- •Министерство образования и науки российской федерации
- •Лекция №1
- •Основные характеристики задач оптимизации, выбора и принятия решений.
- •Языки описания выбора
- •Классификация задач выбора
- •Человеко-машинные системы и выбор
- •Тема. Многокритериальные задачи оптимизации
- •§2. Проблемы решения задач многокритериальной оптимизации
- •Оптимальность по Парето Введение
- •Отношение доминирования по Парето. Парето-оптимальность
- •Аналитические методы построения множества Парето
- •Способы сужения Парето-оптимального множества
- •Литература
- •Численные методы получения множеств Парето
- •Литература
- •Тема. Методы определения весовых коэффициентов
- •§1. Экспертные оценки
- •§1.1. Метод ранжирования
- •§1.2. Метод приписывания баллов
- •§1.3. Обработка результатов экспертных оценок
- •§2. Формальные методы определения весовых коэффициентов
- •Методы замены векторного критерия скалярным
- •Метод взвешенных сумм (Метод линейной свертки)
- •Мультипликативный критерий
- •Метод "идеальной" точки
- •Проблемы построения обобщённого критерия для векторных задач оптимизации
- •Методы последовательной оптимизации
- •Метод главного критерия
- •Метод последовательных уступок
- •Лексикографический критерий
- •Постановка детерминированной лексикографической задачи оптимизации
- •Метод равенства частных критериев
Мультипликативный критерий
Аддитивный критерий основан на использования принципа справедливой компенсации значений нормированных частных критериев. Но в ряде задач проектирования более целесообразным является оперирование не с абсолютными, а с относительными изменениями значений частных критериев.
Принцип справедливой относительной компенсации формулируется следующим образом: справедливым следует считать такой компромисс, когда суммарный уровень относительного снижения значений одного или нескольких критерий не превышает суммарного уровня относительного увеличения других критериев.
В математической формулировке условие оптимальности на основе принципа справедливой относительной компенсации имеет вид
(3)
где ΔFi(X) – приращение величины i – го критерия, Fi(X) – первоначальная величина i – го критерия.
Полагая , можно представить (3) как дифференциал натурального логарифма
(4)
Из выражения (4) следует, что принцип относительной компенсации приводит к мультипликативному обобщённому критерию оптимальности
(5)
Мультипликативный критерий образуется путём простого перемножения частных критериев в том случае, когда они имеют одинаковую важность. В случае неравноценности частных критериев вводятся весовые коэффициенты i и мультипликативный критерий примет вид
(6)
Мультипликативный критерий иногда представляется в виде отношения произведений частных критериев (выходных параметров)
m1+m2=m; (7)
где в числителе перемножаются все выходные параметры, требующие максимизации и имеющие ограничения а в знаменателе – все выходные параметры, требующие минимизации и имеющие ограничения, гдеTTi – значение технического требования, предъявленного к i– му критерию. Целевая функция (7) в дальнейшем подвергается максимизации.
Достоинством мультипликативного критерия является то, что при его использовании не требуется нормирование частных критериев. Недостатки критерия: критерий компенсирует недостаточную величину одного частного критерия избыточной величиной другого и имеет тенденцию сглаживать уровни частных критериев за счёт неравнозначных первоначальных значений частных критериев.
Примеры 1. Производственная функция, отражающая овеществлённый технический прогресс (модель Р. Солоу):
где Yt – выпуск продукции; L – численность рабочих; K – объём основных производственных фондов. Здесь величины и 1- следует рассматривать как весовые коэффициенты.
Пример 2. Обнаружение сигналов в "белом" шуме. На вход RC – фильтра с импульсной характеристикой поступает аддитивная смесь: прямоугольный импульсs(t) плюс "белый" шум n(t). Требуется найти такое значение , чтобы отношение сигнал/шум было максимальным, т.е. мы желаем, чтобы значение сигнала было максимальным, а уровень шума – минимальным ( – полоса пропускания RC – фильтра).
Рис.3. Сигнал s(t) Рис 4.Шум n(t)
Рис. 5.Сигнал плюс шум Рис.6. Отфильтрованный сигнал
Рис. 7.Система обнаружения сигнала
F1()=A(1-e-T) max (уровень сигнала на выходе фильтра),
F2()= min (уровень шума на выходе фильтра).
где A,N,T - константы; F1 и F2 - имеют одинаковую размерность. Найти оптимальную полосу пропускания , если справедлив принцип относительной компенсации частных критериев. Согласно формуле (7) мультипликативный критерий будем иметь вид:
Пример. Применим мультипликативный критерий оптимальности для определения оптимальных параметров для автомата. Мы получили следующую задачу оптимизации:
найти максимум функции
при ограничении 1.6L+ 0.05N+2≤6.
Для определения максимального значения f(L,N) с учётом ограничения равенства мы будем использовать метод неопределённых множителей Лагранжа. Получим следующую задачу безусловной оптимизации:
найти максимум функции
Находим частные производные по L, N, и приравниваем их к нулю. Получим систему уравнений:
Решая эту систему, получим следующие значения: Nopt=53, Lopt=0.83 м, Vopt=137 м/cек.
Использование мультипликативного критерия в задаче оптимизации привело другим значениям параметров автомата по сравнению с решением задачи с аддитивным критерием оптимальности. Это объясняется тем, что диапазоны взаимной компенсации абсолютных и относительных изменений частных критериев неодинаковы. Поэтому в каждом конкретном случае технического проектирования следует тщательно анализировать и обосновывать целесообразность учёта либо абсолютных, либо относительных изменений значений частных критериев и в зависимости от степени важности этих отклонений выбирать либо аддитивный, либо мультипликативный критерий оптимальности.
Заключение. Преимущества и недостатки формальных обобщённых критериев.
Преимущества – возможность учёта в качестве fi(X) любых выходных параметров системы, а также надёжность и стоимость.
Основные недостатки – возможность компенсации ухудшения целевой функции из-за ухудшения одного параметра за счёт улучшения какого-либо другого выходного параметра.