多目标决策问题
第十五章多標準決策問題本章內容：
15.1 目標規劃:建立模式及圖解法
15.2 目標規劃:解更複雜的問題
15.3 計分模式
15.4 層級分析法
15.5 用AHP建立優先權
15.6 用AHP建立整體優先順序
線性規劃的基本假設：
1.可加性(Additivity)：目標函數或限制式變數之衡量單位必須相同，如此才能相加減
2.比例性(Proportionality)：就限制式而言，每單位產出所需之資源投入數均為固定，一定倍數的投入可以得到相同倍數的產出
3.確定性(Determinitic)：目標函數係數及限制條件中之技術系數以及擁有資源數量等均為已知且確定的數字，而不含
任何機率分配
4.可分割性(Divisibility)：線性規劃模型解答不一定是整數，可以是任意實數
▓15.1 目標規劃：建立模型及圖解法
例：
尼可投資顧問公司考慮某顧客有80,000元要投資，投資組合限於以下兩種股票：
美國石油$25 $3 0.50
休伯不動產 50 5 0.25
這個顧客第一目標是風險最高水準為700，第二目標是要年回收至少9,000元，試以目標規劃找出最接近滿足所有目標的投資組合。
根據優先順序的說明，本例題“目標”可表示如下：主要目標（優先等級1）
目標1：找一個投資組合，它的風險在700以下。
次要目標（優先等級2）
目標2：找一個投資組合，它所提供的年回收至少9,000元。 建立限制式及目標方程式
1.先決定決策變數
X1＝購買美國石油股的數目
X2＝購買休柏不動產股的數目
2.建立限制條件
25X 1＋50X 2≦80,000（可用資金） 3.建立目標方程式
（1）目標1之目標方程式(組合風險)：
風險指標可小於等於或大於目標值700，目標方程式如下：
0.5X 1＋0.25X 2－d 1+ ＋d 1- ＝700 d 1+ ＝組合風險指標超過目標值700的部份 d 1- ＝組合風險指標少於目標值700
的部份
（2）目標2之目標方程式(年回收)：
年收入指標可大於等於或小於目標值9000，目標方程式如下：
9000532221=+-+-
+d d x x
d+2＝組合年回收大於目標值9000元的量
d-2＝組合年回收小於目標值9000元的量
●建立有逐位優先權的目標函數
●目標1之目標函數(風險)
風險指標不能超過700，吾人是否應關切低過700的目標值？明顯的回答否，因為小於700相當於風險小，但是否應關切超過700的目標值？答案是肯定的，因為投資組合風險指標大過700相當於風險水準高過顧客所願接受者。所以，相當於優先水準1的線性規劃目標函數，必須為求極小化+
d
1值。優先水準1線性規劃P1問題。
Min d1+
s.t. 25X 1＋50X 2≦80,000 可用基金
0.5X 1＋0.25X 2－d 1+ ＋d 1- ＝700 P 1目標
3X 1＋5X 2≧9000 P 2目標 X 1，X 2，d 1+，d 1- ≧0 圖解法
1000
2000
3000
1000
2000
3000
4000休
伯不動產的股數
X 1
美國石油的股數
圖15.2 滿足P1可目標的投資組合
在圖15.2，當P1目標恰好達到d1+＝0及d1-＝0，目標方程化簡為0.5X1＋0.25X2＝700，左下角區域就是滿足可用資金限制及d1+＝0的解點，因為任何d1+＝0的解點都達成優先水準1的目標，此區域內的所有解點相點於風險小於700的組合。
目標2之目標函數(年回收)
找年回收至少9,000元的組合，我們只關切低於9,000元
的情況，因為年回收低於9,000元的組合是不被顧客所接受，所以相當於優先水準2線性規劃目標函數是要極小化d1-值。優先水準2線性規劃P2問題如下：
Min d2-
s.t. 25X1＋50X2≦80,000 可用基金
0.5X1＋0.25X2－d1+＋d1-＝700 P1目標
3X1＋5X2－d2+＋d2-＝9000 P2目標
d1+＝0 維持P1目標的達成X1，X2，d1+，d1-，d2-≧0
當P2目標恰好達到d2+＝0及d2-＝0目標方程式化簡為3X1＋5X2＝9000，在滿足優先順序1目標之解中，X1＝800，X2＝1,200最接近滿足優先水準2目標，因為這個解的年回收為3(800)＋5(1,200)＝8,400(註)。最適解對目標2的達成度比目標低了d2-＝600元（＝9000元－8400元）。
解：買800股美國石油及1200股休伯不動產，達成風險小於700，但年回收只有8400元。
註：多標準決策問題不可能同時滿足所有目標水準，本例中不可能同時滿足優先水準1及優先水準2。
目標規劃圖解法步驟：
1.找出合理解點；它是滿足問題限制的點。
2.找出滿足最高優先目標的合理；如果沒有合理解能達成最高優先目標，找出最接近達成最高優先目標的解。
3.向下移一位優先水準，找出不犧牲任何上一優先目標達成
。
1000
20003000
休
伯不動產的
9000
圖15.3 滿足兩個目標的最適解（P 2問題的解）
目標規劃模式
Min P 1（d 1+ ）＋P 2（d 2- ）
這個P 1及P 2優先水準，並非偏差變數的加權，而只不過是一個簡單的標籤，使我們記住目標的優先順序，現在寫出
美國石油的股數
X 1
目標的可行投資組合
d 2 ﹥0
完整的目標規劃模式如下：
Min P1（d1+）＋P2（d2-）
s.t. 25X1＋50X2≦80,000 可用基金
0.5X1＋0.25X2－d1+＋d1-＝700 P1目標
3X1＋5X2－d2+＋d2-＝9000 P2目標
X1，X2，d1+，d1-，d2-≧0
建立目標規劃模式步驟：
1.找出目標及反映資源限制或其他妨礙目標達成的限制。
2.找出每個“目標”的優先水準；優先水準P1的目標最重要，優先水準P2的目標第二重要，依此類推。
3.定出決策變數。
4.以線性規劃式樣寫出限制式。
5.對每個目標建立目標方程式，右手邊是目標的目標值。在每個目標方程式內包含偏差變數d1+及d1-，以反映高過或低過目標值的可能偏差。
6.寫出目標函數，它是具有優先順序的偏差變數的極小化。
▓15.2 目標規劃：解更複雜的問題
山庫斯辦公用品的問題
山庫斯辦公室用品供應商的管理當局，訂出每月與顧客接
