多目标规划(1)84页PPT

O
f2 A5 A4 A1 A3 A2 f1 A6 A7
多目标规划的解集
绝对最优解
* * 设 x* R ，如果对于 x R 均有 F x F x ，则称 x 为多目标规划问题的绝对最
*
优解。多目标规划问题的绝对最优解的全体可以记为 Rab ，其含义为：该最优解与 任意一个可行解都是可以进行比较的。下图为当 n 1, p 2 时绝对最优解的示意图。
多目标规划问题的典型实例
再由约束条件，该厂每周的生产时间为 40h，故： x1 x2 x3 40 且需要满足能耗不得超过 20t 标准煤： 0.48x1 0.65x2 0.42 x3 20 上面是对生产过程的约束，再考虑销售过程，由于数据表中给出了三种产品每周 的最大销量，故我们必须限制生产数量小于最大销量才能使得成本最低，即满足下 述约束条件：
qA1 20x1 700; qA2 25x2 800; qA3 15x3 500
同时考虑到生产时间的非负性，总结得到该问题的数学模型为：
max min s.t.
f1 x 500 x1 400 x2 600 x3 f 2 x 0.48 x1 0.65 x2 0.42 x3 x1 x2 x3 40 0.48 x1 0.65 x2 0.42 x3 20 20 x1 700 25 x2 800 15 x3 500 x1 , x2 , x3 0
多目标规划的解集
直观理解
对单目标规划来说，给定任意两个可行解 x1 , x2 R ，通过比较它们的目标函数 值 f x1 , f x2 就可以确定哪个更优。 但对于多目标规划而言， 给定任意两个可行解

2021/4/24
16
多目标规划的象集
研究象集的作用在于：
(1) 求出F R中的有效点和弱有效点，就可确定有效解和弱有效解；
(2) 对象集F R的研究可以提供—些解多目标规划的方法；
f x
f x
f1 x f2 x
f2 x f1 x
2021/4/24
Re* a,b
O
ab
x
O a cd b x
13
a
b
多目标规划的解集
❖ 解集之间的关系
(1)
p
若
i1
Ri*
，则 Ra*b
p
i 1
Ri*
(2) Re* Rw*e R
(3) Ri* Rw*e (i 1, 2,..., p)
产品
A1 A2 A3
产品生产销售数据表
生产效率
利润
最大销量
能耗
（m/h） （元/m） （m/周） （t/1000m）
20
500
700
24
25
400
800
26
15
600
500
28
2021/4/24
6
多目标规划问题的典型实例
假设该厂每周生产三种产品的小时数分别为 x1, x2, x3 ，则我们根据各种产品的单位
规划中的每个目标函数看成是单目标规划问题的目标函数，即我们分别考虑 p 个单
目标规划问题：min fi x, xR, i 1,2,..., n ，那么这 p 个单目标规划问题的公共最优
解才是多目标规划问题的的绝对最优解。如果这 p 个单目标规划问题没有公共的最
优解，则多目标规划问题就没有绝对最优解。
x1 60 又考虑到购买的数量必须要满足非负的条件，由于对 x1 已经有相应的约束条件，故只 需添加对 x2 的非负约束即可。 综合以上分析，得到最优化数学模型如下：

多目标规划问题的典型实例
例1 木梁设计问题
用直径为 1（单位长）的圆木制成截面为矩形的梁。为使重量最轻面强度最大， 问截面的宽和高应取何尺寸？ 假设矩形截面的宽和高分别为 x1 和 x2 ，那么根据几何知识可得：
2 x12 + x2 = 1
且此时木梁的截面面积为 x x 。同时根据材料力规划的解集
绝对最优解
* * 设 x* ∈ R ，如果对于 ∀x ∈ R 均有 F ( x ) ≤ F ( x ) ，则称 x 为多目标规划问题的绝对最
*
优解。多目标规划问题的绝对最优解的全体可以记为 Rab ，其含义为：该最优解与 任意一个可行解都是可以进行比较的。下图为当 n = 1, p = 2 时绝对最优解的示意图。
以显然 A2 比 A3 好。 对于方案 A1 和 A2 ，由于无法确定其优劣， 而且又没有比它们更好的其他方案，所 以它们就被称之为多目标规划问题的有效解 有效解 （或者非劣解） ，其余方案都称为劣解。所有 非劣解构成的集合称为非劣解集 非劣解集。 非劣解集
O
f2 A5 A4 A1 A3 A2 f1 A6 A7
x2 L xn ] ； F ( x ) = f1 ( x )
T
f2 ( x ) L
f p ( x ) , p ≥ 2
对向量形式的 p 个目标函数求最小，且目标函数 F ( x ) 和约束函数 gi ( x ) 、hi ( x ) 可以 是线性函数也可以是非线性函数。
令 R = {x | gi ( x ) ≤ 0, i = 1, 2,..., m} ，则称 R 为问题的可行域，V-min F ( x ) 指的是
多目标规划问题的典型实例
例2 工厂采购问题
某工厂需要采购某种生产原料，该原料市场上有 A 和 B 两种，单价分别为 2 元/kg 和 1.5 元/kg。现要求所花的总费用不超过 300 元，购得的原料总重量不少于 120kg，其中 A 原料不得少于 60kg。间如何确定最佳采购方案，花最少的钱，采 购最多数量的原料。 设 A、B 两种原料分别采购 x1 、 x2 kg，那么总的花费为： f1 ( x ) = 2 x1 + 1.5 x2 购得的原料总量为： f 2 ( x ) = x1 + x2 那么我们求解的目标即是使得花最少的钱买最多的原料，即最小化 f ( x ) 的同时

min U(F(X))
X∈R
然后求解该问题，并将其最优解X*作为(VP) 的最优解。 由于构造评价函数的多种多样，也就出现 了多种不同的评价函数方法。
处理多目标规划的一些方法
1. 线性加权和法 对 重 且(要 ∑V程λPj)=中度1，的给然p以个后适目构当标造的f评1权(X价系),函数f2数(λXj≥),0…(j,=f1p(,X2,)…按,p其),
挑选出满意的方案来。这时称BC上的点为
非劣解，或有效解。
多目标规划解的概念
对于一般的多目标规划问题：
(VP)
V-min F(X)=(f1(X), f2(X),…,fp(X))T
s.t. gi(X)≤0, i=1,2,…,m
其中X=(x1,x2,…,xn)T, p≥2
设R={X| gi(X)≤0, i=1,2,…,m}
多目标规划解的性质
类似地可证明：像集F(R)的有效点一
定是弱有效点，即
E
* pa
E w* p
通过在像集F(R)上寻找有效点（或弱 有效点），就可以确定约束集合R上 的有效解（或弱有效解）。对此，有 如下的定理。
多目标规划解的性质
定理4 在像集F(R)上，若Epa*已知，则在约 束集合R上，有
X∈R
p-1
其中Rp-1=Rp-2∩{X |fp-1(X)≤fp-1*}
处理多目标规划的一些方法
此时求得最优解X*，最优值为fp*，则 X*就是多目标问题(VP)在分层序列意 义下的最优解。进一步有下列定理。
定理6 设X*是由分层序列法所得到的 最优解，则X*∈Rpa*.
处理多目标规划的一些方法
(2)若fj(Y)= fj(X*), j=1,2,…,j0-1 但fj0(Y)<fj0(X*) 2≤j0≤p 此时必有fj(Y)= fj(X*)≤fj*, j=1,2,…,j0-1 因此，Y是问题 (Pj0) min fp(X) X∈Rj0-2∩{X |fj0-1(X)≤fj0-1*} 的可行解，又由

02
权重法的主要步骤包括确定权重、构造加权目标函数、求解加权目标函数，最 后得到最优解。
03
权重法的优点是简单易行，适用于目标数量较少的情况。但缺点是主观性强， 依赖于决策者的经验和判断。
约束法
1
约束法是通过引入约束条件，将多目标问题转化 为单目标问题，然后求解单目标问题得到最优解 。
2
约束法的主要步骤包括确定约束条件、构造约束 下的目标函数、求解约束下的目标函数，最后得 到最优解。
多目标规划模型
目录
• 多目标规划模型概述 • 多目标规划模型的建立 • 多目标规划模型的求解方法 • 多目标规划模型的应用案例 • 多目标规划模型的未来发展与挑战
01 多目标规划模型概述
定义与特点
定义
多目标规划模型是一种数学优化方法 ，用于解决具有多个相互冲突的目标 的问题。
特点
多目标规划模型能够权衡和折衷多个 目标之间的矛盾，寻求满足所有目标 的最佳解决方案。
02 多目标规划模型的建立
确定目标函数
01
目标函数是描述系统或决策问题的期望结果的数学表达 式。
02
在多目标规划中，目标函数通常包含多个目标，每个目 标对应一个数学表达式。
03
目标函数的确定需要考虑问题的实际背景和决策者的偏 好。
确定约束条件
01 约束条件是限制决策变量取值范围的限制条件。 02 在多目标规划中，约束条件可以分为等式约束和
谢谢聆听
模型在大数据和人工智能时代的应用前景
要点一
总结词
要点二
详细描述
随着大数据和人工智能技术的快速发展，多目标规划模型 在许多领域的应用前景广阔。
大数据时代带来了海量的数据和复杂的问题，这为多目标 规划模型提供了广阔的应用场景。例如，在金融领域，多 目标规划可以用于资产配置和风险管理；在能源领域，多 目标规划可以用于能源系统优化和碳排放管理。同时，随 着人工智能技术的不断发展，多目标规划模型有望与机器 学习、深度学习等算法相结合，共同推动相关领域的发展 。

