2. Условная максимизация
Этот способ также использует тот факт, что различные критерии обычно не равнозначны между собой. Здесь выделяется основной, главный критерий, а остальные рассматриваются как дополнительные, или сопутствующие.
Задача выбора, таким образом, формулируется как задача нахождения условного экстремума основного критерия:
x* = arg {max q1(x)|qi(x)=Ci}, (7)
xX
при условии, что дополнительные критерии остаются на заданных им уровнях. Так, рис. 1б иллюстрирует решение задачи
x* = arg {max q2(x)|q1(x)=C1},
xX
В некоторых задачах оказывается возможным или даже необходимым задавать ограничения на сопутствующие критерии не столь жестко как в (7). Например, если сопутствующий критерий характеризует стоимость затрат, то вместо фиксации затрат разумно задавать их верхний уровень, т.е. формулировать задачу с ограничениями типа неравенств:
На рис. 2 приведено решение задачи
x2* = arg {max q2(x)|q1(x) C1}.
xX
Нетрудно увидеть, что здесь мы переходим к задаче математического программирования (линейного или нелинейного, в зависимости от видаq2(x)).
Этот метод, таким образом, использует концепцию разной значимости критериев и ограничений на критерии. В приведенных выше примерах различие между основным и дополнительными критериями выглядит слишком сильным. Возможен другой вариант этого метода - метод уступок.
Пусть частные критерии упорядочены в порядке убывания их важности. Возьмем первый из них и найдем наилучшую по этому критерию альтернативу. Из рис. 2 видно, что если самым важным является критерий q2 наилучшая альтернатива - это х2*, если же самым важным является критерий q1, то наилучшая альтернатива - х4. Затем определяется «уступка» qi, т.е. величина, на которую мы готовы уменьшить достигнутое значение самого важного критерия, чтобы за счет уступки попытаться увеличить значение следующего по важности критерия. На рисунке - альтернативы, полученные таким образом, изображены точками х3* и х5*.
3. Поиск альтернативы с заданными свойствами
Этот способ относится к случаю, когда значения частных критериев или их границы могут быть заданы, и задача состоит в том, чтобы (одно из двух):
1) найти альтернативу, удовлетворяющую эти требованиям;
2) если установлено, что такая альтернатива на множестве Х отсутствует, найти в Х альтернативу, которая подходит к поставленным целям более всего.
Характеристики решения такой задачи (сложность процесса вычислений, скорость сходимости, конечная точность) зависят от многих факторов.
Удобство метода. Здесь возможно задавать желательные значения критерия как точно, так и в виде верхних или нижних границ. Назначаемые таким образом значенияназывают иногда«уровнями притязаний», а точка их пересечения в р-мерном пространстве критериев - целью, опорной точкой, идеальной точкой. При этом важно отметить следующее:
поскольку
уровни притязаний задаются без точного
знания структуры множества Х
в пространстве частных критериев,
целевая точка может оказаться как
внутри, так и вне Х.
Это соответствует достижимой или
недостижимой цели. На рис.3 приведены
оба варианта - соответственно точки
х1*
и
х2*.
Идея оптимизации состоит в том, чтобы, начав с определенной альтернативы, приближаться кх* по некоторой траектории в пространстве Х. Для этого вводится числовая мера близости между очередной альтернативой х и целью х*, т.е. между векторами q(x)=(q1(x),q2(x),….qp(x)) и Количественно эта близость может быть описана по-разному, например, расстояния типа:
S(q,) = mini(qi - )+p+1, (9)
i
где считается, что qi , i - коэффициенты, приводящие слагаемые к одинаковой размерности и одновременно учитывающие равную важность критериев. p+1 учитывает наше отношение к тому, что важнее - увеличить близость к цели любого из частных критериев или же суммарную близость всех критериев к целевым значениям.