觸的目標，在往後的4週，公司的顧客服務策略是要它的4個業務員，對曾至公司購買用品的顧客作200次接觸。另外要與新顧客作120次接觸。目標5的重要性是目標4的兩倍。優先等級1目標
目標1：不能使用超過680小時的人力。
目標2：不能使用少於600小時的人力。
優先等級2目標
目標3：銷售利潤至少70,000元。
優先等級3目標
目標4：至少接觸老顧客200次。
目標5：至少接觸新顧客120次。
試寫出目標規劃模式及以電腦解其最適解。
●建立目標方程式
X1＝拜訪老顧客的數目
X2＝拜訪新顧客的數目
●建立目標函數
Min P1（d1+）＋P1（d2-）＋P2（d3-）＋P3（d4-）＋P3（2d5-）
s.t. 2X1＋3X2－d1+＋d1-＝680 目標1
2X1＋3X2－d2+＋d2-＝600 目標2
250X1＋125X2－d3+＋d3-＝70,000 目標3
X1－d4+＋d4-＝200 目標4
X2－d5+＋d5-＝120 目標5
X1，X2，d1+，d1-，d2+，d2-，d3+，d3-，d4+，d4-，d5+，d5-≧0
註：d1+＝業務員所用小時數比目標值680小時多出的部分d1-＝業務員所用小時數比目標值680小時少的部分
d2+＝業務員所用時間超過目標值600小時之部分d2-＝業務員所用時間低於目標值600小時之部分d3+＝銷售利潤大於目標值70,000元的部分
d3-＝銷售利潤低於目標值70,000元的部分
d4+＝與老顧客接觸次數超過目標200次的部分
d4-＝與老顧客接觸次數低於目標200次的部分
d5+＝與新顧客接觸次數超過目標120次的部分
d5-＝與新顧客接觸次數低於目標120次的部分●電腦解
●解P1問題
Min d1+＋d2-
s.t. 2X1＋3X2－d1+＋d1-＝680 目標1 2X1＋3X2－d2+＋d2-＝600 目標2 250X1＋125X2－d3+＋d3-＝70,000 目標3 X1－d4+＋d4-＝200 目標4 X2－d5+＋d5-＝120 目標5 X1，X2，d1+，d1-，d2+，d2-，d3+，d3-，d4+，d4-，d5+，d5-≧0
圖15.4 P1問題的電腦解OBJECTIVE FUNCTION VALUE =0.000
VARIABLE D1PLUS D2MINUS
X1
X2 D1MINUS D2PLUS D3PLUS D3MINUS D4PLUS D4MINUS D5PLUS D5MINUS
VALUE
0.000
0.000
250.000
60.000
0.000
80.000
0.000
0.000
50.000
0.000
0.000
60.000
REDUCED COST
1.000
1.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
註：圖中D1MINUS＝d1-
003-2多目标优化的是实现
多目标和多约束的优化问题都称为多目标优化问题。在实际应用中，常常需要使多个目标在给定的区域范围都尽可能达到最优，但多个目标之间往往都是相互冲突的。[24] 为了使多目标优化能够顺利实现人们提出了很多方法这类方法主要有： (1)评价函数法。常用的方法有“线性加权和法”、“极大极小法”、“理想点法”。评价函数法的实质，是通过构造评价函数式把多目标转化为单目标。对即有极小化模型又有极大化模型的混合优化问题，可把极大化问题转化为极小化处理，也可用分目标乘除法、功效函数法、选择法等方法解决。但不同的评价函数，表达了不同的评价意义。因此，评价函数法只可保证所求得的最优解为多目标优化的有效解，而很难准确地获取设计者认可的满意有效解，这使得评价函数法的应用，局限于要求不高或对多目标优化方法把握不深的应用者。 (2)交互规划法。不直接使用评价函数的表达式，而是使决策者参与到求解过程，控制优化的进行过程，使分析和决策交替进行，这种方法称为交互规划法。由于有决策者的参与，所得的结果易于趋近决策者主观要求，因此其解只能达到主观最优，尚缺客观性的评价，且不易于操作。常用的方法有：逐步宽容法、权衡比替代法，逐次线性加权和法等。 (3)分层求解法。按目标函数的重要程度进行排序，然后按这个排序依次进行单目标的优化求解，以最终得到的解作为多目标优化的最优解。在要求获取的解是有效解的前提下，此种解法存在的问题为： 1)各目标的优先层次的不同选择，就得到具有不同优性的解，目标优性的差异与重要度的差异这两者的一致性难以调控与把握；2)对于非线性多目标优化，每个目标不可能在最优解上都存在等值线(面)，因此往往难以优化到最后一层，从而失去了多目标优化的意义。 早期的多目标问题实质上都是将多目标优化问题转化成单目标优化问题，然后采用比较成熟的单目标优化技术来进一步地解决。传统的多目标优化方法存在以下几个缺点： ①只能得到一个最优解，然而，在实际决策中决策者通常需要多种可供选择的方案； ②各目标之间没有共同的度量标准：各自具有不同的量纲、不同的物理意义，
多目标决策
第13章多目标决策 单目标决策问题前三章已经进行了较为详细的探讨。从合理行为假设引出的效用函数，提供了对这类问题进行合理分析的方法和程序。但在实际工作中所遇到的的决策分析问题，却常常要考虑多个目标。这些目标有的相互联系，有的相互制约，有的相互冲突，因而形成一种异常复杂的结构体系，使得决策问题变得非常复杂。 国外一般认为，多目标优化问题最早是在19世纪末由意大利经济学家帕累托（V.Pareto）从政治经济学的角度提出来的，他把许多本质上不可比较的目标，设法变换成一个单一的最优目标来进行求解。到了20世纪40年代，冯诺曼等人由从对策论的角度提出在彼此有矛盾的多个决策人之间如何进行多目标决策问题。1950年代初，考普曼（T.C.koopmans）从生产和分配的活动分析中提出多目标最优化问题，并引入了帕累托最优的概念。1960年代初，菜恩思（F.Charnes）和考柏（J.Cooper）提出了目标规划方法来解决多目标决策问题。目标规划是线性规划的修正和发展，这一方法不只是对一些目标求得最优，而是尽量使求得的最优解与原定的目标值之间的偏差为最小。1970年代中期，甘尼（R.L.Keeney）和拉发用比较完整的描述多属性效用理论来求解多目标决策问题。