Выбери формат для чтения
Загружаем конспект в формате pdf
Это займет всего пару минут! А пока ты можешь прочитать работу в формате Word 👇
ЛЕКЦИЯ 8.
Многокритериальные задачи
(продолжение)
Метод последовательных уступок
Другой способ носит название метода последовательных уступок. В
этом методе критерии нумеруются в порядке убывания важности. Пусть
критерии f1 , f 2 ,..., f K записаны в порядке уменьшения их важности. Тогда
должны быть выполнены следующие действия.
1-й шаг. Решается однокритериальная задача по 1-му критерию:
z1* max f1 ( X ) .
XD
2-й шаг. Назначается разумная с инженерной точки зрения уступка
z1 , составляется и решается новая задача оптимизации по 2-му критерию:
z 2*
max
X D
f1 X z1* z1
f2 (X ) .
3-й шаг. Назначается уступка для 2-го критерия z 2 , составляется и
решается задача оптимизации по 3-му критерию:
z 3*
max
X D
f1 X z1* z1
f 2 X z *2 z 2
f3 ( X ) .
Процесс назначения уступок по каждому критерию и решения однокритериальных задач продолжается, пока не дойдем до последнего K -го
шага.
K -й
шаг. Назначается уступка для ( K 1)-го критерия z K 1 , состав-
ляется и решается задача оптимизации по последнему K -му критерию:
10
z K*
max
X D
f1 X z1* z1
f 2 X z *2 z 2
....
f K 1 X z *K 1 z K 1
fK (X ) .
Основной недостаток методов, использующих ограничения на критерии, состоит в субъективности выбора контрольных показателей и в
субъективности выбора уступок. При использовании метода последовательных уступок следует помнить, что уступки могут быть несоизмеримы
между собой, поэтому надо предварительно организовать нормировку критериев. Кроме того, в общем случае уже со 2-го шага решение может оказаться не оптимальным по Парето.
Пример 5.
Рассмотрим сначала однокритериальную задачу, заключающуюся в
максимизации общей прибыли от реализации готовой продукции.
На лесоперерабатывающем предприятии установлено три группы
оборудования (строгальные, фрезерные и шлифовальные станки). На этих
станках производится два типа продукция: шкафы и столы. Известны нормы затрат машинного времени, эффективный фонд времени станков, прибыль от реализации единицы продукции (таблица 2).
Таблица 2
Станки
Строгальные
Фрезерные
Шлифовальные
Прибыль, ден.ед.
Затраты машинного времени на обработку
одного изделия, час
Шкаф
Стол
4
3
2
1
2
3
8
7
Фонд времени станков, час
144
64
120
Определить количество изделий каждого вида, которое необходимо
изготовить на предприятии с целью получения наибольшей общей прибыли от реализации готовой продукции.
11
Количество шкафов и столов, которое необходимо изготовить на
предприятии, обозначим соответственно через x1 и x2 . Общая прибыль от
их изготовления выражается функцией
z 8 x1 7 x 2 .
(*)
Определим фактическую загрузку по каждой группе оборудования.
Она будет равна
4 x1 3 x 2 – для строгальных станков,
2 x1 x 2 – для фрезерных станков,
2 x1 3 x 2 – для шлифовальных станков.
Коэффициенты при неизвестных обозначают здесь нормы затрат
машинного времени на обработку одного шкафа и одного стола соответственно.
Ресурсы машинного времени ограниченны. Следовательно, загрузка
по каждой группе оборудования не должна превышать имеющихся ресурсов машинного времени. Математически это означает, что
4 x1 3x 2 144
2 x1 x 2 64 .
2 x 3x 120
2
1
(**)
Ограничительные условия для решения данной задачи мы получили
в виде системы линейных неравенств (**). Очевидно, что неизвестные задачи являются целыми числами и удовлетворяют условиям
x1 0 , x 2 0 .
(***)
Таким образом, математическая модель задачи состоит в максимизации целевой функции (*) при условиях, что неизвестные x1 и x 2 удовлетворяют системе ограничений (**) и неравенствам (***).
Согласно оптимальному плану предприятие должно изготовить 12
шкафов и 32 стола, и наибольшая прибыль составит 320 ден.ед.
12
Дополнительно предположим, что предприятие заинтересовано в
эффективном использовании оборудования. При этом известны цены за 1
час простоя оборудования каждого вида: для строгальных станков – 3
ден.ед., для фрезерных станков – 9 ден.ед., для шлифовальных станков – 2
ден.ед.