如果将（6.1.1）和（6.1.2）式进一步缩
写， 即
max(m ZiF n(X ) )
（6.1.3）
(X)G
（6.1.4）
式中： ZF(X)是k维函数向量；
k是目标函数的个数；
Φ(X ) 等是m维函数向量；
G是m维常数向量；
m是约束方程的个数。
甘肃农业大学资源与环境学院
对 于 线 性 多 目 标 规 划 问 题 ， （ 6.1.3 ） 和 （6.1.4）式可以进一步用矩阵表示
尽可能的小，或即：
(x12x22)min
根据问题的要求，应满足下述约束条件：
x1 H
x1 x1
x2
x2
W
0
4
x
2
x1
0
x 1 0 , x 2 0
这是具有两个目标的非线性规划问题。
甘肃农业大学资源与环境学院
多目标规划及其非劣解
例3：【投资决策问题】某投资开发公司拥有总资金A万元， 今有n(≥2)个项目可供选择。设投资第i(i=1，2，……，n)个 项目要用资金ai万元，预计可得到收益bi万元。问应如何使 用总资金A万元，才能得到最佳的经济效益？
甘肃农业大学资源与环境学院
第1节 多目标规划及其非劣解
➢多目标规划及其非劣解 ➢多目标规划的非劣解
甘肃农业大学资源与环境学院
多目标规划及其非劣解
例1：【喜糖问题】设市场上有甲级糖及乙级糖，单价分别 为4元/斤及2元/斤。今要筹办一桩喜事。“筹备小组”计 划总花费不超过40元，糖的总斤数不少于10斤，甲级糖不 少于5斤。问如何确定最佳的采购方案。
n
f1(x1，……，xn) bixi max i1 n
f2(x1，……，xn) aixi min i1

max Z ( X )
s . t .
（1）
( X ) G（2）
是与各目标函数相关的效用函数的和函数。
在用效用函数作为规划目标时，需要确定一组权值 i 来反映原问题中各目标函数在总体目标中的权重，即：
max i i
i 1 k
( x , x , x ) g ( i 1 , 2 , , m ) i 1 2 n i
x d d 200 1 d d 0( j 1 . 2 . 3 ) j, j x d d 250 2
2 3
2 3
若规定3600的钢材必须用完，原式9 x1 +4 x2 ≤3600 x 4 x d d 3600 d , d 0 则变为 9 1 2 4 4 4 4
1( X ) 0 2( X ) 0 ( X ) ( X ) 0 m
在求解之前，先设计与目标函数相应的一组目标值理想 化的期望目标 fi* ( i=1,2,…,k ) , 每一个目标对应的权重系数为 i* ( i=1,2,…,k ) ， 再设 为一松弛因子。 那么，多目标规划问题就转化为：
在一次决策中，实现值不可能既超过目标值又未达 到目标值，故有 d＋× d－ ＝0,并规定d＋≥0, d－≥0
当完成或超额完成规定的指标则表示：d＋≥0, d－＝0 当未完成规定的指标则表示： d＋＝0, d－≥0 当恰好完成指标时则表示： d＋＝0, d－＝0 ∴ d＋× d－ ＝0 成立。
2、目标约束和绝对约束
对于由绝对约束转化而来的目标函数，也照上述处理即 可。
二 多目标规划求解
为了求得多目标规划问题的非劣解，常常需要将 多目标规划问题转化为单目标规划问题去处理。实现 这种转化，有如下几种建模方法。

