阅读Book：MultiObjective using Evolutionary Algorithms（9）--Bensons' Method & Value Function Method第三章完

（1）Bensons' Method

This procedure issimilar to the weighted metric approach，except that the reference solution is taken as a feasibel non-Pareto-optimal solution. 

Pareto-optimal region lies at the extreme of a feasible search space.  

                                                              

（2）Value Function Method

 

For the nature of the contours showns in this figure, the solution A, where a contour of the value function is tanfential to the pareto-Optimal front, is the preferred solution.  The metods can find only one solution at a time. By changing the parameters invoved in the value function ,different Pareto-Optimal solution can be find.

 (2 ) Goal Programming Methods

The main idea in goal programming is to find solution attain a predefined target for one or more objective function. If there exists no solution which achieves pre-specified targets in all objective functions(the user is being optimistic),the task is to find solutions which minimize deviations from the targets .

对于目标规划方法：  主要是为 一个或者是多个目标找预定解。若是 所有的目标都没有办法达到预定目标则改为“找与目标偏差最小的解”。

个人觉得有一点： 通过答案做数学题，会规划这道题的大致的结果t，然后 验证，若是没有满足的 可能会允许一点误差，就 偏离一点。

（1） single-objective

出于允许获得的目标与t之间的误差会有：

 

（3）Weighted Goal Programming

（1） parameter features

less-than-equal-to type goals:  βj的值为0.  对于grater-than-equal-to type goals， αj的值为0。 and for range-type goals, there exists a pair of constraints for each objective function. Uaually,the wighted α and β are fixed by the decision-maker.

 

(2)例子：

题目：  

  决策空间---------------------------------------------------------------------------------------- 目标空间

       

在jFigure35 局限于（3.21）F1以及F2 的范围不大于2. Target space 并不能在Objective space 没有办法访问到目标空间。 故而借助加权的方法，逐步的仅仅目标 空间。 （偏差尽量小）

（3） 综述各种Mothods

 All of the classical algoritms described here suggest a way to convert a multi-objective opeimization problem into a single-objective problem. The weighted sum approach suggests minmizing a weighted sum of multiple objectives,the ε-constraint methods suggests optimizing one objective funvtion and use all other objectives as constraints, weighted metric methods suggests minimizing an lp metric constructed from all objectives,the value function method suggests maximizing an overall value function(or utility function) relating all objectives ,and goal programming methods suggests minimizing a weighted sum of deviations of objectives from user-specified targets.

(4)   自我总结---第三章完结

这一章节主要说明各种传统的方法处理多目标问题。 首先是对于凸函数可以很方便的访问到每一个front 中的点（主要是基于  ）获得切点，求解的是最小化目标值，然后根据凸函数的定义，当相切的时候总会得到最小值的点。Pareto-optimal solution）

但是艰难的就是遇见非凸函数的时候，因为他的特殊性用以前的方法有的 时候根本没有办法访问到那个 点。 然后就 各种想办法，我觉得最好的不可思议的是ε-constraint methods，将一个space空间，划分为很多部分，逐步的将非凸转化为局部的凸函数，然后得到点。 但是没有办法保证你是适当的切割啊。 然后是将目标函数整合不管是加权矩阵，指值函数， 都是在试图对多个目标函数进行一种操作，然后通过这个操作我们可以得到一个“最终的求解的约束的目标，满足这个额目标我们就可以获得pareto-optimal solution”。觉得 大都是一样的。

然而， 通过这章节就是觉得

（1）  手算的计算量还是有的

（2）  有好多种参数变量， 无可避免的需要user 去考虑，这个要怎么选择？

----------------------------------------------Then next chapter -------------Evolutionary algorithms