§18运用目标达到法求解多目标规划

§18运用目标达到法求解多目标规划
§18运用目标达到法求解多目标规划

§18. 运用目标达到法求解多目标规划

用目标达到法求解多目标规划的计算过程,可以通过调用Matlab软件系统优化工具箱中的fgoalattain函数实现。

在Matlab的优化工具箱中,fgoalattain函数用于解决此类问题。其数学模型形式为:

minγ

F(x)-weight ·γ≤goal

c(x) ≤0

ceq(x)=0

A x≤b

Aeq x=beq

lb≤x≤ub

其中,x,weight,goal,b,beq,lb和ub为向量;A和Aeq为矩阵;c(x),ceq(x)和F(x)为函数。

调用格式:

x=fgoalattain(F,x0,goal,weight)

x=fgoalattain(F,x0,goal,weight,A,b)

x=fgoalattain(F,x0,goal,weight,A,b,Aeq,beq)

134

x=fgoalattain(F,x0,goal,weight,A,b,Aeq,beq,lb,ub)

x=fgoalattain(F,x0,goal,weight,A,b,Aeq,beq,lb,ub,nonlcon)

x=fgoalattain(F,x0,goal,weight,A,b,Aeq,beq,lb,ub,nonlcon,options)

x=fgoalattain(F,x0,goal,weight,A,b,Aeq,beq,lb,ub,nonlcon,options,P1,P2)

[x,fval]=fgoalattain(…)

[x,fval,attainfactor]=fgoalattain(…)

[x,fval,attainfactor,exitflag,output]=fgoalattain(…)

[x,fval,attainfactor,exitflag,output,lambda]=fgoalattain(…)

说明:F为目标函数;x0为初值;goal为F达到的指定目标;weight为参数指定权重;A、b为线性不等式约束的矩阵与向量;Aeq、beq为等式约束的矩阵与向量;lb、ub为变量x的上、下界向量;nonlcon为定义非线性不等式约束函数c(x)和等式约束函数ceq(x);options中设置优化参数。

x返回最优解;fval返回解x处的目标函数值;attainfactor返回解x处的目标达到因子;exitflag描述计算的退出条件;output返回包含优化信息的输出参数;lambda返回包含拉格朗日乘子的参数。

例1:教材第6章第4节第二小节,即生产计划问题:

某企业拟生产A和B两种产品,其生产投资费用分别为2100元/t和4800元/t。A、B两种产品的利润分别为3600元/t和6500元/t。A、B产品每月的最大生产能力分别为5t和8t;市场对这两种产品总量的需求每月不少于9t。试问该企业应该如何安排生产计划,才能既能满足市场需求,又节约投资,而且使生产利润达到最大最。

135

136

该问题是一个线性多目标规划问题。如果计划决策变量用1x 和2x 表示,它们分别代表A 、B 产品每月的生产量(单位:t );),(211x x f 表示生产A 、B 两种产品的总投资费用(单位:元);),(212x x f 表示生产A 、B 两种产品获得的总利润(单位:元)。那么,该多目标规划问题就是:求1x 和2x ,使:

2121148002100),(min x x x x f +=

2121265003600),(max x x x x f +=

而且满足:

???????≥≥+≤≤0,9

8

5

212121x x x x x x

求解程序如下:

① 编辑目标函数M 文件ff12.m

function f=ff12(x)

f(1)=2100*x(1)+4800*x(2);

f(2)=-3600*x(1)–6500*x(2);

② 按给定目标取:

goal=[30000,-45000];

weight=[30000,-45000];

③ 给出:

x0=[2,2];

A=[1 0; 0 1;-1 -1];

b=[5,8,-9];

lb=zeros(2,1);

④ 调用fgoalattain 函数:

[x,fval,attainfactor,exitflag]=fgoalattain(@ff12,x0,goal,weight,A,b,[],[],lb,[])

运行后,输出结果为:

137

x = 5 4 fval = 29700 -44000 attainfactor = -0.0100 exitflag = 1

例2:教材第6章第4节第三小节,即投资问题:

某企业拟用1000万元投资于A 、B 两个项目的技术改造。设1x 、2x 分别表示分配给A 、B 项目的投资(万元)。据估计,投资项目A 、B 的年收益分别为投资的60%和70%;但投资风险损失,与总投资和单项投资均有关系:

212221001.0002.0001.0x x x x ++。据市场调查显示, A 项目的投资前景好于B 项

目,因此希望A 项目的投资额不小B 项目。试问应该如何在A 、B 两个项目之间分配投资,才能既使年利润最大,又使风险损失为最小?

