下载文档原格式
多目标决策方法一．多目标决策方法简介1．多目标决策问题及特点（１） 案例个人：购物；买房；择业．．．．．．集体或社会：商场，医院选址；水库高度选择．．．．．． （２） 要素行动方案集合X;目标和属性；偏好结构和决策规则（3） 多目标决策有如下几个特点：决策问题追求的优化目标多于一个；目标之间的不可公度性：指标量纲的不一致性； 目标之间的矛盾性；定性指标与定量指标相混合：有些指标是明确的,可以定量表示出来,如：价格、时间、产量、成本、投资等。
有些指标是模糊的、定性的,如人才选拔时候选人素质考察时往往会以：思想品德、学历、能力、工作作风、市场应变能力等个性指标作为决策依据。
2． 多目标决策问题的描述)}(),(),({21x f x f x f DR n0)(,0)(,0)(.21 x g x g x g TS p决策空间：}0)({ x g x X i 目标空间})({X x x f F两个例子：离散型；连续型3．多目标决策问题的劣解与非劣解非劣解的寻找连续型有时较难4．多目标决策主要有以下几种方法：（１）化多为少法：化成只有二个或一个目标的问题；（２）直接求非劣解法：先求出一组非劣解，然后按事先确定好的评价标准从中找出一个满意的解。
（３）分层序列法：将所有目标按其重要性程度依次排序，先求出第一个最重要的目标的最优解，然后在保证前一目标最优解的前提下依次求下一目标的最优解，一直求到最后一个目标为止。
（（４）目标规划法：对于每一个目标都事先给定一个期望值，然后在满足系统一定约束条件下，找出与目标期望值最近的解。
（５）重排序法：把原来的不好比较的非劣解通过其他办法使其排出优劣次序来。
（６）多属性效用法：各个目标均用表示效用程度大小的效用函数表示，通过效用函数构成多目标的综合效用函数，以此来评价各个可行方案的优劣。
（７）层次分析法：把目标体系结构予以展开，求得目标与决策方案的计量关系。
（８）多目标群决策和多目标模糊决策。
多目标决策优化算法研究随着科技的发展，我们面临的问题越来越复杂化，需要做出越来越多的决策。
然而，不同的决策往往会牵扯到不同的目标，因此单一目标决策难以解决实际问题。
在这种情况下，多目标决策便成为了一种优秀的解决方案。
而多目标决策也因此成为了目前研究的热点之一。
本文将介绍多目标决策优化算法的研究现状和最新进展。
什么是多目标决策？首先，我们需要了解何为多目标决策。
所谓多目标决策，就是在考虑到多个目标的情况下，选择最好的决策方案。
例如，我们在选择一款手机时，需要考虑它的价格、屏幕大小、电池寿命、摄像头像素等多个因素。
不同的人会有不同的重视程度和优先级，因此我们需要将所有这些因素考虑进去，综合评估后再做出决策。
多目标决策具有以下几个特点：1. 目标之间存在矛盾。
例如，在考虑购置家庭汽车时，我们希望它既要有足够的空间容纳家人和行李，又要省油，车身要小巧，舒适性好等等。
这些目标之间可能会存在矛盾，需要在权衡之后做出最佳决策。
2. 目标是多样化的。
不同的人会有不同的目标和侧重点，因此不同的决策方案也应该具备多样性。
比如，在创业公司中，有的人更看重盈利能力，有的则更关注市场占有率等因素。
3. 决策是动态的。
随着时间和环境的变化，决策的优先级和权重也可能发生变化。
因此，多目标决策需要具有一定的灵活性和可调节性。
多目标决策的应用非常广泛，涉及到经济、环境、医疗、管理、工程等多个领域。
因此，如何高效地进行多目标决策成为了研究的热点之一。
多目标决策优化算法在进行多目标决策时，我们需要将各个目标量化为数值。
此时，便会产生一个问题：如何对不同的目标进行量化？一般来说，各个目标之间可能存在量纲不同、或者指标之间具有不同的量级等问题。
因此，需要将不同的目标统一化为无量纲的评价指标。
这就是多目标决策优化算法需要解决的问题之一。
目前，多目标决策优化算法主要有以下几种：1. 精英非支配排序遗传算法（NSGA-II）NSGA-II 是一种应用广泛的多目标优化算法之一。
多目标决策的方法多目标决策是指在决策过程中存在多个目标，在各个目标之间存在相互制约和冲突的情况下，寻求最优的决策方案。
在实际生活和工作中，我们常常需要面对多个目标同时考虑的情况，如企业在经营过程中需要同时考虑利润、市场份额和员工满意度等多个目标。
在多目标决策中，有许多方法可以帮助我们找到最优的决策方案。
下面将就一些常用的多目标决策方法进行介绍。
1. 加权综合评价法（Weighted Sum Method）加权综合评价法是一种常用且直观的多目标决策方法。
在这种方法中，首先需要确定各个目标的权重，然后将每个目标的影响程度与权重相乘得到加权值，再将各个目标的加权值相加得到综合评价值，最终依据综合评价值大小进行决策。
