4.7向量优化
- 广义和凸的向量优化问题
- 最优解与值
- Pareto最优解与值
- 标量化
- 多准则优化
- 例子
广义和凸的向量优化问题
广义向量优化问题
其中是优化变量,是正常锥,是目标函数,是不等式约束函数,是等式约束函数。其余标准优化问题的区别在于目标函数不是标量而是向量,且比较目标函数值的方法不再是简单的数的大小,而是有正常锥K定义的广义不等式。故也称标准优化问题为标量优化问题。
凸向量优化问题
即如果目标函数是K-凸的,其不等式约束函数是凸的,等式约束函数是仿射的,则称问题是凸向量优化问题。
对于向量优化问题,我们是要寻找一个目标函数值在K锥上最优,即最小。但是因为向量优化问题的目标函数是向量,向量并不一定是可比较的,所以就要分情况考虑,类似第二章的最小元和极小元,在向量优化问题中,有两种情况,即最优解和Pareto最优解。
最优解与值
考虑可行点的目标值的集合: