MPa，确定梁的内径和各段长度，使梁的体积和静挠度最小。12D1=100D2=80L=1000x1x2F示例4：如图所示，设计一苦空心阶梯悬臂梁，根据结构要求，已确69

多目标优化设计模型多目标优化设计模型70

多目标最优化问题的一般形式为:S.t.

或者记作:minD=

其中:=()

2.多目标优化设计模型其中:=(71注意，这里以及之后的所有讲述同时适合于线性和非线性的多目标优化多目标优化设计几何描述注意，这里以及之后的所有讲述同时适合于线性和非线性的多目标优72在单目标优化问题中，任何两个解都可以比较出其优劣，这是因为单目标优化问题是完全有序的；而在多目标优化设计中，任何两个解不一定都可以比较出其优劣，这是因为多目标优化问题是半有序的。3.多目标优化问题解的特点在单目标优化问题中，任何两个解都可以比较出其优劣，这是因为单7321321374第一类：转化法。这类多目标最优化方法的基本思想是将多目标问题转化为一个或一系列的单目标优化问题，通过求解一个或一系列单目标优化问题来完成多目标优化问题的求解。4.多目标优化方法分类第二类：非劣解集法。这类多目标最优化方法的基本思想是求得多目标问题的非劣解集，然后在非劣解集中进行协调和选择，确定出优惠解。第三类：交互协调法。这类多目标最优化方法的基本思想是通过在分析者与抉择者间的不断交互，逐渐搞清抉择者的选择意图，获得多目标问题的优惠解。第一类：转化法。这类多目标最优化方法的基本思想是将多目标问题75

第二节多目标优化设计理论1.多目标优化设计模型

简记为VOP多目标优化问题(Multi-ObjectiveOptimizationProblem)又称为向量优化问题(VectorOptimizationProblem)。第二节多目标优化设计理论1.多目标优化设计模型简762.决策空间与目标空间

以设计变量为坐标的实空间Rn称为决策空间。

以目标函数为坐标的实空间Rm称为目标空间。决策空间可行域：目标空间可行域2.决策空间与目标空间以设计变量为坐标的实空间Rn称为77

示例1决策空间可行域目标空间可行域示例1决策空间可行域目标空间可行域78

示例2决策空间可行域目标空间可行域示例2决策空间可行域目标空间可行域793.解的定义（1）理想解(idealsolution)在目标空间内，以单目标最小值为分量而形成的点，称为多目标问题的理想解。在多目标优化问题中，由于各个目标间往往是矛盾的，所以一般不存在使各目标皆达到各自最优值的理想解。fxX(0)f1(0)f2(0)f1f23.解的定义（1）理想解(idealsolution)80（2）非劣解（NoninferiorSolution）或Pareto解对于可行点XPD，若不存在另一个可行点XD，使成立，则称Xp为多目标问题的非劣解。向量不等式的含义为决策空间非劣解集目标空间非劣解集（2）非劣解（NoninferiorSolution）或817.1模型举例例7.1.用直径为1(单位长)的圆木制成截面为矩形的梁,为使重量最轻,而强度最大,问截面的高与宽应取何尺寸?解:设矩形截面的高与宽分别为和,这时梁的面积为,它决定重量,而梁的重量取决于截面矩形。因此,容易列出梁的数学模型:7.1模型举例例7.1.用直径为1(单位长)的圆木制82例7.2

物资调运问题:

某种物资寸放三个仓库里,存放量分别为(单位:t);现要将这些物资运往四个销售点.其需要量分别为且，已知到的距离和单位运价分别为(km)和(元),现要决定如何调运多少,才能使总的吨,公里数和总运费都尽量少?例7.2物资调运问题:83解:设变量表示由运往的货物数,于是总吨公里数为,总运费为,问题优化为求解解:设变量84由于求最大都可以转化为求最小,所以多目标最优化问题的一般形式为:S.t.