1970年代末，萨蒂（A.L.Saaty）提出了影响广泛的AHP(the analytical hierarchy process)法，并在1980年代初纂写了有关AHP 法的专著。自1970年代以来，有关研究和讨论多目标决策的方法也随之出现。 总之，多目标决策问题正愈来愈多的受到人们的重视，尤其是在经济、管理、系统工程、控制论和运筹学等领域中得到了更多的研究和关注。 13.1 基本概念 多目标决策和单目标决策的根本区别在于目标的数量。单目标决策，只要比较各待选方案的期望效用值哪个最大即可，而多目标问题就不如此简单了。 例13.1房屋设计 某单位计划建造一栋家属楼，在已经确定地址及总建筑面积的前提下，作出了三个设计方案，现要求根据以下5个目标综合选出最佳的设计方案：1）低造价（每平方米造价不低于500元，不高于700元）； 2）抗震性能（抗震能力不低于里氏5级不高于7级）； 3）建造时间（越快越好）； 4）结构合理（单元划分、生活设施及使用面积比例等）； 5）造型美观（评价越高越好） 这三个方案的具体评价表如下。
决策理论和方法习题
<决策理论和方法>习题 第一章概论 一、什么是决策? 什么是决策分析? 决策问题的特点是什么? 决策问题有哪些要素? 二、用决策树表示下列问题: 1. 火灾保险 2. 易腐品进货问题 3. 油井钻探问题: 某公司拥有一块可能有油的土地, 该公司可以自己钻井,也可 以出租给其它公司开采; 若出租土地,租约有两种形式,①无条件出租,租金45万元②有条件出租,租金依产量而定: 产量在20万桶或以上时,每桶提成5元; 产量不足20万桶时不收租金. 设钻井费用为75万元,有油时需另加采油设备费25万元,油价为15元/桶.(为了简化,可以将油井产量离散化,分为4种状态: 无油,产油5万桶, 产油20万桶, 产油50万桶) 三、* 设油井钻探问题如下: 每次钻井费用10万元,有油时售油收入100万元,有油 的概率为0.2, 无油的概率为0.8.问无油时该继续钻井否? 若该, 钻几次仍无油时停止钻井? 第二章主观概率和先验分布(Subjective Probability & Prior Distribution) 一、为什么要引入主观概率? 试比较主、客观概率的异同. 如何设定先验分布? 二、1. 阅读<决策分析> §6.3.4 2. 两人一组,一人充当决策人, 一人充当决策分析人, 就来年国民经济增长率 的先验分布进行对话,并画出对话所得的图形曲线. 互换角色, 就就来年通 涨率的先验分布进行对话. 三、设某个决策人认为产品售出400件的可能性是售出800件的可能性的1/3, 是售 出1200件的可能性的1/2, 与售出1600件的可能性相同, 售出800件的可能性售出1200件的可能性的两倍, 是售出1600件的可能性的3倍; 售出1200件的可能性比售出1600件的可能性的大2倍. 求该决策人关于产品销售量的主观概
施工管理多准则决策模型实例分析
施工管理多准则决策模型实例分析 摘要本文概述了建筑施工项目管理中存在的决策问题。对施工中存在的主要管理问题进行了鉴定，并讨论了解决这些问题的可能性。施工管理决策模型是基于多准则管理方法建立的，并实际案例中进行应用。基于层次分析法与专家选择法原理编写程序，依据实例模型验证程序的可行性。 关键词施工管理；实例分析 引言 施工管理和技术是影响建筑业发展的两个关键因素。在过去的40年中，虽然一些新的和先进的技术已应用于建筑项目，但该行业的效率仍然很低。先前的研究人员认为数字技术能让项目组织形式更加快速、灵活。今天，移动硬件、云计算和集成软件正在被广泛应用于存储和检索、自动搜索、原型机制造和仿真模拟这些领域。项目管理的目标是完成一个可执行项目，项目需要在可接受的风险、质量、安全和安全级别范围内满足预算和工作进度的要求[1]。 1 施工管理存在的问题 选择合适的承包商是施工中最重要的任務之一。从当今市场上提供的大量申请人中选择合适的承包商对客户来说是一个复杂的问题。塞纳拉特纳和塞克斯顿强调，在信息时代，组织理论把解决问题当成一种信息处理活动。然而，在这个时代，随着以知识为基础的组织观念的实现，共同解决问题越来越被视为是知识创造的触发器[2]。 2 施工管理中的多准则决策模型 2.1 多准则方法和施工管理 多准则决策是指在存在多个标准的决策，而这些决策通常是冲突的。每一个不同的标准可能有不同的测量单位、质量特性和相对重量。使用低价中标法选择承包商的业主应意识到几种可能的后果。首先，竞标过程假定所有的公司（包括总承包商、分包商和材料供应商）投标成本低，这通常意味着这些投标者的详细设计和图纸成本很低。其次，对于不了解真实行业状况的从业者通常存在这样误解，即投标过程的专业化设计可以保证每个参加竞标的承包商每个承包商必须提供与其他投标人相同质量的竞标结果，其设计将会满足业主的最终期望。最后，值得一提的是，由于设计过程中并没有承包商实际的投入，最终的低投标金额指到设计完成和投标结束后是无法确切得知的。因此，业主和建筑师只能在设计阶段和投标阶段完成之后才能知道他们的项目是设计在预算内的，或在大多数情况下是超过预算。 2.2 多准则决策模型的建立
多目标优化的求解方法
多目标优化的求解方法 多目标优化(MOP)就是数学规划的一个重要分支,就是多于一个的数值目标函数在给定区域上的最优化问题。 多目标优化问题的数学形式可以描述为如下: 多目标优化方法本质就是将多目标优化中的各分目标函数,经处理或数学变换,转变成一个单目标函数,然后采用单目标优化技术求解。目前主要有以下方法: （1）评价函数法。常用的方法有:线性加权与法、极大极小法、理想点法。评价函数法的实质就是通过构造评价函数式把多目标转化为单目标。 (2)交互规划法。不直接使用评价函数的表达式,而就是使决策者参与到求解过程,控制优化的进行过程,使分析与决策交替进行,这种方法称为交互规划法。常用的方法有:逐步宽容法、权衡比替代法,逐次线性加权与法等。 (3)分层求解法。按目标函数的重要程度进行排序,然后按这个排序依次进行单目标的优化求解,以最终得到的解作为多目标优化的最优解。 