- •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
Метод "идеальной" точки
Метод "идеальной" точки. Рассматривается m-мерное пространство (где m число локальных критериев), в котором априори выбирается вектор, отображающий "идеальное" решение (или, что тоже самое, "идеальная" точка, координатами которой являются "идеальные" значения (например, минимальные или максимальные значения) локальных критериев). В этом пространстве вводится некоторая метрика, с целью вычисления расстояния между вектором, отображающим рассматриваемое решения, и "идеальным". В качестве наилучшего выбирается такое решение, векторная оценка которого наиболее близка к "идеальной" точке. Недостатками метода являются произвол при выборе идеальной точки и введение метрики.
Определим обобщенный критерий следующим образом. Положим ai=maxFi(X); , т.е.ai является максимально (минимально) возможным значением по i – му критерию. Положим a=(a1, a2, . . ., am). Точка a называется идеальной. Смысл названия связан с тем, что такие точки оптимальны сразу по всем критериям – получить большее (меньшее) значение ни по одному критерию невозможно. Как правило, точка aYD. Зададим для всех точек YYD функцию, являющуюся евклидовым расстоянием между точками Y и a
.
За целевую функцию (обобщённый критерий) берут выражение
где i – весовые коэффициенты.
Таким образом, задача оптимизации формулируется следующим образом
min
XD
С учётом нормировки
min (8)
XD
Замечание. Здесь принцип оптимальности выражается функцией выбора определяемой близостью к идеальной точке.
Замечание. В качестве идеальной точки берут директивные значения параметров, заданные заказчиком, т.е. в ТЗ (техническом задании).
Какие задачи оптимального проектирования приводят к использованию метода идеальной точки?
Например, когда все или основные условия работоспособности имеют вид равенств, т.е. Fi(X)=TTi, где TTi – значение технического требования, предъявленные к i - критерию. Тогда целевая функция имеет вид:
Пример. Пусть имеются частные критерии F1(X)=-3x1+2x2; F2(X)=4x1+3x2; F3(X)=2x1-5x2, которые требуется максимизировать. Область D задаётся неравенствами –x1-3x2+180; -2x1-x2+100; x10; x20. Линейная функция F1(X) достигает максимального значения a1=12 в точке X1=(0, 6); F2(X) - максимальное значение a2=24 в точке X2=(3, 4); F3(X) - максимальное значение a3=10 в точке X3 =(5, 0). По методу идеальной точки составим функцию f(X)=[12-(-3x1+2x2)]2+[24-(4x1+3x2)]2+[10-(2x1-5x2)]2. После преобразований получим f(x1, x2)=.
Таким образом, задача оптимизации будет такая
min f(x1, x2)
g1(X)= –x1-3x2+180
g2(X)= -2x1-x2+100
g3(X)=x1≥0; g4(X)=x2≥0
Построим область D.
y=10-2x
Xopt
y=6-2/3x
ОбластьD
Рис. 8. Область D
Найдем максимум функции, не учитывая ограничений. Если полученное значение будет лежать в области D, то оно и будет решением нашей задачи.
Находим частные производные по x1 и x2 функции f(x1, x2) и приравняем их к нулю. Получим следующую систему линейных уравнений
29x1-4x2=80
-4x1+38x2=46.
Решение этой системы: x1=2.97; x2=1.52. Эта точка находится внутри области D. Следовательно, минимум функции достигается в точке с координатами x1opt=2.97; x2opt=1.52.
В найденной точке Xopt, являющейся решением рассматриваемой многокритериальной задачи линейного программирования, F1(Xopt)=-5.87; F2(Xopt)=16.44; F3(Xopt)=-1.66.
Следовательно, x1opt=2.97; x2opt=1.52.