多目标规划基础知识

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。