而这些主要就是通过算法来实现的, 一直以来很多专家学者采用不同算法解决多目标优化问题, 如多目标进化算法、多目标粒子群算法与蚁群算法、模拟退火算法及人工免疫系统等。 在工程应用、生产管理以及国防建设等实际问题中很多优化问题都就是多目标优化问题, 它的应用很广泛。 1)物资调运车辆路径问题 某部门要将几个仓库里的物资调拨到其她若干个销售点去, 在制定调拨计划时一般就要考虑两个目标, 即在运输过程中所要走的公里数最少与总的运输费用最低, 这就是含有两个目标的优化问题。利用首次适配递减算法与标准蚁群算法对救灾物资运输问题求解, 求得完成运输任务的最少时间, 将所得结果进行了比较。 2)设计 如工厂在设计某种新产品的生产工艺过程时, 通常都要求产量高、质量好、成本低、消耗少及利润高等, 这就就是一个含有五个目标的最优化问题; 国防部门在设计导弹时, 要考虑导弹的射程要远、精度要最高、重量要最轻以及消耗燃料要最省等,这就就是一个含有四个目标的最优化问题。Jo等人将遗传算法与有限元模拟软件结合
第十七章 多目标决策法
第十七章多目标决策法 基本内容 一、多目标决策概述 多目标决策:统计决策中的目标通常不会只有一个，而是有多个目标，具有多个目标的决策问题的决策即称为多目标决策。多目标决策的方法有多属性效用理论、字典序数法、多目标规划、层次分析、优劣系数法、模糊决策法等。 多目标决策的特点： 1、目标之间的不可公度性，即众多目标之间没有一个统一标准。 2、目标之间的矛盾性。某一目标的完善往往会损害其他目标的实现。 常用的多目标决策的目标体系分类：单层目标体系；树形多层目标体系；非树形多层目标体系。 多目标决策遵循的原则： 1、在满足决策需要的前提下，尽量减少目标个数。 2、分析各目标重要性大小，分别赋予不同权数。 二、层次分析法 层次分析法，简称AHP法，是用于处理有限个方案的多目标决策方法。 （一）层次分析的基本原理 层次分析法的基本思想：是把复杂问题分解为若干层次，在最低层次通过两两对比得出各因素的权重，通过由低到高的层层分析计算，最后计算出各方案对总目标的权数，权数最大的方案即为最优方案。 层次分析法的基本假设：层次之间存在递进结构，即从高到低或从低到高递进。 （二）层次分析法的步骤 1、明确问题，搞清楚涉及的因素以及因素相互之间的关系。 2、建立层次结构模型。将决策问题层次化，划分为总目标层、分目标层和方案层。 2、通过对各层元素的重要性进行两两比较，构造判断矩阵。 3、由各层判断矩阵确定各层权重。用特征向量法中的和积法求解判断矩阵的最大特征值和归一化后的特征向量。 4、对各层判断矩阵的一致性进行检验。一致性检验通过后，按归一化处理过的特征向量作为某一层次对上一层次某因素相对重要的排序加权值。否则，对判断矩阵进行调整。
多目标决策方法
多目标决策方法 一．多目标决策方法简介 1．多目标决策问题及特点 （１） 案例 个人：购物；买房；择业．．．．．． 集体或社会：商场，医院选址；水库高度选择．．．．．． （２） 要素 行动方案集合X;目标和属性；偏好结构和决策规则 （3） 多目标决策有如下几个特点： 决策问题追求的优化目标多于一个；目标之间的不可公度性：指标量纲的不一致性； 目标之间的矛盾性； 定性指标与定量指标相混合：有些指标是明确的,可以定量表示出来,如：价格、时间、产量、成本、投资等。有些指标是模糊的、定性的,如人才选拔时候选人素质考察时往往会以：思想品德、学历、能力、工作作风、市场应变能力等个性指标作为决策依据。 2． 多目标决策问题的描述 )}(),(),({21x f x f x f DR n 0)(,0)(,0)(.21 x g x g x g T S p 决策空间：}0)({ x g x X i 目标空间 })({X x x f F 两个例子：
离散型；连续型 3．多目标决策问题的劣解与非劣解 非劣解的寻找连续型有时较难 4．多目标决策主要有以下几种方法： （１）化多为少法：化成只有二个或一个目标的问题； （２）直接求非劣解法：先求出一组非劣解，然后按事先确定好的评价标准从中找出一个满意的解。 （３）分层序列法：将所有目标按其重要性程度依次排序，先求出第一个最重要的目标的最优解，然后在保证前一目标最优解的前提下依次求下一目标的最优解，一直求到最后一个目标为止。（ （４）目标规划法：对于每一个目标都事先给定一个期望值，然后在满足系统一定约束条件下，找出与目标期望值最近的解。（５）重排序法：把原来的不好比较的非劣解通过其他办法使其排出优劣次序来。 （６）多属性效用法：各个目标均用表示效用程度大小的效用函数表示，通过效用函数构成多目标的综合效用函数，以此来评价各个可行方案的优劣。 （７）层次分析法：把目标体系结构予以展开，求得目标与决策方案的计量关系。 （８）多目标群决策和多目标模糊决策。 （９）字典序数法和多属性效用理论法等。
多目标优化问题
多目标优化方法 基本概述 几个概念 优化方法 一、多目标优化基本概述 现今，多目标优化问题应用越来越广，涉及诸多领域。在日常生活和工程中，经常要求不只一项指标达到最优，往往要求多项指标同时达到最优，大量的问题都可以归结为一类在某种约束条件下使多个目标同时达到最优的多目标优化问题。例如：在机械加工时，在进给切削中，为选择合适的切削速度和进给量，提出目标：1）机械加工成本最低2）生产率低3）刀具寿命最长；同时还要满足进给量小于加工余量、刀具强度等约束条件。 多目标优化的数学模型可以表示为： X=[x1,x2,…,x n ]T----------n维向量 min F(X)=[f1(X),f2(X),…,f n(X)]T----------向量形式的目标函数s.t. g i(X)≤0,(i=1,2,…,m) h j(X)=0,(j=1,2,…,k)--------设计变量应满足的约束条件多目标优化问题是一个比较复杂的问题，相比于单目标优化问题，在多目标优化问题中，约束要求是各自独立的，所以无法直接比较任意两个解的优劣。