该问题是一个非线性多目标规划问题,将它用数学语言描述出来,就是:求1x 、2x ,使:

2121170.060.0),(max x x x x f +=

212221212001.0002.0001.0),(min x x x x x x f ++= 而且满足:

?????≥≤+-=+0,0

1000212121x x x x x x

求解程序如下:

①首先编辑目标函数M文件ff13.m

function f=ff13(x)

f(1)=-0.6*x(1)-0.7*x(2);

f(2)=0.001*x(1)^2+0.002*x(2)^2+0.001*x(1)*x(2);

②按给定目标取:

goal=[-625,875];

weight=[-625,875];

③给出:

x0=[200,200];

A=[-1,1];

b=0;

Aeq=[1,1];

beq=1000;

lb=zeros(2,1);

④调用fgoalattain 函数:

[x,fval,attainfactor,exitflag]=fgoalattain(@ff13,x0,goal,weight,A,b,Aeq,beq,lb,[]) 运行后,输出结果为:

x =

750.0000 250.0000

fval =

-625.0000 875.0000

attainfactor =

-5.4254e-016

exitflag =

1

138

MOP多目标规划

多目标规划 multiple objectives programming 数学规划的一个分支。研究多于一个目标函数在给定区域上的最优化。又称多目标最优化。通常记为VMP。在很多实际问题中,例如经济、管理、军事、科学和工程设计等领域,衡量一个方案的好坏往往难以用一个指标来判断,而需要用多个目标来比较,而这些目标有时不甚协调,甚至是矛盾的。因此有许多学者致力于这方面的研究。1896年法国经济学家V.帕雷托最早研究不可比较目标的优化问题,之后,J.冯·诺伊曼、H.W.库恩、A.W.塔克尔、A.M.日夫里翁等数学家做了深入的探讨,但是尚未有一个完全令人满意的定义。求解多目标规划的方法大体上有以下几种: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。 1947年,J.冯·诺伊曼和O.莫根施特恩从对策论的角度提出了有多个决策者在彼此有矛盾的情况下的多目标问题。1951年,T.C.库普曼斯从生产和分配的活动中提出多目标最优化问题,引入有效解的概念,并得到一些基本结果。同年,H.W.库恩和A.W.塔克尔从研究数学规划的角度提出向量极值问题,引入库恩-塔克尔有效解概念,并研究了它的必要和充分条件。1963年,L.A.扎德从控制论方面提出多指标最优化问题,也给出了一些基本结果。1968年,A.M.日夫里翁为了排除变态的有效解,引进了真有效解概念,并得到了有关的结果。自70年代以来,多目标规划的研究越来越受到人们的重视。至今关于多目标最优解尚无一种完全令人满意的定义,所以在理论上多目标规划仍处于发展阶段。 化多为少 即把多目标规划问题归为单目标的数学规划(线性规划或非线性规划)问题进行求解,即所谓标量化的方法,这是基本的算法之一。 ①线性加权和法对于多目标规划问题(VMP),先选取向量 要求λi>0(i=1,2,…,m) 作各目标线性加权和