Требуется составить задачу оптимизации с двумя критериями и решить ее методом уступок.
Обозначим через z 2 суммарные издержки предприятия за простой
оборудования. Поскольку время простоя равно
144 (4 x1 3x 2 ) – для строгальных станков,
64 (2 x1 x2 ) – для фрезерных станков,
120 (2 x1 3x 2 ) – для шлифовальных станков,
то суммарные издержки равны
z 2 3144 4 x1 3x 2 964 2 x1 x 2 2120 2 x1 3x 2 ,
или
z 2 34 x1 24 x 2 1248 min .
(4)
Система ограничений (**), (***) при этом не изменяется:
4 x1 3x 2 144
2 x1 x 2 64 ,
2 x 3x 120
2
1
(5)
x1 0 , x 2 0 .
(6)
Задача оптимизации по второму критерию (4) – (6) решается в Excel
с использованием средства «Поиск решения». Исходные данные и результаты оптимизации показаны на рисунке 5.
13
Рисунок 5 – Исходные данные и результаты решения задачи (4) – (6)
Отметим, что целевая функция (4) содержит свободный член, поэтому в ячейку D6 помещается одна из формул таблицы 3.
Таблица 3
= B6*B4+C6*C4+1248
или
=СУММПРОИЗВ(B6:C6;B4:C4)+1248
На рисунке 5 представлен оптимальный план выпуска мебели по
критерию минимизации издержек за простой оборудования: предприятие
должно изготовить 24 шкафа и 16 столов. При этом минимальные издержки составят z 2,min 48 ден.ед. Как видим, этот план существенно отличается от оптимального плана по критерию общей прибыли.
Решим теперь задачу с двумя критериями методом уступок. Для первого критерия z назначим уступку z 8 , и в математическую модель (4)
– (6) добавим еще одно ограничение z 320 8 312 . Тогда получим новую задачу оптимизации по второму критерию:
z 2 34 x1 24 x 2 1248 min
(7)
при ограничениях
14
4 x1 3x 2 144
2 x x 64
1
2
,
2
x
3
x
120
2
1
8 x1 7 x2 312
(8)
x1 0 , x 2 0 .
(9)
Организация исходных данных задачи (7) – (9) на листе Excel приведена на рисунке 6.
Рисунок 6 – Исходные данные и результаты решения задачи МКО
В результате получен компромиссный план выпуска мебели, состоящий в изготовлении 18 шкафов и 24 столов. Издержки за простой оборудования составят z 2 60 ден.ед., а общая прибыль предприятия будет равна z 312 ден.ед.
15
Методы целевого программирования
Название этой группы методов связано с тем, что ЛПР задает определенные цели f1 , f 2 ,..., f K для каждого критерия. Задача МКО в этом случае преобразуется в задачу минимизации суммы отклонений с некоторым
показателем p :
K
z wk f k X f k
k 1
1
p
p
min (при XD),
(10)
где wk – некоторые весовые коэффициенты, характеризующие важность
того или иного критерия.
Задачу (10) можно конкретизировать в зависимости от значений параметра p и заданных целей. В частности, при p 2 и wk 1 получим задачу минимизации суммы квадратов отклонений:
z f k X f k*
K
2
k 1
min (при XD),
в которой минимизируется евклидово расстояние от множества достижимости F до «абсолютного максимума» f * f1* , f 2* ,..., f l * в пространстве
критериев. Здесь f k* max f k X .
X D
Осложнения,
обусловленные
несоизмеримостью
величин
f k X f k* , можно преодолеть с помощью нормировки критериев, рас-
сматривая следующую задачу оптимизации:
f k X f k*
z
f k*
k 1
K
2
min (при XD).
(11)
Пример 6. Методом целевого программирования решить задачу
МКО из примера 3.
19
В условиях примера 3 имеем f1* 2 , f 2* 1, поэтому задача (11)
принимает вид
z
x1 22 x2 12
4
1
min
при условиях
x1 2 x 2 2
.
x
,
x
1
2
При постоянном значении z линии уровня целевой функции
x1 22 x 2 12
1 представляют собой эллипсы с центром в точке
z2
2 z 2
M 2; 1 и полуосями a 2 z и b z . Необходимо найти минимальное значение z , для которого соответствующий эллипс будет иметь общие точки с
областью D. На рисунке 7 показано графическое решение данной задачи.