二、多目标优化中几个概念：最优解，劣解，非劣解。 最优解X*：就是在X*所在的区间D中其函数值比其他任何点的函数值要小即f(X*)≤f(X)，则X*为优化问题的最优解。 劣解X*：在D中存在X使其函数值小于解的函数值，即f(x)≤f(X*), 即存在比解更优的点。 非劣解X*：在区间D中不存在X使f(X)全部小于解的函数值f(X*). 如图：在[0,1]中X*=1为最优解 在[0,2]中X*=a为劣解 在[1,2]中X*=b为非劣解 多目标优化问题中绝对最优解存在可能性一般很小，而劣解没有意义，所以通常去求其非劣解来解决问题。
多目标决策
单目标决策问题前三章已经进行了较为详细的探讨。从合理行为假设引出的效用函数，提供了对这 类问题进行合理分析的方法 和程序。 但在实际工作中所遇到的的决策分析问题， 却常常要考虑多个目标。 这些目标有的相互联系，有的相互制约，有的相互冲突，因而形成一种异常复杂的结构体系，使得决策 问题变得非常复杂。 总之，多目标决策问题正愈来愈多的受到人们的重视，尤其是在经济、管理、系统工程、控制论和 运筹学等领域中得到了更多 的研究和关注。 13.1基本概念 多目标决策和单目标决策的根本区别在于目标的数量。单目标决策，只要比较各待选方案的期望效 用值哪个最大即可，而多目 标问题就不如此简单了。 例13.1房屋设计 某单位计划建造一栋家属楼，在已经确定地址及总建筑面积的前提下，作出了三个设计方案，现要 求根据以下5个目标综合 选出最佳的设计方案： 低造价（每 平方米造价不低于 抗震性能 建造时间 结构合理 造型美观 这三个方案的具体评价表如下。 表13.1 三种房屋设计方案的目标值 具体目标 方案1 (A 1) 方案2 (A 2) 方案3 (A 3) 低造价（元/平方米） 500 700 600 抗震性能（里氏级） 6.5 5.5 6.5 建造时间（年） 2 1.5 1 结构合理（定性） 中 优 良 造型美观（定性） 良 优 中 由表中可见，可供选择的三个方案各有优缺点。某一个方案对其中一个目标来说是最优者，从另一 个目标角度来看就不见得是最优，可能是次优。比如从造价低这个具体目标出发，则方案 1较好；如从 合理美观的目标出发，方案 2就不错；但如果从牢固性看，显然方案 3最可靠等等。 1. 多目标决策问题的基本特点 例13.1就是一个多目标决策问题。类似的例子可以举出很多。多目标决策问题除了目标不至一个 这一明显的特点外，最显 着的有以下两点：目标间的不可公度性和目标间的矛盾性。 目标间的不可公度性 是指各个目标没有统一的度量标准，因而难以直接进行比较。例如房屋设计 问题中，造价的单位是元/平 方米，建造时间的单位是年，而结构、造型等则为定性指标。 500元，不高于 700元）； （抗震能力不低于里氏 5级不高于7级）； （越快越好）； （单元划分、生活设施及使用面积比例等） ； （评价越高越好） 1) 2) 3) 4) 5)
多目标决策方法20页word文档
多目标决策方法 一．多目标决策方法简介 1．多目标决策问题及特点 （１） 案例 个人：购物；买房；择业．．．．．． 集体或社会：商场，医院选址；水库高度选择．．．．．． （２） 要素 行动方案集合X;目标和属性；偏好结构和决策规则 （3） 多目标决策有如下几个特点： 决策问题追求的优化目标多于一个；目标之间的不可公度性：指标量纲的不一致性； 目标之间的矛盾性； 定性指标与定量指标相混合：有些指标是明确的,可以定量表示出来,如：价格、时间、产量、成本、投资等。有些指标是模糊的、定性的,如人才选拔时候选人素质考察时往往会以：思想品德、学历、能力、工作作风、市场应变能力等个性指标作为决策依据。 2． 多目标决策问题的描述 决策空间：}0)({≤=x g x X i 目标空间 })({X x x f F ∈= 两个例子： 离散型；连续型 3． 多目标决策问题的劣解与非劣解 非劣解的寻找连续型有时较难
4．多目标决策主要有以下几种方法： （１）化多为少法：化成只有二个或一个目标的问题； （２）直接求非劣解法：先求出一组非劣解，然后按事先确定好的评价标准从中找出一个满意的解。 （３）分层序列法：将所有目标按其重要性程度依次排序，先求出第一个最重要的目标的最优解，然后在保证前一目标最优解的前提下依次求下一目标的最优解，一直求到最后一个目标为止。（ （４）目标规划法：对于每一个目标都事先给定一个期望值，然后在满足系统一定约束条件下，找出与目标期望值最近的解。 （５）重排序法：把原来的不好比较的非劣解通过其他办法使其排出优劣次序来。 （６）多属性效用法：各个目标均用表示效用程度大小的效用函数表示，通过效用函数构成多目标的综合效用函数，以此来评价各个可行方案的优劣。 （７）层次分析法：把目标体系结构予以展开，求得目标与决策方案的计量关系。 （８）多目标群决策和多目标模糊决策。 （９）字典序数法和多属性效用理论法等。 二、几种常见方法简介及应用 1．加性加权法 （1）基本假设：1.属性描述用基数定量描述，且相互独立； 2.价值函数的形式是加性的。
多目标决策简介
第十一章多目标决策 (Multi-objective Decision-making)主要参考文献 68, 111 §11.1 序言 MA：评估与排序 MCDP MO：数学规划 一、问题的数学表达 N个决策变量x ?= {x 1 ,x 2 ,…, x N } n个目标函数f ?(x ? ) = (f 1 (x ? ),f 2 (x ? ),…, f n (x ? )) m个约束条件x ?即: g k (x ? ) 0 k=1,…,m x ? (1) 不失一般性，MODP可表示成： P1 Max {f 1(x ? ),f 2 (x ? ),…, f n (x ? )} s.t. x ? 这是向量优化问题，要在可行域X中找一x S ? ，使各目标值达到极大。 通常x S ?并不存在，只能找出一集非劣解x ? * (2) 若能找到价值函数v(f1(x?),f2(x?),…, f n(x?)) 则MODP 可表示成： P2 Max v (f 1(x ? ),f 2 (x ? ),…, f n (x ? )) s.t. x ? 这是纯量优化问题，困难在于v如何确定。二、最佳调和解(Best Compromise Solution) P3 DR (f 1(x ? ),f 2 (x ? ),…, f n (x ? )) s.t. x ? 即根据适当的Decision Rule在X中寻找BCS x c ?