运筹学第四章多目标规划

习题四 4.1 分别用图解法和单纯形法求解下述目标规划问题 (1) min z =p 1(+1d ++2d )+p 2-3d st. -x 1+ x 2+ d -1- d + 1=1 -0.5x 1+ x 2+ d - 2-d + 2=2 3x 1+3x 2+ d -3- d +3=50 x 1,x 2≥0;d -i ,d +i ≥0(i =1,2,3) (2) min z =p 1(2+1d +3+2d )+p 2-3d +p 3+4d st. x 1+ x 2+d -1-d + 1 =10 x 1 +d -2-d +2 =4 5x 1+3x 2+d -3-d +3 =56 x 1+ x 2+d -4-d +4 =12 x 1,x 2≥0;d -i ,d +i ≥0(i =1, (4) 4.2 考虑下述目标规划问题 min z =p 1(d +1+d +2)+2p 2d -4+p 2d -3+p 3d -1 st. x 1 +d -1-d +1=20 x 2+d -2-d +2=35 -5x 1+3x 2+d - 3-d + 3=220 x 1-x 2+d -4-d +4=60 x 1,x 2≥0;d -i ,d +i ≥0(i =1, (4) (1)求满意解; (2)当第二个约束右端项由35改为75时,求解的变化; (3)若增加一个新的目标约束:-4x 1+x 2+d -5-d +5=8,该目标要求尽量达 到目标值,并列为第一优先级考虑,求解的变化; (4)若增加一个新的变量x 3,其系数列向量为(0,1,1,-1)T ,则满意解如何变化? 4.3 一个小型的无线电广播台考虑如何最好地来安排音乐、新闻和商业节目时间。依据法律,该台每天允许广播12小时,其中商业节目用以赢利,每小时可收入250美元,新闻节目每小时需支出40美元,音乐节目每播一小时费用为17.50美元。法律规定,正常情况下商业节目只能占广播时间的20%,每小时至少安排5分钟新闻节目。问每天的广播节目该如何安排?优先级如下: P 1:满足法律规定要求; P 2:每天的纯收入最大。 试建立该问题的目标规划模型。

多目标线性规划的若干解法及MATLAB实现

多目标线性规划的若干解法及MATLAB 实现 一.多目标线性规划模型 多目标线性规划有着两个和两个以上的目标函数,且目标函数和约束条件全是线性函 数,其数学模型表示为: 11111221221122221122max n n n n r r r rn n z c x c x c x z c x c x c x z c x c x c x =+++??=+++?? ??=+++? (1) 约束条件为: 1111221121122222112212,,,0 n n n n m m mn n m n a x a x a x b a x a x a x b a x a x a x b x x x +++≤??+++≤?? ??+++≤?≥?? (2) 若(1)式中只有一个1122i i i in n z c x c x c x =+++ ,则该问题为典型的单目标线性规划。我们记:()ij m n A a ?=,()ij r n C c ?=,12(,,,)T m b b b b = ,12(,,,)T n x x x x = , 12(,,,)T r Z Z Z Z = . 则上述多目标线性规划可用矩阵形式表示为: max Z Cx = 约束条件:0 Ax b x ≤?? ≥? (3) 二.MATLAB 优化工具箱常用函数[3] 在MA TLAB 软件中,有几个专门求解最优化问题的函数,如求线性规划问题的linprog 、求有约束非线性函数的fmincon 、求最大最小化问题的fminimax 、求多目标达到问题的fgoalattain 等,它们的调用形式分别为: ①.[x,fval]=linprog(f,A,b,Aeq,beq,lb,ub) f 为目标函数系数,A,b 为不等式约束的系数, Aeq,beq 为等式约束系数, lb,ub 为x 的下 限和上限, fval 求解的x 所对应的值。 算法原理:单纯形法的改进方法投影法 ②.[x,fval ]=fmincon(fun,x0,A,b,Aeq,beq,lb,ub ) fun 为目标函数的M 函数, x0为初值,A,b 为不等式约束的系数, Aeq,beq 为等式约束

整数规划和多目标规划模型

1 整数规划的MATLAB 求解方法 (一) 用MATLAB 求解一般混合整数规划问题 由于MATLAB 优化工具箱中并未提供求解纯整数规划和混合整数规划的函数,因而需要自行根据需要和设定相关的算法来实现。现在有许多用户发布的工具箱可以解决该类问题。这里我们给出开罗大学的Sherif 和Tawfik 在MATLAB Central 上发布的一个用于求解一般混合整数规划的程序,在此命名为intprog ,在原程序的基础上做了简单的修改,将其选择分枝变量的算法由自然序改造成分枝变量选择原则中的一种,即:选择与整数值相差最大的非整数变量首先进行分枝。intprog 函数的调用格式如下: [x,fval,exitflag]=intprog(c,A,b,Aeq,beq,lb,ub,M,TolXInteger) 该函数解决的整数规划问题为: ????? ??????∈=≥≤≤=≤=) 取整数(M j x n i x ub x lb b x A b Ax t s x c f j i eq eq T ),,2,1(0..min Λ 在上述标准问题中,假设x 为n 维设计变量,且问题具有不等式约束1m 个,等式约束2m 个,那么:c 、x 均为n 维列向量,b 为1m 维列向量,eq b 为2m 维列向量,A 为n m ?1维矩阵,eq A 为n m ?2维矩阵。 在该函数中,输入参数有c,A,b,A eq ,b eq ,lb,ub,M 和TolXInteger 。其中c 为目标函数所对应设计变量的系数,A 为不等式约束条件方程组构成的系数矩阵,b 为不等式约束条件方程组右边的值构成的向量。Aeq 为等式约束方程组构成的系数矩阵,b eq 为等式约束条件方程组右边的值构成的向量。lb 和ub 为设计变量对应的上界和下界。M 为具有整数约束条件限制的设计变量的序号,例如问题中设计变量为621,,,x x x Λ,要求32,x x 和6x 为整数,则M=[2;3;6];若要求全为整数,则M=1:6,或者M=[1;2;3;4;5;6]。TolXInteger 为判定整数的误差限,即若某数x 和最邻近整数相差小于该误差限,则认为x 即为该整数。

Excel规划求解工具在多目标规划中的应用

Excel规划求解工具在多目标规划中的应用 摘要:多目标决策方法是从20世纪70年代中期发展起来的一种决策分析方法。该方法已广泛应用于人口、环境、教育、能源、交通、经济管理等多个领域。文章采用多目标决策方法中分层序列法的思想,应用excel的规划求解工具,对多目标规划问题进行应用研究,并以实例加以说明。 abstract: multi-objective decision method is a kind of decision analysis method from the mid 1970s. the method has been widely used in population, environment, education,energy, traffic, economic management, and other fields. this paper uses the lexicographic method of multi-objective decision method and makes some researches on the multi-objective problem using the excel solver tool and an example to illustrate. 关键词: excel规划求解;多目标规划;分层序列法 key words: excel solver;multi-objective programming;the lexicographic method 中图分类号:tp31 文献标识码:a 文章编号:1006-4311(2013)21-0204-02 0 引言 excel中的规划求解工具只能对单目标的问题进行求解。当遇到多目标问题时,可以把多目标问题先转化为单目标问题,然后求解。

§18运用目标达到法求解多目标规划

§18. 运用目标达到法求解多目标规划 用目标达到法求解多目标规划的计算过程,可以通过调用Matlab软件系统优化工具箱中的fgoalattain函数实现。 在Matlab的优化工具箱中,fgoalattain函数用于解决此类问题。其数学模型形式为: minγ F(x)-weight ·γ≤goal c(x) ≤0 ceq(x)=0 A x≤b Aeq x=beq lb≤x≤ub 其中,x,weight,goal,b,beq,lb和ub为向量;A和Aeq为矩阵;c(x),ceq(x)和F(x)为函数。 调用格式: x=fgoalattain(F,x0,goal,weight) x=fgoalattain(F,x0,goal,weight,A,b) x=fgoalattain(F,x0,goal,weight,A,b,Aeq,beq) 134