1
例题1 某工厂在一个计划期内生产甲、乙两种产品，各产品 都要消耗A，B，C三种不同的资源。每件产品对资源的单位 消耗、各种资源的限量以及各产品的单位价格、单位利润和 所造成的单位污染如下表。假定产品能全部销售出去，问每 期怎样安排生产，才能使利润和产值都最大，且造成的污染 最小？
甲
资源A单位消耗
max( f3 ( X )) 3x1 2x2
9x1 4x2 240 4x1 5x2 200 3x1 10x2 300 x1, x2 0
望达到的目标值转化为约束条件。 经研究，工厂认为总产值至少应 达到20000个单位，而污染控制 在90个单位以下，即
f2 (X ) 400x1 600x2 20000
f3 (X ) 3x1 2x2 90
由主要目标法化为单目标问题max f1( X ) 70x1 120x2
用单纯形法求得其最优解为
x1 12.5, x2 26.25, f1(x) 4025, f2 (x) 20750, f3 (x) 90
400x1 600x2 20000 3x1 2x2 90 9x1 4x2 240 4x1 5x2 200 3x1 10x2 300 x1, x2 0
aij
f1
f2
f3
f4
f5
f6
A1
1
1
67
50.5 34
50.5
A2
100
100
1
100
1
1
A3
1
42.25 100
1
67
100
A4
40.6 25.75 67
25.75 100
1
设权系数向量为W=（0.2,0.1,0.1,0.1,0.2,0.3), 则

• 全序与半序: 方案di与dj之间 单目标问题: di<dj ; di=dj ; di>dj 多目标问题：除了这三种情况之外,还有一种情况
• 决策者偏好：多目标决策过程中，反映决策者对
是不可比较大小 目标的偏好。
第3页/共58页
• 解概念区别
单目标决策的解只有一种（绝对）最优解; 多目标决策的解有下面三种情况： ➢ 绝对最优解
目标值空间
（1）平行直线簇
α1f1+α2f2=c ；
（2）同一条直线上X1与
B
X2有相同的评价值，即有
U*=minU U［F(X1)］=U［F(X2)］。
f12
两个目标的最大化问题： f2 D
C B
A 0
劣解与有效解
E f1
第17页/共58页
§2 多目标规划模型及其解的概念
多目标规划——解的关系
p
定理1 Ra*b Ri* ，其中 Ri* 为单目标 fi (X) 上
最优点集合。 i 1
定理2 Ra*b R*pa Rw*p R
f f1(x) f2(x)
第13页/共58页
§2 多目标规划模型及其解的概念
定义1 设X*∈R，若对任意X∈R，均有 F(X*)≦F(X)，则称X*为问题（VMP）的 绝对最优解。其全体记为R*ab 。
f
f1(x)
f2(x)
0
x*
x
绝对最优解示意图
注：绝对最优解往往不存在！
第14页/共58页
§2 多目标规划模型及其解的概念
(VMP)
XR
向量数学规划 (Vector
Mathematical Programming)
第11页/共58页

hj(X)0
X(x1,x2,...x.n), 为决策变量
如对于求极大(max)型，其各种解定义如下： 绝对最优解：若对于任意的X，都有F(X*)≥F(X) 有效解：若不存在X，使得F(X*)≤ F(X)
弱有效解：若不存在X，使得F(X*)<F(X)
2、多目标优选问题的模型结构
可用效用函数来表示。设方案的效用是目标属性
4 3
x1 x1
5x2 10 x
200 2 300
x 1 , x 2 0
望达到的目标值转化为约束条件。 经研究，工厂认为总产值至少应 达到20000个单位，而污染控制 在90个单位以下，即
f2(X)40x0160x02 20000
f3(X)3x12x2 90
由主要目标法化为单目标问题
max f 1 ( X ) 70 x 1 120 x 2
的函数：
U (x)U (f1,f2,..f.p),
并设
aij fi(xj )
且各个方案的效用函数分别为
U (xj)U (a1j,a2j,.a .p .)j,
则多目标优选模型的结构可表示如下：
ord(U X)(U(X1)U , (X2),..U ..(,Xp))T s.t. gi(X)0
hj(X)0
多目标决策问题中的方案即为决策变量，也称为多目 标问题的解。备选方案即决策问题的可行解。在多目标决 策中，有些问题的方案是有限的，有些问题 的方案是无限 的。方案有其特征或特性，称之为属性。
1、多目标规划问题的模型结构
opt(FX)(f1(X),f2(X),...f.p,(X))T s.t. gi(X)0
解：问题的多目标模型如下
max f 1 ( X ) 70 x 1 120 x 2 max f 2 ( X ) 400 x 1 600 x 2