目标规划问题

最新推荐文章于 2024-04-30 23:32:15 发布

herry57

最新推荐文章于 2024-04-30 23:32:15 发布

阅读量2.6k

点赞数 1

分类专栏：数学建模文章标签：大数据动态规划算法

本文链接：https://blog.csdn.net/herry57/article/details/125706375

版权

数学建模专栏收录该内容

23 篇文章 8 订阅

订阅专栏

一、概念

1.目标值：是指预先给定的某个目标的一个期望值

2.决策值（现实值）：当决策变量 $x{j}$ 选定以后，目标函数的对应值。

3.正偏差变量：现实值超过目标值的部分，记为 $d^{+}$

4.负偏差变量：现实值未达到目标值的部分，记为 $d^{-}$

5.目标约束（软约束）：既可以对原目标函数起作用，也可以对原约束起作用。

6.目标函数

1.第i个目标要求恰好达到目标值，即正、负偏差变量都要尽可能地小,则

minZ=f( $d^{+}$ + $d^{-}$ )

2.第i个目标要求不超过目标值，即允许达不到目标值，就是正偏差变量要尽可能地小，则

minZ=f( $d^{+}$ )

3.第i个目标要求超过目标值，即超过量不限，但必须是负偏差变量要尽可能地小，则

minZ=f( $d^{-}$ )

7.优先因子与优先权系数

一个规划问题常常有若干个目标。但决策者在要求达到这些目标时，是有主次或轻重缓急的。

按重要程度排序，p1>>p2>>p3>>p4>>p5.......

若要区别具有相同优先因子的两个目标的差别，这时可分别赋于它们不同的权系数 $w_{j}$ ，这些都由决策者按具体情况而定。

8.目标规划模型的一般数学表达式为

二、例题

某企业生产甲、乙两种产品，需要用到A，B,C三种设备，关于产品的赢利与使用设备的工时及限制如表16.3所示。问该企业应如何安排生产，才能达到下列目标。

1.力求使利润指标不低于1500元

2.考虑到市场需求，甲、乙两种产品的产量比应尽量保持1:2

3.设备A为贵重设备，严格禁止超时使用

4.设备C可以适当加班，但要控制；设备B既要求充分利用，又尽可能不加班。在重要性上，设备B是设备C的3倍。

设备A是刚性约束，其余是柔性约束。首先，最重要的指标是企业的利润，因此，将它的优先级列为第一级；其次，甲、乙两种产品的产量保持1:2的比例，列为第二级；再次，设备C，B的工作时间要有所控制，列为第三级。在第三级中，设备B的重要性是设备C的三倍，因此，它们的权重不一样，设备B前的系数是设备C前系数的3倍。设生产甲乙两种产品的件数分别为x1，x2，相应的目标规划模型为

x=optimvar('x',2,'LowerBound',0);
dm=optimvar('dm',4,'LowerBound',0);
dp=optimvar('dp',4,'LowerBound',0);
p=optimproblem('ObjectiveSense','min');
p.Constraints.con1 = 2*sum(x)<=12;
con2=[200*x(1)+300*x(2)+dm(1)-dp(1)==1500
      2*x(1)-x(2)+dm(2)-dp(2)==0
      4*x(1)+dm(3)-dp(3)==16
      5*x(2)+dm(4)-dp(4)==15];
p.Constraints.con2=con2;
p.Objective=dm(1)
[sx,fval]=solve(p)

结果：dm（1）=0

x=optimvar('x',2,'LowerBound',0);
dm=optimvar('dm',4,'LowerBound',0);
dp=optimvar('dp',4,'LowerBound',0);
p=optimproblem('ObjectiveSense','min');
p.Constraints.con1 = 2*sum(x)<=12;
con2=[200*x(1)+300*x(2)+dm(1)-dp(1)==1500
      2*x(1)-x(2)+dm(2)-dp(2)==0
      4*x(1)+dm(3)-dp(3)==16
      5*x(2)+dm(4)-dp(4)==15];
p.Constraints.con2=con2;
p.Constraints.con3=dm(1)==0;
p.Objective=dm(2)+dp(2)
[sx,fval]=solve(p)

结果为0

x=optimvar('x',2,'LowerBound',0);
dm=optimvar('dm',4,'LowerBound',0);
dp=optimvar('dp',4,'LowerBound',0);
p=optimproblem('ObjectiveSense','min');
p.Constraints.con1 = 2*sum(x)<=12;
con2=[200*x(1)+300*x(2)+dm(1)-dp(1)==1500
      2*x(1)-x(2)+dm(2)-dp(2)==0
      4*x(1)+dm(3)-dp(3)==16
      5*x(2)+dm(4)-dp(4)==15];
p.Constraints.con2=con2;
p.Constraints.con3=dm(1)==0;
p.Constraints.con3=dm(2)+dp(2)==0;
p.Objective=3*dm(3)+3*dp(3)+dp(4)
[sx,fval]=solve(p);
fval,xx=sx.x,sdm=sx.dm,sdp=sx.dp,