最优化方法:八、多目标优化

本文介绍了多目标优化的基本原理,包括解的概念、评价函数法,如理想点法、极小极大法、乘除法和线性加权法,并讨论了分层求解法和目标规划法在多目标优化中的应用。
摘要由CSDN通过智能技术生成

主要参考书目:

  • 最优化方法及其应用/郭科,陈聆,魏友华.-北京:高等教育出版社,2007.7(2013.7重印)

1、基本原理

  • 基本模型
    基本模型
  • 解的概念
    由于优化目标是向量函数,无法直接比较大小,故引入序的概念:
    序
    有了序的概念,接下来给出“最优”的概念:
     
    绝对最优
      若对于 XD X ∗ ∈ D ,如果对 XD ∀ X ∈ D ,都有 F(X)F(X) F ( X ∗ ) ≤ F ( X ) ,则称 X X ∗ 为该多目标优化问题的绝对最优解。
     
    Paerto最优
      若对于 XD X ∗ ∈ D ,如果不存在 XD X ∈ D ,使得 F(X)F(X) F ( X ) ≤ F ( X ∗ ) ,则称 X X ∗ 为该多目标优化问题的Paerto最优解,亦称有效解。
      将Paerto最优解定义中的 F(X)F(X) F ( X ) ≤ F ( X ∗ ) 改为 F(X)<F(X) F ( X ) < F ( X ∗ ) ,则变为弱Paerto最优解,亦称弱有效解的定义。
      可以看到(弱)Paerto最优是指解在“ (<) ≤ ( < ) ”意义下不可改进。
  • 解的性质
    1. 绝对最优必有效。
    2. 有效必若有效。
    3. 各分量函数的最优解集的交是绝对最优解集。
    4. 各分量函数的最优解集包含于弱有效解集,且当绝对最优解集非空时,弱有效解集为各分量函数的最优解集的并
      斜体部分证明:
      1

2、评价函数法

  • 基本原理
    构造 h:R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值