Быстрый переход к готовым работам
|
Численный метод решения многокритериальной задачи дискретного нелинейного программированияПри совершенствовании ССМП значительное место отводится задачам формирования эффективных управленческих решений с помощью задачи дискретной векторной оптимизации вида:
где JV(x) - (Wl(x),W2(x),...,Wk(x)) - вектор целевых функций (показателей эффективности) решаемой задачи; <р(х) = ((р1(х),<р2(х),...,(рт(х)) - ограничения, накладываемые на переменные рассматриваемой задачи; х = (х{,х2хп) - вектор искомых решений. Под эффективным решением в данной работе понимается решение, являющееся наилучшим (предпочтительным) по сравнению с остальными решениями. Согласно теории оптимизации решений по Парето [23, 24] таких решений может быть более одного. Поэтому в результате решения многокритериальных задач формируется множество компромиссных (эффективных, оптимальных по Парето) решений, из которых лицо принимающее решение (ЛПР) выбирает конкретный вариант, наиболее полно удовлетворяющий неформализованным целям или интересам данного ЛПР. В работе [23] приведена значительная библиография работ, посвященных методам решения линейных задач вида (2.1) - (2.3). Как отмечено в работе [25], решение однокритериальных «задач о назначениях» практически значимой размерности традиционными численными методами требует значительных затрат машинного времени. В работе [26] утверждается, что использование линейной свертки критериев в задачах линейного дискретного программирования приводит к потере 40% точек паретооптимального множества решения таких задач. В связи с тем, что множество допустимых решений задачи (2.1) - (2.3), которое определяется как: X = {х(р(х)>0,хх,х2,...,хп є{0,1,2,3,...}, (2.4) является дискретным множеством, то множество достижимости G [27] этой задачи также будет дискретным множеством. Для дискретного множества X не выполняются условия выпуклости множества, что не позволяет корректным образом применять при решении задачи (2.1) - (2.3) классический метод линейной свертки целевых функций [26], основанный на применении теоремы С.Карлина [28]. Предположим, что множество (2.4) содержит конечное число векторов x('v = 1 ,N, сформированных путем полного перебора значений векторов x(,) [19], или использования рандомизированных методов генерации таких векторов [21], удовлетворяющих условиям (2.2) - (2.3). Формируя для каждого вектора є X значения целевых функций Wu = Wl(x(l)),W2l -fV2(x(,)Wkl=Wk(x{l)), i-,N, получаем задачу, которая в практических приложениях конкретизируется как: i=,N (Wr+u,Wr+2„...,Wh)^ min (2-5) i=, N Как известно [27, 23], оптимизация решений по Парето основывается на выделении во множестве G наилучших (паретооптимальных) точек с использованием отношения предпочтения, заданного на множестве возможных решений. В нашем случае, при решении задачи (2.5) можно утверждать, что і -ая точка этого множества является предпочтительнее, чем s-ая точка множества G, если для этой пары точек при s Фі одновременно выполняются все условия вида: WJt>WJS, j = й, Wj,<Wjs, j = r + l,k, і Є (IN), se(UV), i*s (2-6) причем хотя бы одно неравенство строгое. Последовательное сравнение возможных решений между собой с исключением из рассмотрения непредпочтительных решений составляет основу метода решения задачи (2.5). Отметим, что множество эффективных (компромиссных) решений (множество Парето) состоит из несравнимых между собой вариантов решений [29]. В работах [23, 29] для выделения оптимальных по Парето точек в континуальном множестве G использовалось понятие ортанта, который представляет собой выпуклый острый конус без вершины, порожденный единичными ортантами пространства целевых функций (оценок). При этом утверждается, что рассматриваемая точка является паретооптимальной тогда и только тогда, когда во внутренность ортанта, сдвинутого в эту точку, не попадет ни одна из точек множества G. В связи с дискретностью задачи (6) для выделения в нем эффективных точек будем использовать выпуклый многогранный ортогональный конус, сдвинутый из начала координат в вершину рассматриваемой точки (W]s,W2s,—,Wrs) є G, который формально определим как: ск, = i(WuW.2Wk)eEk I (Ж, > WJS, j = h~r)& &(fFy <WJSJ = r + ,k)}> ^e(UV). (2J) Таким образом, разработанный численный метод решения многокритериальных задач дискретного нелинейного программирования включает в себя следующие типовые этапы получения паретооптимальных решений: 1°. Построение приближенного представления X множества допустимых решений задачи с использованием условий (2.2) - (2.3). 2°. Формирование в пространстве критериев (б) соответствующего приближенного представления G множеств достижимости G (множества оценок) путем вычисления значений критериев (2.1). 3°. Выделение в множестве G подмножества паретооптимальных (эффективных, неулучшаемых) решений с использованием понятия ортогонального конуса вида (2.7). В предлагаемом методе, существенное значение, с точки зрения точности получаемых результатов, имеет объем N выполняемых статистических экспериментов. Для получения приемлемых для практики результатов в данном методе предлагается использовать следующее правило останова: «Процесс последовательного выполнения этапов 1°— 3° завершается, если при N статистических экспериментах достигается заданная точность сходимости», т.е. полученное решение при N статистических экспериментах отличается от решения при N -1 статистических экспериментах в пределах заданной точности. В результате применения предлагаемого метода, ЛПР, для последующего выбора приемлемого варианта, выдается таблица результатов, включающая в себя номер паретооптимального варианта, соответствующие ему значения целевых функций и значения искомых переменных решаемой задачи.
Вся работа доступна по ссылке |
|