x=fgoalattain(F,x0,goal,weight,A,b,Aeq,beq,lb,ub) x=fgoalattain(F,x0,goal,weight,A,b,Aeq,beq,lb,ub,nonlcon) x=fgoalattain(F,x0,goal,weight,A,b,Aeq,beq,lb,ub,nonlcon,options) x=fgoalattain(F,x0,goal,weight,A,b,Aeq,beq,lb,ub,nonlcon,options,P1,P2) [x,fval]=fgoalattain(…) [x,fval,attainfactor]=fgoalattain(…) [x,fval,attainfactor,exitflag,output]=fgoalattain(…) [x,fval,attainfactor,exitflag,output,lambda]=fgoalattain(…) 说明:F为目标函数;x0为初值;goal为F达到的指定目标;weight为参数指定权重;A、b为线性不等式约束的矩阵与向量;Aeq、beq为等式约束的矩阵与向量;lb、ub为变量x的上、下界向量;nonlcon为定义非线性不等式约束函数c(x)和等式约束函数ceq(x);options中设置优化参数。 x返回最优解;fval返回解x处的目标函数值;attainfactor返回解x处的目标达到因子;exitflag描述计算的退出条件;output返回包含优化信息的输出参数;lambda返回包含拉格朗日乘子的参数。 例1:教材第6章第4节第二小节,即生产计划问题: 某企业拟生产A和B两种产品,其生产投资费用分别为2100元/t和4800元/t。A、B两种产品的利润分别为3600元/t和6500元/t。A、B产品每月的最大生产能力分别为5t和8t;市场对这两种产品总量的需求每月不少于9t。试问该企业应该如何安排生产计划,才能既能满足市场需求,又节约投资,而且使生产利润达到最大最。 135

多目标规划帕累托解算例

Pareto: In the single objective case, one attempts to obtain the best solution, which is absolutely superior to all other alternatives. 在单目标的情况下,一个试图以获得最佳的解决方案,这是绝对优于所有其他的替代品。 In the multiple objective case, there does not necessarily exist a solution that is best with respect to all objectives because of incommensurability and conflict among objectives. 在多个目标的情况下,不存在必然存在着一个解决方案,最好是不可通约性和目标之间的的冲突,因为所 有的目标。 There usually exist a set of solutions; nondominated solutions or Pareto optimal solutions, for the multiple objective case which cannot simply be compared with each other. 通常存在的一整套解决方案;非支配的解决方案或帕累托最优的解决方案,为多个目标的情况下,不能简单 地互相比较。 For a given nondominated point in the criterion space Z, its image point in the decision space S is called efficient or noninferior. A point in S is efficient if and only if its image in Z is nondominated. 对于一个给定的的标准空间z的非支配点,其形象在决定空间S点是所谓的效率或劣。非支配当且仅当其 在Z的形象是一个S点是有效的。 Definition 1: For a given point z0€Z, it is nondominated if and only if there does not exist another point z€Z such that, for the maximization case,where, z0 is a dominated point in the criterion space Z. Definition 2: For a given point x0€S, it is efficient if and only if there does not exist another point x€S such that, for the maximization case,where, x0 is inefficient.定义1:对于一个给定的点Z0属于Z,它非支配当 且仅当不存在另一点于属于z的,最大化的情况下,其中,Z0是在标准空间Z.的主导点 定义2:对于一个给定的点x0属于S,它是有效的当且仅当不存在另一点x属于S,最大化的情况下,其 中,X0是低效的。 Example 1: Two-objective (bicriteria) linear programming 例1:两个目标(bicriteria)线性规划 m ax We can observe that both regions are convex and the extreme points of Z are the images of extreme points of S. 我们可以观察到,这两个地区是凸的并且极端点的Z是极值点S的的图像。 The extreme points in the feasible region S of the decision space are shown in Fig. 4.1: 在可行区域的决策空间小号的极端点如图.4.1:

运筹学--第四章 多目标规划汇总

习题四 4.1 分别用图解法和单纯形法求解下述目标规划问题 (1)min z =p1(+)+p2 st. -x1+ x2+ d-1- d+1=1 -0.5x1+ x2+ d-2-d+2=2 3x1+3x2+ d-3- d+3=50 x1,x2≥0;d-i,d+i≥0(i =1,2,3) (2) min z =p1(2+3)+p2+p3 st. x1+ x2+d-1-d+1 =10 x1 +d-2-d+2 =4 5x1+3x2+d-3-d+3 =56 x1+ x2+d-4-d+4 =12 x1,x2≥0;d-i,d+i ≥0(i =1, (4) 4.2 考虑下述目标规划问题 min z =p1(d+1+d+2)+2p2d-4+p2d-3+p3d-1 st. x1 +d-1-d+1=20 x2+d-2-d+2=35 -5x1+3x2+d-3-d+3=220 x1-x2+d-4-d+4=60 x1,x2≥0;d-i,d+i ≥0(i =1, (4) (1)求满意解; (2)当第二个约束右端项由35改为75时,求解的变化;

(3)若增加一个新的目标约束:-4x1+x2+d-5-d+5=8,该目标要求尽量达到目标值,并列为第一优先级考虑,求解的变化; (4)若增加一个新的变量x3,其系数列向量为(0,1,1,-1)T,则满意解如何变化? 4.3 一个小型的无线电广播台考虑如何最好地来安排音乐、新闻和商业节目时间。依据法律,该台每天允许广播12小时,其中商业节目用以赢利,每小时可收入250美元,新闻节目每小时需支出40美元,音乐节目每播一小时费用为17.50美元。法律规定,正常情况下商业节目只能占广播时间的20%,每小时至少安排5分钟新闻节目。问每天的广播节目该如何安排?优先级如下: P1:满足法律规定要求; P2:每天的纯收入最大。 试建立该问题的目标规划模型。 4.4 某企业生产两种产品,产品Ⅰ售出后每件可获利10元,产品Ⅱ售出后每件可获利8元。生产每件产品Ⅰ需3小时的装配时间,每件产品Ⅱ需2小时装配时间。可用的装配时间共计为每周120小时,但允许加班。在加班时间内生产两种产品时,每件的获利分别降低1元。加班时间限定每周不超过40小时,企业希望总获利最大。试凭自己的经验确定优先结构,并建立该问题的目标规划模型。 4.5 某厂生产A、B两种型号的微型计算机产品。每种型号的微型计算机均需要经过两道工序I、II。已知每台微型计算机所需要的加工时间、销售利润及工厂每周最大加工能力的数据如下: A B每周最大加工能力 I 4 6 150 II 3 2 70 利润(元/台)300 450 工厂经营目标的期望值及优先级如下: P1:每周总利润不得低于10000元;

目标规划模型

§5.3 目标规划模型 1. 目标规划模型概述 1)引例 目标规划模型是有别于线性规划模型的一类多目标决策问题模型,通过下面的例子,我们可看出这两者的区别。 例1 某工厂的日生产能力为每天500小时,该厂生产A 、B 两种产品,每生产一件A 产品或B 产品均需一小时,由于市场需求有限,每天只有300件A 产品或400件B 产品可卖出去,每出售一件A 产品可获利10元,每出售一件B 产品可获利5元,厂长按重要性大小的顺序列出了下列目标,并要求按这样的目标进行相应的生产。 (1)尽量避免生产能力闲置; (2)尽可能多地卖出产品,但对于能否多卖出A 产品更感兴趣; (3)尽量减少加班时间。 显然,这样的多目标决策问题,是单目标决策的线性规划模型所难胜任的,对这类问题,须采用新的方法和手段来建立对应的模型。 2)相关的几个概念 (1)正、负偏差变量+ d 、- d 正偏差变量+ d 表示决策值 ) ,,2,1(n i x i =超过目标值的部分;负偏差变量 - d 表示决策值 ) ,,2,1(n i x i =未达到目标值的部分;一般而言,正负偏差变量 + d 、- d 的相互关系如下: 当决策值 ) ,,2,1(n i x i =超过规定的目标值时, ,0=>- + d d ;当决策值 ),,2,1(n i x i =未超过规定的目标值时,0 ,0>=- + d d ;当决策值 ) ,,2,1(n i x i =正好等于规定的目标值时, ,0==- + d d 。 (2)绝对约束和目标约束 绝对约束是必须严格满足的等式约束或不等式约束,前述线性规划中的约束

条件一般都是绝对约束;而目标约束是目标规划所特有的,在约束条件中允许目标值发生一定的正偏差或负偏差的一类约束,它通过在约束条件中引入正、负偏差变量+ d 、- d 来实现。 (3)优先因子(优先级)与权系数 目标规划问题常要求许多目标,在这些诸多目标中,凡决策者要求第一位达到的目标赋予优先因子1P ,要求第二位达到的目标赋予优先因子2P ,……,并规定1+>>k k P P ,即1+k P 级目标的讨论是在k P 级目标得以实现后才进行的(这里 n k ,,2,1 =)。若要考虑两个优先因子相同的目标的区别,则可通过赋予它们 不同的权系数 j w 来完成。 3)目标规划模型的目标函数 目标规划的目标函数是根据各目标约束的正、负偏差变量+ d 、- d 和其优先因子来构造的,一般而言,当每一目标值确定后,我们总要求尽可能地缩小与目标值的偏差,故目标规划的目标函数只能是 ) ,( min - +=d d f z 的形式。我们 可将其分为以下三种情形: (1)当决策值) ,,2,1(n i x i =要求恰好等于规定的目标值时,这时正、负 偏差变量+ d 、- d 都要尽可能小,即对应的目标函数为: ) ( min - + +=d d f z ; (2)当决策值) ,,2,1(n i x i =要求不超过规定的目标值时,这时正偏差变 量+ d 要尽可能小,即对应的目标函数为: ) ( min + =d f z ; (3)当决策值 ) ,,2,1(n i x i =要求超过规定的目标值时,这时负偏差变量 - d 要尽可能小,即对应的目标函数为: ) ( min - =d f z 。 目标规划数学模型的一般形式为: ∑∑=+ +-- =+= K k k lk k lk L l l d w d w P z 1 1 ) ( min

第四章 目标规划

第四章目标规划 (Goal programming)第一节目标规划问题及其数学模型第二节目标规划的图解法 第三节解目标规划的单纯形法 第四节目标规划的灵敏度分析 第五节目标规划应用举例

目标规划问题及其数学模型 一、目标规划问题的提出 例:某工厂生产两种产品,受到原材料供应和设备工时的限制。在单位利润等有关数据已知的前提条件下,要求制订一个获利最大的生产计划。具体数据见表 产品甲乙限量 原材料(kg/件)51060 设备工时(h/件)4440 利润(元/件)68

x 1和x 2,当用线性规划来描 述和解决这个问题时,其数学模型为 ?????≥≤+≤++=0,40 4 46010586max 2 121212 1x x x x x x x x z 其最优解,即最优生产计划为x 1=8件,x 2=2件, max z =64元。 从线性规划的角度看,问题似乎可以得到圆满解决。但线性规划是一个单目标最优化问题。如果站在工厂计划人员的立场上对此进行评价的话,问题就不是这么简单了。

、整数规划和非线性规划都只有一个目标函数,但在实际问题中往往要考虑多个目标。 例如,设计一个新产品的工艺过程,不仅希望利润大,而且希望: 产量高 消耗低 质量好 投入少等。 由于需要同时考虑多个目标,使这类多目标问题要比单目标问题复杂得多,不仅有主次之分, 而且有时会互相矛盾。 这就给用传统方法来解决多目标问题带来一定困难。

年,查恩斯(A. Charnes) 和库伯(W. W. Cooper)提出目标规划(goal programming),其目的就是为了解决多目标问题,该方法得到广泛重视和较快发展。 现代决策: 强调定量分析和定性分析相结合, 强调硬技术和软技术相结合, 强调矛盾和冲突的合理性, 强调妥协和让步的必要性。 目标规划在处理实际问题时,承认各项决策要求的存在有其合理性; 在作最终决策时,不强调绝对意义上的最优性,而是尽可能求出接近理想值的解——满意解。