Рисунок 7 – Решение задачи методом целевого программирования
Оптимальной является точка X * 1; 1 .
2
20
Методы гарантированного результата
Рассматриваются методы, которые дают наилучший результат даже
для самого наименьшего из критериев, а именно, компромиссное решение
находится путем решения следующей задачи оптимизации:
z min f k X max при X D .
k 1, 2 ,..., K
Это есть максиминная задача. С учетом нормировки критериев методы гарантированного результата образуют наиболее перспективное
направление в решении задач МКО.
Для нормированных критериев k ( X )
fk (X )
fk
*
, где f k* max f k ( X ) ,
X D
максиминная задача формулируется в виде:
z min k X max (при X D ).
k 1, 2 ,..., K
(12)
Остановимся на рассмотрении двух случаев, когда критерии равнозначны и неравнозначны (с заданным приоритетом).
Равнозначные критерии
Задача (12) эквивалентна задаче
z max
(13)
при условиях
k X , k 1,2,..., K
.
X
D
(14)
Задача (13) – (14) называется -задачей. Она имеет линейную целевую функцию и m K ограничений. Если все функции f k и g i линейны,
то -задача относится к линейному программированию. В этом случае доказано, что оптимальное решение X * -задачи оптимально по Парето.
21
Пример 7. Требуется решить задачу из примера 3 методом гарантированного результата с равнозначными критериями. Составим -задачу:
z max
при условиях
x1
2
x
.
2
x1 2 x2 2
x1 0, x 2 0, 0
Оптимальное решение этой задачи есть X * 1; 1 , * 1 .
2
2
Критерии с заданным приоритетом
Рассмотрим только два критерия f1 X и f 2 X , и пусть 1 X и
2 X – соответствующие нормированные критерии. Разобьем допустимую область на две части D D1 D2 так, что в области D1 выполняется
неравенство 1 X 2 X , то есть первый критерий имеет приоритет над
вторым, а в области D2 выполняется неравенство 1 X 2 X , то есть
второй критерий имеет приоритет над первым.
Для числовой характеристики приоритета вводится коэффициент
связи p X : 1 X p X 2 X , который показывает, во сколько раз относительная оценка 1 X больше 2 X . Если X * – оптимальная точка для
равнозначных критериев, то pX * 1 .
Если X 1* – точка оптимума по первому критерию, то 1 X 1* 1 ,
2 X 1* 1 , то есть X 1* D1 , и значит pX 1* 1 . Аналогично, если X 2* –
точка оптимума по второму критерию, то 1 X 2* 1 , 2 X 2* 1 , и значит
pX 2* 1 .
22
Предположим, что первый критерий имеет приоритет над вторым.
Тогда коэффициент p X необходимо задать в интервале 1; p X 1* , а затем составить и решить -задачу, включив в систему ограничений равенство 1 X p X 2 X . В результате получим точку X * , которая будет
принадлежать множеству D1 , где первый критерий имеет приоритет над
вторым.
Доказано, что для выпуклых задач МКО точка X * , являющаяся решением -задачи, единственная и оптимальна по Парето.
Пример 8. Требуется решить задачу из примера 3 методом гарантированного результата с неравнозначными критериями при условии, что
первый критерий имеет приоритет над вторым.
Так как
pX 1*
X 1* 2; 0 , то 1 X 1* 1 , 2 X 1* 0 , следовательно,
1
. В интервале 1; зададим коэффициент связи p X 2 .
Тогда 1 X 22 X , или
x1
2 x2 .
2
Составим -задачу:
z max
при условиях
x1
2
x 2
x
1
.
2 x2
2
x1 2 x 2 2
x 0, x 0, 0
2
1
23
В результате решения задачи получим оптимальное решение
X * 4 ; 1 , * 1 .
3 3
3
Недостаток рассмотренного метода состоит в субъективности задания коэффициента связи p X .
Решение задачи МКО методом гарантированного результата, как
правило, проходит следующие этапы.
1.
Разработка математической модели системы на основе заданных
целей и ограничений; при этом часто используется мнение экспертов.
2.
Предварительный анализ системы отдельно по каждому крите-
рию; используются методы и программные средства оптимизации с одним
критерием.
3.
Нормировка критериев.
4.
Решение задачи МКО при равнозначных критериях.
5.
Задание приоритетов критериев и решение задачи МКО с назна-
ченными приоритетами.
24