或者记作:minD=

其中:=()

由于求最大都可以转化为求最小,所以多目标最优化问题的一般形式85当P=1时,(VP)就是非线性规划,称为单目标规划。对于单目标问题Min,总可比较与的大小.对于多目标规划(VP),对于，与都是P维向量,如何比较两个向量的大小?可以看到：当P=1时,(VP)就是非线性规划,称为单目标规划。可以看86多目标优化的非劣解集

Noninferiorsolutionforthemodel例如：A,B点属于非劣解，因为不满足定义条件②多目标优化的非劣解集

Noninferiorsolutio87多目标优化方法课件88（3）满意解（最佳协调解或优惠解）效用函数值的大小反映决策者对多目标值的喜爱程度，一般来说，决策者希望效用函数的值越大越好。效用函数：决策者对多目标函数优化解进行评价的函数，记为使效用函数取最大值的非劣解称为最佳协调解。对于效用函数未知的情况，无法直接求得最佳协调解。我们把多目标优化过程满意结束的解称为优惠解。满意解（3）满意解（最佳协调解或优惠解）效用函数值的大小反映决策894多目标优化问题的K－T条件对于多目标优化问题VOP4多目标优化问题的K－T条件对于多目标优化问题VOP907.4求解多目标规划的评价函数法

尽管多目标优化问题有各种意义下的最优解.但在应用中,需要的还是有效解和弱有效解.本节介绍求有效解和弱有效解最基本的方法-----评价函数法.

评价函数法的基本思想是:借助于几何或应用中的直观效果.构造所谓的评价函数.从而将多目标优化问题转化为单目标优化问题.然后利用单目标优化问题的求解方法求出最优解.并把这种最优解当作多目标优化问题的最优解.这里关键的问题是转化后的单目标优化问题的最优解必须是多目标问题的有效解和弱有效解.否则是不能接受的.7.4求解多目标规划的评价函数法尽管多目标优91

所谓评价函数,是利用(VP)的目标函数,构造一个复合函数.然后在(VP)的约束集D上极小化,的构造必须保证在一定条件下,min的最优解是(VP)的有效解或弱有效解.

下面先讨论在什么条件下,min的最优解才能是(VP)min的有效解or弱有效解.定义6.设:1.若,总有,则称为的严格单增函数.2若时,总有,则称为的单增函数.所谓评价函数,是利用(VP)的目标函数,92定理1.设：:,又设，是问题min的极小点,那么:

若为Z的严格单增函数,则是min有效解.

若为Z的单增函数,则是min的弱有效解.重要定理定理1.设：:,又设93几种常用的构造评价函数的方法一.理想点法:

在(VP)中,先求解P个单目标问题

j=1，2，，px∈D

设其最优值为,我们称为值域中的一个理想点。

因为一般很难达到它,这样,就期望在某种等量下,寻求距最近的f作为近似值,一种最直接的想法是构造评价函数

=（7.2）

几种常用的构造评价函数的方法因为一般很难94

然后极小化即求解：并将它的最优解作为(VP)在这种意义下的“最优解”,由于,因此由7.2构造的是严格单增的,从而是(VP)的有效解.然后极小化即求解：95二.线性加权和法.

在具有多个指标的问题中,人们总希望对那些相对重要的指标给予较大的权系数,基于这种现实,自然如下的构造评价函数,令

称之为权向量集,令再求解而将它的最优解,作为(VP)在该意义下的最优解.二.线性加权和法.称之为权向量集,令96三.极大极小法

在决策时，采取保守策略是稳妥的。即在最坏的情况下，寻求最好的结果。按照这种想法，可以构造如下评价函数

然后求解并将它的最优解作为（VP）在这种意义下的最优解。三.极大极小法971.主目标法

转化为

第三节多目标优化的第一类方法主目标法就是从多目标中依据重要程度选择一个目标作为主目标，而将其它目标转化为约束，即将多目标优化问题1.主目标法转化为第三节多目标优化的第一类方法主98主目标法中约束目标的约束值选取主目标法中约束目标的约束值选取992.线性加权法

