- •Задачи векторной оптимизации.
- •Основные понятия и определения.
- •Методы решения задач многокритериальной оптимизации.
- •Метод "обобщенного критерия".
- •Основные виды сверток.
- •Линейная свертка и ее свойства.
- •Методы определения весовых коэффициентов.
- •Решение задач векторной оптимизации при наличии дополнительной информации о важности частных критериев оптимальности.
- •Метод выделения главного критерия.
- •Метод последовательной оптимизации с учетом жесткого приоритета.
- •Метод последовательных уступок.
- •Метод равенства частных критериев.
- •Метод квазиравенства частных критериев оптимальности.
- •Метод гарантированного результата или метод минимакса.
- •Поиск оптимально - компромиссного решения в области компромиссов.
Задачи векторной оптимизации.
Основные понятия и определения.
Напомним, что классической задачей оптимизации или задачей математического программирования является следующая:
найти минимум функции нескольких переменных при ограничениях, или обычно такая задача записывается в векторной форме :
(11.1.0 )
- векторная функция с компонентами
- обычно называется целевой функцией,
- векторная функция ограничений.
Множество называетсядопустимым , то есть допустимое множество – это части пространства , где выполнены ограничения :.
Множество называетсяоптимальным , если оно допустимо и кроме того, на этом множестве принимает минимальное значение.
Такую задачу еще можно назвать задачей скалярной оптимизации, так как - скалярная функция переменной. Поскольку в дальнейшем нам придётся на некоторых этапах обращаться к решению задачи ( 11.1 .0 ), кратко напомним основные моменты : задача ( 11.1 .0 ) может не иметь решения, может иметь одно решение, может иметь более одного решения.
Работы по скалярной оптимизации имеют два основных направления:
выявление условий единственности решения задачи ( 11.1 .0 ) , либо условий отсутствия решений;
разработка численных методов решения задачи ( 11.1 .0 ).
Эти два направления тесно связаны, так как разработка численных методов обычно предполагает выполненными определенные условия ,следующие из 1-го направления.
С другой стороны, существуют численные методы, которые в ходе своей реализации выявляют отсутствие решения или его не единственность.
Напомним, что основными численными методами решения задачи ( 11.1 .0 ) являются:
методы штрафных функций ;
прямые методы, использующие только значения функций;
градиентные методы ;
метод случайного поиска.
И, наконец, в заключение напоминания о задаче скалярной оптимизации, заметим, что в настоящее время существуют самые разнообразные пакеты прикладных программ, решающих задачу ( 11.1 .0 ) . Это пакеты на самых распространенных языках / FORTRAN, BASIC, PASCAL, C/ и для различных вычислительных машин /ЕС, СМ, ПЭВМ/.
Задача, решению которой посвящена данная работа, состоит в нахождении минимума векторной функции
при некоторых ограничениях и может быть записана так :
(11.1.0 )
- компоненты векторной функции , часто их называют частными критериями, поэтому и задачу ( 1.2 ) называют многокритериальной.
В задаче ( 11.1 .0 ) функцию мы называли целевой, поэтому задачу ( 11.1 .0 ) еще называют и задачей многоцелевой оптимизации. Заметим, что в общем случае, для реализации одной цели можно использовать много критериев. Поэтому задачу ( 11.1 .0 ) можно называть задачей многоцелевой оптимизации, предполагая, что одной цели соответствует один критерий.
Итак, мы будем заниматься задачей ( 11.1 .0 ), которая в разных источниках может называться как :
задача векторной оптимизации;
многокритериальная задача оптимизации;
задача многоцелевой оптимизации.
Дело в том, что реальные задачи , а особенно задачи , связанные с созданием АСУ, САПР, задачи системного анализа, теории больших систем и так далее, в основном многокритериальные, поэтому сама жизнь требует умения их решать, что подчеркивает актуальность проблемы.
В настоящее время существуют отдельные исследования как в теоретическом аспекте, так и в сфере создания алгоритмов.
Целью данной работы является попытка обобщения этих исследований, ориентированная в основном на практическое применение, то есть использование конкретных алгоритмов решения с минимальным их теоретическим обоснованием.
С математической точки зрения, задача ( 11.1 .0 ) может иметь решение только в том случае, если оно совпадает со всеми решениями скалярных задач:
Однако, этот вариант, как правило не представляет интереса для практических задач, поскольку в реальных задачах уменьшение одного критерия приводит часто к увеличению другого и возникает проблема сравнимости критериев.
Действительно, какое решение / или/ лучше, например, для двухкритериальной задачи :
, ;
, .
По-видимому, в данном случае, решения несравнимы.
В дальнейшем будем использовать следующие понятия и определения.
Назовем область -допустимой областью, а -допустимой точкой. - область, где выполнены все ограничения. Критерииназываютупорядоченными по важности, если каждый
предыдущий критерий важнее всех последующих , то есть - самый важный, следующий за ними так далее.
Определение 1.
Из двух точек точканазываетсядоминирующей по отношению к (), если для всехвыполняетсяи, кроме того , по крайней мере для одного:.
Определение 2.
Точка называетсяулучшаемой, если существует хотя бы одна точка , такая, что,
и хотя бы для одного :, в противном случае точкане улучшаемая или эффективная.
Определение 3.
Множество , состоящее из эффективных точек называетсямножеством решений, оптимальных по Парето.
( В. Парето / 1848-1923 / - итальянский экономист, социолог, математик. Впервые ввел понятие " эффективная точка множества ". )
Множество является решением задачи ( 11.1 .0 ), с формальной точки зрения этим можно завершить рассмотрение задачи ( 11.1 .0 ) . Множествостроится затем, чтобы из него, привлекая неформальные критерии можно было бы выбрать некоторое решение. Однако обычно выбор делается в пространстве критериев, а затем в силу взаимно-однозначного соответствия выбирается элемент из. В задаче ( 11.1 .0 ) задает отображение областив некоторую область.называетсяобластью критериев.
Определение 1.
Доминирование остается в силе и для точек из .- элемент. Областьназываетсяобластью согласия, если из любых двух точек этой области одна будет доминирующей по отношению к другой. Если совпадает с, тогда существует единственная точка, являющаяся доминирующей по отношению ко всем другим точкам из, то есть- оптимальное решение задачи ( 11.1 .0 ) .
Определение 2.
Точка называется неулучшаемой, если не существует ни одной точки из , компоненты которой были бы не более компонент неулучшаемой точки / хотя бы по одной компоненте необходимо выполнение строгого неравенства /. Область, вложенная либо равнаяназываетсяобластью неулучшаемых точек.
Давайте рассмотрим следующую задачу :
(11.1.0 )
Графически она представлена следующем рисунке
Рисунок 11‑1
Мы видим, что внутри отрезка до точки пересечения графиков обеих функций, т.е. на отрезкеубывает, авозрастает, на отрезкенаоборот:возрастает, аубывает, следовательно, согласно введенным выше определениям - отрезокдля данной задачи является множеством решений, оптимальных по Парето.
На следующем рисунке в пространстве , для этой же задачи представлены области согласия и компромиссов, являющиеся плоскими кривыми, полученными в результате отображения области/ отрезок/ в области.
Такое представление является наглядным пособием и удобным для того, кому предстоит сделать выбор элемента из . С увеличением числа частных критериев оптимальности наглядность теряется.
x |
f1(x) |
f2(x) |
3 |
1 |
6 |
4 |
3 |
3 |
5 |
9 |
2 |
Р исунок11‑2