主要参考:
《数学建模算法与应用》(第三版)
作者 司守奎、孙玺菁
一般来说,多目标规划问题(MP)的绝对最优解是不常见的,当绝对最优解不存在时,引入非劣解或者有效解,也称为Pareto最优解。
//注:帕累托最优解通常指,在其他目标解不恶化的情况下,使某一目标得到优化。
在多目标规划问题中,通常不提最优解的概念,只提满意解或者有效解。
1.求解有效解的集中常用方法
通常在求解之前,需要对目标函数进行预处理:
(1)无量纲化处理。
(2)数量级的归一化处理。当每个目标函数的数量级差异较大时,容易出现大数吃小数的现象,即数量级较大的目标在决策分析过程中容易占有,从而影响决策结果。
常用方法:
(1)线性加权法。
根据目标函数的重要性,确定权重,且权重系数之和为1。
(2)ɛ约束法
根据决策者偏好,选择一个主要关注的参考目标,而将其他目标放到约束条件中去。
ɛ是指决策者对某个目标而言的容许接受阈值。
(3)理想点法
以每个单目标最优值为该目标的理想值,使每个目标函数值与理想值的加权平方和最小。
(4)优先级法。
根据目标重要性分成不同优先级,先求优先级高的目标函数最优值,在确保优先级高的目标获得不低于最优质的条件下,再求优先级低的目标函数。
2.目标规划
即运筹学中的目标规划,此处简单介绍。
相关概念:
(1)正、负偏差变量
(2)绝对(刚性)约束和目标约束
(3)优先因子(优先等级)与权系数
在目标规划的数学模型构建中,需要确定目标值、优先等级与权系数,其具有一定的主观性和模糊性,可以用专家评定法加以量化。