运筹学--第四章 多目标规划

109 习题四 4.1 分别用图解法和单纯形法求解下述目标规划问题 (1) min z =p 1(+1d ++2d )+p 2-3d st. -x 1+ x 2+ d -1- d + 1=1 -0.5x 1+ x 2+ d - 2-d + 2=2 3x 1+3x 2+ d -3- d +3=50 x 1,x 2≥0;d -i ,d +i ≥0(i =1,2,3) (2) min z =p 1(2+1d +3+2d )+p 2-3d +p 3+4d st. x 1+ x 2+d -1-d + 1 =10 x 1 +d -2-d +2 =4 5x 1+3x 2+d -3-d +3 =56 x 1+ x 2+d -4-d +4 =12 x 1,x 2≥0;d -i ,d +i ≥0(i =1, (4) 4.2 考虑下述目标规划问题 min z =p 1(d +1+d +2)+2p 2d -4+p 2d -3+p 3d -1 st. x 1 +d -1-d +1=20 x 2+d -2-d +2=35 -5x 1+3x 2+d - 3-d + 3=220 x 1-x 2+d -4-d +4=60 x 1,x 2≥0;d -i ,d +i ≥0(i =1, (4) (1)求满意解; (2)当第二个约束右端项由35改为75时,求解的变化; (3)若增加一个新的目标约束:-4x 1+x 2+d -5-d +5=8,该目标要求尽量达 到目标值,并列为第一优先级考虑,求解的变化; (4)若增加一个新的变量x 3,其系数列向量为(0,1,1,-1)T ,则满意解如何变化? 4.3 一个小型的无线电广播台考虑如何最好地来安排音乐、新闻和商业节目时间。依据法律,该台每天允许广播12小时,其中商业节目用以赢利,每小时可收入250美元,新闻节目每小时需支出40美元,音乐节目每播一小时费用为17.50美元。法律规定,正常情况下商业节目只能占广播时间的20%,每小时至少安排5分钟新闻节目。问每天的广播节目该如何安排?优先级如下: P 1:满足法律规定要求; P 2:每天的纯收入最大。 试建立该问题的目标规划模型。

基于MATLAB的多目标线性规划_理想点法求解程序代码

%多目标线性规划的求解方法及MA TLAB实现 %利用理想点法求解 %eg: %max f1(x)=-3x1+2x2 %max f2(x)=4x1+3x2 %s.t.: 2x1+3x2<=18 % 2x1+x2<=10 % x1,x2>=0 %解:先对单目标求解 %1,求解f1(x)最优解的MA TLAB程序为 f1=[3;-2]; A=[2,3;2,1]; b=[18;10]; lb=[0;0]; [x,fval,exitflag,output,lambda] = linprog(f1,A,b,[],[],lb) %结果输出为:x=0.0000 6.0000 最优解; fval =-12.0000 最优值; %exitflag = 1 收敛; output = iterations: 6 迭代次数; % algorithm: 'large-scale: interior point'所使用规则lambda.ineqlin %ans = % 0.6667 % 0.0000 lambda.lower %ans = % 4.3333 % 0.0000 %不等约束条件1以及第1个下界是有效的 pause %2,求解f2(x)最优解的MA TLAB程序为 f2=[-4;-3]; A=[2,3;2,1]; b=[18;10]; lb=[0;0]; [x,fval,exitflag,output,lambda] = linprog(f2,A,b,[],[],lb) %结果输出为:x=3.0000 4.0000 最优解; fval =-24.0000 最优值; %即最优解是24 %于是得到理想点(12,24)。 pause %3,然后求如下模型的最优解 %min fi[f(x)]={[f1(x)-12]^2+[f2(x)-24]^2}^(1/2) %s.t.:… … … A=[2,3;2,1]; b=[18;10]; x0=[1;1];

相关文档
最新文档