转化为线性加权法就是将多目标的加权和作为单目标，即将多目标优化问题2.线性加权法转化为线性加权法就是将多目标的加权和作为100(2）对权系数的要求(3)权系数的确定

老手法线性加权法的有关说明：（1)线性加权之前，各目标应进行无量纲化处理。(2）对权系数的要求(3)权系数的确定老手法线性加权法1013.极小极大法

转化为极小极大法就是求取多目标函数中的最大值，然后使最大值函数在可行域内极小化，即将多目标优化问题3.极小极大法转化为极小极大法就是求取多目标函数中的最102(2)极小极大法也可以引入一个变量和m个约束，即极小极大法的有关说明：（1)考虑到各目标的重要程度差别，可以对各目标乘以权系数，然后再求最大值函数，即(2)极小极大法也可以引入一个变量和m个约束，即极小极大1034.理想点法

转化为理想点法就是将距理想点最近的点作为多目标问题的优惠解，即将多目标优化问题4.理想点法转化为理想点法就是将距理想点最近的点作为多104理想点法的有关说明：考虑到各目标的重要程度差别，可以对各目标乘以权系数，即权系数的选取可以参阅线性加权法。理想点法的有关说明：考虑到各目标的重要程度差别，可以对各目标1055.功效系数法在多目标优化问题，各目标的要求不全相同，有的要求极小化，有的要求极大化，有的要求有一个合适的数值。为了反映这些不同的要求，故引入如下的功效函数：5.功效系数法在多目标优化问题，各目标的要求不全相同，有106功效系数的确定：1.直线法2.折线法3.指数法功效系数的确定：1.直线法2.折线法3.指数法1076.分层序列法将多目标优化问题的各目标分清主次，按其重要程度逐一排序，然后依次对各目标函数求最优解，但应注意后一目标应在前一目标的最优解域内进行寻优。6.分层序列法将多目标优化问题的各目标分清主次，按其重要108照此继续下去，最后求得第m个目标函数得最优解，真个解即为多目标优化问题的最终解。在分层序列法中，当前面有某个目标函数的最优解唯一时，该方法就发生中断现象，因此需要引入目标容差。照此继续下去，最后求得第m个目标函数得最优解，真个解即为多目1097.协调曲线法协调曲线法主要用于求解两个目标函数的多目标优化设计问题。7.协调曲线法协调曲线法主要用于求解两个目标函数的多目标110目标规划法

GoalAttainmentMethod

引入目标概念：F*，令非劣解集到目标的距离（或称范数）最小，选出一个非劣解。Wiγ引入了一个松弛度的概念，松弛度最小的一个非劣解就是对于目标F*的最可行解。优点：不漏解，目标明确，计算量小。缺点：对于非线性规划设计：①运用连续二次形规划(SQP-sequentialquadraticprogramming)，线性的权值松弛在局部搜索范围内，会导致拒绝可大幅改进总体目标的小步搜索。②只针对连续问题，可能只能给出局部最优解。改进：阅读MatlabOptimizationToolbox3.0.1User‘sGuide中AlgorithmImprovementsforGoalAttainmentMethod一节内容。目标规划法

GoalAttainmentMethod引1111.变权系数法

对于非负的权系数，若线性加权函数在线性加权法中，系列地改变权系数值，可获得大量的非劣解，形成非劣解集。

第四节多目标优化的第二类方法存在唯一的最优解，则该最优解是多目标问题的非劣解。1.变权系数法对于非负的权系数，若线性加权函数在线性加1122.－约束法

转化为从多目标中依据重要程度选择一个目标作为主目标，而将其它目标转化为约束，即将多目标优化问题2.－约束法转化为从多目标中依据重要程度选择一个目标113可以证明，对于一组值，若X*为－约束问题的唯一最优解，则其一定为多目标问题的一个非