这种方法适用于目标间存在明确的优先级关系的情况。
2. 顺序偏好法（Lexicographic Method）顺序偏好法是一种逐步筛选的多目标决策方法。
在这种方法中，首先确定目标的优先级次序，然后按照优先级次序进行筛选，直到最终找到满足所有条件的最优决策方案。
这种方法适用于目标之间存在确定的优先级关系，且决策者能够明确地对优先级关系排序的情况。
3. 线性规划法（Linear Programming）线性规划法是一种常用的数学优化方法，也可以用于多目标决策。
在这种方法中，将多目标决策转化为一系列线性规划问题，然后通过求解这些线性规划问题得到最优决策方案。
线性规划法适用于目标之间存在明确的线性关系的情况，且决策者可以准确地量化目标之间的关系。
4. 敏感度分析法（Sensitivity Analysis）敏感度分析法是一种通过分析目标变量对决策变量的敏感程度来进行多目标决策的方法。
在这种方法中，通过改变决策变量的取值，观察目标变量的变化情况，从而评估目标变量对决策变量的敏感程度，进而对多目标决策进行优化。
这种方法适用于目标之间存在不确定关系的情况，可以帮助我们确定不同决策变量对目标变量的重要程度。
5. 具有偏好信息的多目标优化方法（Multi-objective Optimization with Preference Information）具有偏好信息的多目标优化方法是一种结合决策者偏好信息的多目标决策方法。
第13章多目标决策单目标决策问题前三章已经进行了较为详细的探讨。
从合理行为假设引出的效用函数，提供了对这类问题进行合理分析的方法和程序。
但在实际工作中所遇到的的决策分析问题，却常常要考虑多个目标。
这些目标有的相互联系，有的相互制约，有的相互冲突，因而形成一种异常复杂的结构体系，使得决策问题变得非常复杂。
国外一般认为，多目标优化问题最早是在19世纪末由意大利经济学家帕累托（V.Pareto）从政治经济学的角度提出来的，他把许多本质上不可比较的目标，设法变换成一个单一的最优目标来进行求解。
到了20世纪40年代，冯诺曼等人由从对策论的角度提出在彼此有矛盾的多个决策人之间如何进行多目标决策问题。
1950年代初，考普曼（T.C.koopmans）从生产和分配的活动分析中提出多目标最优化问题，并引入了帕累托最优的概念。
1960年代初，菜恩思（F.Charnes）和考柏（J.Cooper）提出了目标规划方法来解决多目标决策问题。
目标规划是线性规划的修正和发展，这一方法不只是对一些目标求得最优，而是尽量使求得的最优解与原定的目标值之间的偏差为最小。
1970年代中期，甘尼（R.L.Keeney）和拉发用比较完整的描述多属性效用理论来求解多目标决策问题。
1970年代末，萨蒂（A.L.Saaty）提出了影响广泛的AHP(the analytical hierarchy process)法，并在1980年代初纂写了有关AHP 法的专著。
自1970年代以来，有关研究和讨论多目标决策的方法也随之出现。
总之，多目标决策问题正愈来愈多的受到人们的重视，尤其是在经济、管理、系统工程、控制论和运筹学等领域中得到了更多的研究和关注。
13.1 基本概念多目标决策和单目标决策的根本区别在于目标的数量。
单目标决策，只要比较各待选方案的期望效用值哪个最大即可，而多目标问题就不如此简单了。
例13.1房屋设计某单位计划建造一栋家属楼，在已经确定地址及总建筑面积的前提下，作出了三个设计方案，现要求根据以下5个目标综合选出最佳的设计方案：1）低造价（每平方米造价不低于500元，不高于700元）；2）抗震性能（抗震能力不低于里氏5级不高于7级）；3）建造时间（越快越好）；4）结构合理（单元划分、生活设施及使用面积比例等）；5）造型美观（评价越高越好）这三个方案的具体评价表如下。
表13.1 三种房屋设计方案的目标值123低造价（元/平方米）500 700 600抗震性能（里氏级） 6.5 5.5 6.5建造时间（年） 2 1.5 1结构合理（定性）中优良造型美观（定性）良优中由表中可见，可供选择的三个方案各有优缺点。
某一个方案对其中一个目标来说是最优者，从另一个目标角度来看就不见得是最优，可能是次优。
比如从造价低这个具体目标出发，则方案1较好；如从合理美观的目标出发，方案2就不错；但如果从牢固性看，显然方案3最可靠等等。
1．多目标决策问题的基本特点例13.1就是一个多目标决策问题。
类似的例子可以举出很多。
多目标决策问题除了目标不至一个这一明显的特点外，最显著的有以下两点：目标间的不可公度性和目标间的矛盾性。