常用的Decision Rule: max V maxEU min d p (f ? -?f ? ) 求BCS必须引入决策人的偏好 三、决策人偏好信息的获取方式 1.在优化之前，事先一次提供全部偏好信息 如：效用函数法，字典式法，满意决策，目的规则 2.在优化过程中：逐步索取偏好信息 如：STEM SEMOP Geoffrion, SWT 3.在优化之后：事后索取偏好，由决策人在非劣解集中选择i，算法复杂，决策人难理解， ii,计算量大， iii,决策人不易判断各种方式的利弊比较 黄庆来[111]的分类表: §11.2 目的规划法 适用场合： 决策人愿意并且能用 优先级P (Preemptive priority) 权W (Weight)
多目标决策问题
第十五章多標準決策問題本章內容： 15.1 目標規劃:建立模式及圖解法 15.2 目標規劃:解更複雜的問題 15.3 計分模式 15.4 層級分析法 15.5 用AHP建立優先權 15.6 用AHP建立整體優先順序
線性規劃的基本假設： 1.可加性(Additivity)：目標函數或限制式變數之衡量單位必須相同，如此才能相加減 2.比例性(Proportionality)：就限制式而言，每單位產出所需之資源投入數均為固定，一定倍數的投入可以得到相同倍數的產出 3.確定性(Determinitic)：目標函數係數及限制條件中之技術系數以及擁有資源數量等均為已知且確定的數字，而不含
任何機率分配 4.可分割性(Divisibility)：線性規劃模型解答不一定是整數，可以是任意實數 ▓15.1 目標規劃：建立模型及圖解法 例： 尼可投資顧問公司考慮某顧客有80,000元要投資，投資組合限於以下兩種股票： 美國石油$25 $3 0.50
休伯不動產 50 5 0.25 這個顧客第一目標是風險最高水準為700，第二目標是要年回收至少9,000元，試以目標規劃找出最接近滿足所有目標的投資組合。 根據優先順序的說明，本例題“目標”可表示如下：主要目標（優先等級1） 目標1：找一個投資組合，它的風險在700以下。 次要目標（優先等級2） 目標2：找一個投資組合，它所提供的年回收至少9,000元。 建立限制式及目標方程式 1.先決定決策變數 X1＝購買美國石油股的數目 X2＝購買休柏不動產股的數目
2.建立限制條件 25X 1＋50X 2≦80,000（可用資金） 3.建立目標方程式 （1）目標1之目標方程式(組合風險)： 風險指標可小於等於或大於目標值700，目標方程式如下： 0.5X 1＋0.25X 2－d 1+ ＋d 1- ＝700 d 1+ ＝組合風險指標超過目標值700的部份 d 1- ＝組合風險指標少於目標值700 的部份 （2）目標2之目標方程式(年回收)： 年收入指標可大於等於或小於目標值9000，目標方程式如下： 9000532221=+-+- +d d x x
多目标优化问题
多目标优化方法 基本概述几个概念优化方法 一、多目标优化基本概述 现今，多目标优化问题应用越来越广，涉及诸多领域。在日常生活和工程中，经常要求不只一项指标达到最优，往往要求多项指标同时达到最优，大量的问题都可以归结为一类在某种约束条件下使多个目标同时达到最优的多目标优化问题。例如：在机械加工时，在进给切削中，为选择合适的切削速度和进给量，提出目标：1)机械加工 成本最低2)生产率低3)刀具寿命最长；同时还要满足进给量小于加工余量、刀具强度等约束条件。 多目标优化的数学模型可以表示为： X=[x i,x 2,…,x n ] T ---------------------------------- n 维向量 min F(X)=[f i(X),f 2(X),…,f n(X)] T- --------- 向量形式的目标 函数 s.t. g i(X) < 0,(i=1,2,…,m) h j (X)=0,(j=1,2,…,k) ------ 设计变量应满足的约 束条件 多目标优化问题是一个比较复杂的问题，相比于单目标优化问题，在 多目标优化问题中，约束要求是各自独立的，所以无法直接比较任意两个解的优劣。 二、多目标优化中几个概念：最优解，劣解，非劣解。 最优解X*:就是在乂所在的区间D中其函数值比其他任何点的函数值要小即f(X *) 如图：在［0,1］ 中 X*=1为最优解 在［0,2］ 中X*=a为劣解 在［1,2］ 中X*=b为非劣解 多目标优化问 题中绝对最优解存 在可能性一般很 小，而劣解没有 意义，所以通常去 求其非劣解来解决 问题。 三、多目标优化方法 多目标优化方法主要有两大类： 1)直接法：直接求出非劣解，然后再选择较好的解 将多目标优化问题转化为单目标优化问题。 2)间接法女口：主要目标法、统一目标法、功效系数法等。 将多目标优化问题转化为一系列单目标优化问题。女口：分层系列法等。 1、主要目标法 求解时从多目标中选择一个目标作为主要目标，而其他目标只需满足一定要求即可，因此可将这些目标转化成约束条件，也就是用约束条件的形式保证其他目标不致太差，这样就变成单目标处理方法。 例如：多目标函数f 1(X),f 2(X),.?…,f n(X)中选择f k(X)作为主 要目标，这时问题变为求min f k(x) D={x|f min < f i(X)< f ma》,D为解所对应的其他目标函数应满足上下限。 2、统一目标法 通过某种方法将原来多目标函数构造成一个新的目标函数，从而将多目标函数转变为单目标函数求解。 ①线性加权和法 根据各目标函数的重要程度给予相应的权数，然后各目标函数与 1.