Методы решения многокритериальных задач
Первый подход к решению многокритериальных задач управления связан с процедурой образования обобщенной функции Метод аддитивной оптимизации. Пусть
Здесь выражение (18.12) определяет аддитивный критерий оптимальности. Величины
Обобщенная функция цели (18.12) может быть использована для свертывания векторного критерия оптимальности частные (локальные) критерии количественно соизмеримы по важности, т.е. каждому из них можно поставить в соответствие некоторое число частные критерии являются однородными (имеют одинаковую размерность – доходы, расходы). В этом случае для решения задачи векторной оптимизации (18.1) – (18.3) оказывается справедливым применение аддитивного критерия оптимальности (18.12). Подтверждением этого может служить лемма Карлина (1959 год), которая гласит, что, если для некоторых
где вектор Действительно, если
причем хотя бы одно неравенство строгое. Умножая каждое неравенство на
что противоречит (18.14) и доказывает справедливость утверждения леммы. Эта лемма показывает, что выбор определенной точки среди множества оптимальных по Парето точек эквивалентен указанию весов по каждого критерия. На этом утверждении основано большинство методов. Требование нормализации критериев возникает в тех задачах, в которых локальные критерии имеют различные единицы измерения. К настоящему времени разработано большое количество схем нормализации. Рассмотрим некоторые из них. Определим максимум и минимум каждого критерия
Выделим группу критериев Тогда в соответствии с принципом максимальной эффективности нормализованные критерии определяются из соотношений:
или
и обобщенная функция цели имеет вид В соответствии с принципом минимальной потери нормализованные критерии определяются из соотношений:
или
и обобщенная функция цели имеет вид Рассмотрим метод определения весовых коэффициентов относительной важности
где Для назначения оптимально-компромиссных весовых коэффициентов
где Здесь схема компромисса Если мерой близости
то оптимальным решением задачи (18.19) является вектор средних значений по элементам столбцов матрицы
Действительно, построим функцию Лагранжа:
Значения
Из выражения (18.22) находим
Подставляя полученные значения из (18.24) в выражение (18.23), получаем На практике эксперты отличаются друг от друга квалификацией, опытом и т.п. Для учета этих факторов вводятся коэффициенты компетентности экспертов
Алгоритм решения многокритериальной задачи основан на использовании диалога лица, принимающего решение (ЛПР), с вычислительной машиной. Диалоговая процедура принятия решения представляет собой итеративный процесс обмена информацией между человеком и ЭВМ. Одна итерация состоит из двух следующих шагов: а) на основе информации, полученной от ЛПР о коэффициентах
которая решается на ЭВМ. Из решения задачи (18.26) находится оптимальная по Парето точка б) на основании полученной информации ЛПР оценивает решение
Динамические многокритериальные задачи определяются конечным или бесконечным набором управлений
Поскольку динамическая задача сводится к решению на каждом шаге статических задач, то на нее переносятся все понятия и утверждения, сформулированные ранее. Метод многоцелевой оптимизации. Основная идея многоцелевого подхода, выдвинутая еще в начале шестидесятых годов, состоит в назначении в пространстве критериев некоторой цели
где В частности,
или
Задача (18.27) представляет собой задачу целевого программирования и решается методами линейного программирования. Особого внимания при использовании аппарата целевого программирования в многокритериальных задачах заслуживает выбор вектора весов
где При сделанных предположениях для каждого j -го критерия может быть подобрано такое приращение
В общем случае веса будут зависеть от значений Этап 1. Для каждой функции Этап 2. Определяются подходящая начальная точка
Этап 3. Определяется Этап 4. Решается задача математического программирования следующего вида:
Здесь yj определяет расхождение между критерием Этап 5. Путем опроса ЛПР определяется величина шага Этап 6. Если Второй подход многокритериальной оптимизации связан с определением частного упорядочения (предпочтения) критериев на множестве решений Метод выделения главного критерия. Допустим, что среди критериев
Одновременно с решением задачи (18.33) – (18.35) находится вектор оптимальных оценок В качестве максимизируемой в принципе может быть выбрана любая из целевых функций и любая из них может быть ограничиваемой функцией. Таким образом, можно сформулировать и решить п задач оптимизации. В результате анализа оптимальных решений, включающего корректировку уровней целевых функций, область поиска вариантов решений еще более сужается и тем самым облегчается неформальный выбор окончательного решения. Выбор компромиссного решения на основе решения п задач оптимизации может быть формализован. Пусть а) максимизация одной целевой функции при максимально допустимых отклонениях от оптимальных значений других целевых функций:
б) максимизация разности одной целевой функции и штрафной функции отклонений от оптимальных значений других целевых функций:
где Легко видеть, что полная формализация выбора компромиссного решения требует принятия дополнительных допущений о значениях Метод последовательных уступок. Пусть для определенности все критерии упорядочены по предпочтительности, т.е.
Анализируется оптимальное решение
Обозначим оптимальное значение полученной целевой функции через
и решение этой задачи принимается в качестве решения исходной задачи. Этот метод отличается большой наглядностью. В отличие от метода выделения главного критерия рассматриваемые на каждом шаге задачи имеют решение, а вся процедура сразу приводит к какому-то результату.
Воспользуйтесь поиском по сайту: ![]() ©2015 - 2025 megalektsii.ru Все авторские права принадлежат авторам лекционных материалов. Обратная связь с нами...
|