最大最小化模型
最不利的情况下寻求最有利的策略,对策论
min { max [ f1(x) , f2(x) , ... , fn(x) ] }
s.t.Ax<=b
aeq · x = beq
c(x)<=0
ceq(x)<=0
vlb<=x<=vub
与之前的各种规划一致
曼哈顿距离: |x1-x2|+|y1-y2|
所用函数:fminimax
[x,fval]=fminimax(@Fun,x0,A,b,aeq,beq,lb,ub,@nonlfun,option)
这里是目标函数大写了F因为与其他规划不同,这里表示的是函数向量不是单独一行。
多目标规划
多个目标函数,即多个fun
一般处理式进行权重分析,转化为单目标规划
但处理前要进行最大最小化统一处理,然后标准化统一量纲
这里可以除以某一个常量来消除量纲,这个常量不是随便取的,一般是这函数确定的函数值或者是题目经验得出的函数值
标准化之后把每个函数与权重系数相乘
敏感性分析:权重变化所带来的数值结果变化