多目标决策方法概述 1.1 多目标决策理论发展 综合评价是多目标决策理论研究的重要内容，由于其在工程系统和社会、经济、管理等各个领域的普遍存在性，因而在社会经济的各个领域得到极为广泛的应用，如投资决策、项目评估、方案选优、工厂选址、、产业部门发展排序、经济效益综合评价等等。 多目标决策问题是对具有多个目标的有限方案进行排序与优选的问题。人们常常要对有限个方案集的备选方案进行综合评价，比如在水利水电工程建设的过程中，要进行施工导流，由于导流方案直接影响着施工导流工程的规模、主体工程施工安全、施工总工期及工程投资，因此，要考虑工程所在河段的地形、地质条件、河流水文特性等自然因素和主体工程枢纽布置特点、施工导流方式选择要求、施工工期限制条件、施工技术力量、施工设备及物资、资金等等众多工程因素，确定一个合理的导流方案。可见，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的强大生命力。但是多目标决策作为一门学科，还是在近五十多年来才真正形成为一门完整独立的的科学体系。最早是在1896年，V.Pareto 提出的向量优化的概念涉及到了多目标概念，他从经济学的角度把本质上不可比较的多个目标化成单个目标进行优化求解，即现在使用的Pareto最优概念。直到1944年，多目标决策的理论和方法才逐步发展起来，J. v. Neumaee和0.Morgenstem 从对策论角度提出了彼此矛盾情况下的多目标决策问题，标志着近代意义上多目标决策的诞生。1951年，美国经济学家Koopmans从有限资源的合理分配与使用问题中提出了多目标决策问题，首次使用了有效向量的概念，这就是现代多目标决策非劣解概念。1961年Chames 和CooPer引入了目的规划法，其准则是使目标值和实际值两者之差的绝对值达到最小。1964年，Aumann对多目标决策问题提出了效用函数的概念。1968年，多目标学科自学者Johnson 系统地提出了多目标决策模型的研究报告以后开始迅速发展。到了二十世纪七十年代，1972年第一次多目标决策会议在美国South Carolina大学召开，会议出版的论文集成为多目标决策研究的经典文献；1976年，R. L. Keeny和H. Raifats对发展多属性效用理论做了很大贡献；与此同时，美国学者Satty提出了著名的层次分析(AHP)法，多目标决策技术的发 多目标优化的求解方法 多目标优化（MOP）是数学规划的一个重要分支，是多于一个的数值目标函数在给定区域上的最优化问题。 多目标优化问题的数学形式可以描述为如下： 多目标优化方法本质是将多目标优化中的各分目标函数，经处理或数学变换，转变成一个单目标函数，然后采用单目标优化技术求解。目前主要有以下方法： （1）评价函数法。常用的方法有:线性加权和法、极大极小法、理想点法。评价函数法的实质是通过构造评价函数式把多目标转化为单目标。 （2）交互规划法。不直接使用评价函数的表达式，而是使决策者参与到求解过程，控制优化的进行过程，使分析和决策交替进行，这种方法称为交互规划法。常用的方法有：逐步宽容法、权衡比替代法，逐次线性加权和法等。 （3）分层求解法。按目标函数的重要程度进行排序，然后按这个排序依次进行单目标的优化求解，以最终得到的解作为多目标优化的最优解。 而这些主要是通过算法来实现的, 一直以来很多专家学者采用不同算法解决多目标优化问题, 如多目标进化算法、多目标粒子群算法和蚁群算法、模拟退火算法及人工免疫系统等。 在工程应用、生产管理以及国防建设等实际问题中很多优化问题都是多目标优化问题, 它的应用很广泛。 1)物资调运车辆路径问题 某部门要将几个仓库里的物资调拨到其他若干个销售点去, 在制定调拨计划时一般就要考虑两个目标, 即在运输过程中所要走的公里数最少和总的运输费用最低, 这是含有两个目标的优化问题。利用首次适配递减算法和标准蚁群算法对救灾物资运输问题求解, 求得完成运输任务的最少时间, 将所得结果进行了比较。 2)设计 如工厂在设计某种新产品的生产工艺过程时, 通常都要求产量高、质量好、成本低、消耗少及利润高等, 这就是一个含有五个目标的最优化问题; 国防部门在设计导弹时, 要考虑导弹的射程要远、精度要最高、重量要最轻以及消耗燃料要最省等,这就是一个含有四个目标的最优化问题。Jo等人将遗传算法与有限元模拟软件结合应用于汽车零件多工序冷挤压工艺的优化。Chung等人也成功应用遗传算法对锻件工艺进行了优化。 3)投资 假设某决策部门有一笔资金要分配给若干个建设项目, 在确定投资方案时, 决策者总希望做到投资少收益大。Branke等人采用基于信封的多目标进化算法成功地解决了计划投资地选择问题。 4)模拟移动床过程优化与控制 一个工业化模拟移动床正常运行时, 一般有七股物料进、出吸附塔, 其中起关键作用的物料口将作为决策量引起目标值的变化。根据实际生产要求通常包括生产率、产品纯度、吸附剂消耗量等多个目标。模拟移动床分离过程由于其过程操作变量的强耦合性、工艺机理的复杂性及分离性能的影响因素繁多性, 需要众多学者对其操作优化和过程控制进行深入的研究。Huang等人利用TPS 算法解决了模拟移动床多个冲突目标的最大最小的问题, 并与NSGA2 算法的结果进行了比较。吴献东等人运用粒子群算法开发出一种非线性模拟移动床( SMB )色谱分离过程的优化策略。 5)生产调度 在离散制造生产系统中, 一个工件一般经过一系列的工序加工完成, 每道工序需要特定机器和其他资源共同完成, 各工件在各机器上的加工顺序(称技术约束条件)通常是事先给定的。车间调度的作用 多目标决策理论及应用作业 1.1 多目标决策方法发展及的国内外研究现状 1.1.1 多目标决策理论发展 综合评价是多目标决策理论研究的重要内容，由于其在工程系统和社会、经济、管理等各个领域的普遍存在性，因而在社会经济的各个领域得到极为广泛的应用，如投资决策、项目评估、方案选优、工厂选址、产业部门发展排序和经济效益综合评价等等。 多目标决策问题是对具有多个目标的有限方案进行排序与优选的问题。人们常常要对有限个方案集的备选方案进行综合评价，比如在水利水电工程建设的过程中，要进行施工导流，由于导流方案直接影响着施工导流工程的规模、主体工程施工安全、施工总工期及工程投资，因此，要考虑工程所在河段的地形、地质条件、河流水文特性等自然因素和主体工程枢纽布置特点、施工导流方式选择要求、施工工期限制条件、施工技术力量、施工设备及物资、资金等等。众多工程因素，确定一个合理的导流方案，可见，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的强大生命力。但是多目标决策作为一门学科，还是在近五十多年来才真正形成为一门完整独立的的科学体系。最早是在1896年，V.Pareto 提出的向量优化的概念涉及到了多目标概念，他从经济学的角度把本质上不可比较的多个目标化成单个目标进行优化求解，即现在使用的Pareto 最优概念。直到1944 年，多目标决策的理论和方法才逐步发展起来，J.v.Neumaee 和0.Morgenstem 从对策论角度提出了彼此矛盾情况下的多目标决策问题，标志着近代意义 上多目标决策的诞生。1951年，美国经济学家Koopmans从有限资源的合理分配与使用问题中提出了多目标决策问题，首次使用了有效向量的概念，这就是现代多目标决策非劣解概念。1961年，Chames 和CooPer 引入了目的规划法，其准则是使目标值和实际值两者之差的绝对值达到最小。1964年，Aumann对多目标决策问题提出了效用函数的概念。1968年，多目标学科自学者Johnson 系统地提出了多目标决策模型的研究报告以后开始迅速发展。到了二十世纪七十年代，1972 年第一次多目标决策会议在美国South Carolina大学召开，会议出版的论文集成为多目标决策研究的经典文献；1976年，R.L.Keeny 和H.Raifats对发展多属性效用理论做了很大贡献；与此同时，美国学者Satty提出了著名的层次分析(AHP)法，多目标决策技术的发展加快，为这一学科体系的建立打下坚实的基础。 1.1.2 多目标决策方法及其研究现状 多目标投资决策是目前决策活动中人们经常遇到的一类决策问题。方案决策结果的好坏，直接关系到各投资目标能否实现，也直接关系到方案实施的综合效益。目前多目标决策大多采用的方法为模糊数学法、目标规划法、AHP 法、属性评价、灰色理论等方法。从二十世纪九十年代开始，随着电脑技术的发展，研究人员又提出了基于人工智能技术、神经网络、遗传算法和粗集理论的决策方法。如1993年 C.M.Fonseca 在第五届国际遗传学会议上提出了基于遗传算法的多属性决策问题；YangJ.B.和WangJin等人提出了用证据推理理论来处理不确定性混合多属性决策问题的重要方法，即ER法；2002年， 第十七章 多目标决策法 基本内容 一、多目标决策概述 多目标决策:统计决策中的目标通常不会只有一个，而是有多个目标，具有多个目标的决策问题的决策即称为多目标决策。多目标决策的方法有多属性效用理论、字典序数法、多目标规划、层次分析、优劣系数法、模糊决策法等。 多目标决策的特点： 1、目标之间的不可公度性，即众多目标之间没有一个统一标准。 2、目标之间的矛盾性。某一目标的完善往往会损害其他目标的实现。 常用的多目标决策的目标体系分类：单层目标体系；树形多层目标体系；非树形多层目标体系。 多目标决策遵循的原则： 1、在满足决策需要的前提下，尽量减少目标个数。 2、分析各目标重要性大小，分别赋予不同权数。 二、层次分析法 层次分析法，简称AHP 法，是用于处理有限个方案的多目标决策方法。 （一）层次分析的基本原理 层次分析法的基本思想：是把复杂问题分解为若干层次，在最低层次通过两两对比得出各因素的权重，通过由低到高的层层分析计算，最后计算出各方案对总目标的权数，权数最大的方案即为最优方案。 层次分析法的基本假设：层次之间存在递进结构，即从高到低或从低到高递进。 （二）层次分析法的步骤 1、明确问题，搞清楚涉及的因素以及因素相互之间的关系。 2、建立层次结构模型。将决策问题层次化，划分为总目标层、分目标层和方案层。 2、通过对各层元素的重要性进行两两比较，构造判断矩阵。 3、由各层判断矩阵确定各层权重。用特征向量法中的和积法求解判断矩阵的最大特征值和归一化后的特征向量。 4、对各层判断矩阵的一致性进行检验。一致性检验通过后，按归一化处理过的特征向量作为某一层次对上一层次某因素相对重要的排序加权值。否则，对判断矩阵进行调整。 5、层次加权得出各方案关于总目标的权重，最大权重的方案为最优方案。 （三）判断矩阵 以每两个方案（或子目标）的相对重要性为元素的矩阵称为判断矩阵。判断矩阵是层次分析法的核心。 判断矩阵的元素ij a 具有三条性质： （1）1=ii a （2）ji ij a a /1= （3）kj ik ij a a a ?= 判断矩阵的元素ij a 可以利用决策者的知识和经验估计出来。由于决策者的估计并不精确，因此第三条性质不一定成立。 （四）由判断矩阵确定权重 可用特征向量法中的和积法对判断矩阵求最大特征值及所对应的特征向量。特征向量经《多目标决策理论及方法》读书报告
多目标优化的求解方法
多目标决策作业
第十七章多目标决策法