目标间的不可公度性是指各个目标没有统一的度量标准，因而难以直接进行比较。
例如房屋设计问题中，造价的单位是元/平方米，建造时间的单位是年，而结构、造型等则为定性指标。
目标间的矛盾性是指如果选择一种方案以改进某一目标的值，可能会使另一目标的值变坏。
如房屋设计中造型、抗震性能的提高可能会使房屋建造成本提高。
2．多目标问题的三个基本要素一个多目标决策问题一般包括目标体系、备选方案和决策准则三个基本因素。
目标体系—是指由决策者选择方案所考虑的目标组及其结构；备选方案—是指决策者根据实际问题设计出的解决问题的方案。
有的被选方案是明确的、有限的，而有的备选方案不是明确的，还有待于在决策过程中根据一系列约束条件解出。
决策准则—是指用于选择的方案的标准。
通常有两类，一类是最优准则，可以把所有方案依某个准则排序。
另一类是满意准则，它牺牲了最优性使问题简化，把所有方案分为几个有序的子集。
如“可接受”与“不可接受”；“好的”、“可接受的”、“不可接受的”与“坏的”。
3．几个基本概念1）劣解和非劣解劣解：如某方案的各目标均劣于其他目标，则该方案可以直接舍去。
这种通过比较可直接舍弃的方案称为劣解。
非劣解：既不能立即舍去，又不能立即确定为最优的方案称为非劣解。
非劣解在多目标决策中起非常重要的作用。
单目标决策问题中的任意两个方案都可比较优劣，但在多目标时任何两个解不一定都可以比较出其优劣。
如图13.1，希望f 1和f 2两个目标越大越好，则方案A 和B 、方案D 和E 相比就无法简单定出其优劣。
但是方案E 和方案I 比较，显然E 比I 劣。
而对方案I 和H 来说，没有其它方案比它们更好。
而其它的解，有的两对之间无法比较，但总能找到令一个解比它们优。
I 、H 这一类解就叫非劣解，而A 、B 、C 、D 、E 、F 、G 叫作劣解。
如果能够判别某一解是劣解，则可淘汰之。
如果是非劣解，因为没有别的解比它优，就无法简单淘汰。
倘若非劣解只有一个，当然就选它。
问题是在一般情况下非劣解远不止一个，这就有待于决策者选择，选出来的解叫选好解。
对于m 个目标，一般用m 个目标函数12(),(),,()m f x f x f x 刻划，其中x 表示方案，而x 的约束就是备选方案范围。
最优解：设最优解为*x ，它满足)()(*x f x f i i ≥ n i ,,2,1 = （13.1.1）2）选好解在处理多目标决策时，先找最优解，若无最优解，就尽力在各待选方案中找出非劣解，然后权衡非劣解，从中找出一个比较满意的方案。
这个比较满意的方案就称为选好解。
单目标决策主要是通过对各方案两两比较，即通过辨优的方法求得最优方案。
而多目标决策除了需要辩优以确定哪些方案是劣解或非劣解外，还需要通过权衡的方法来求得决策者认为比较满意的解。
权衡的过程实际上就反映了决策者的主观价值和意图。
f 1(第一目标值)f 2(第二目标值)图13.1 劣解与非劣解13.2 决策方法解决多目标决策问题的方法目前已有不少，本节主要介绍以下三种：化多目标为单目标的方法、重排次序法、分层序列法。
决策的一般步骤为，第一步，判断各个方案的非劣性，从所有方案中找出全部非劣方案，即满意方案。
第二步，在全部非劣方案中寻找最优解或选好解。
13.2.1 化多目标为单目标的方法由于直接求多目标决策问题比较困难，而单目标决策问题又较易求解，因此就出现了先把多目标问题转换成单目标问题然后再进行求解的许多方法。
下面介绍几种较为常见的方法。
1) 主要目标优化兼顾其它目标的方法设有m 个目标f 1(x )，f 2(x )，….，f m (x )，x ∈R 均要求为最优，但在这m 个目标中有一个是主要目标，例如为f 1(x )，并要求其为最大。
在这种情况下，只要使其它目标值处于一定的数值范围内，即m i f x f f i i i ,...,3,2,)('''=≤≤就可把多目标决策问题转化为下列单目标决策问题：'1''''max (){(),2,3,...,;}x R i i i f x R x f f x f i m x R ∈=≤≤=∈ （13.2.1）例13.2 设某厂生产A 、B 两种产品以供应市场的需要。
生产两种产品所需的设备台时、原料等消耗定额及其质量和单位产品利润等如表13.2所示。
在制定生产计划时工厂决策者考虑了如下三个目标：第一，计划期内生产产品所获得的利润为最大；第二，为满足市场对不同产品的需要，产品A 的产量必须为产品B 的产量的1.5倍；第三，为充分利用设备台时，设备台时的使用时间不得少于11个单位。
表13.2 产品消耗、利润表显然，上述决策问题是一个多目标决策问题，今若将利润最大作为主要目标，则后面两个目标只要符合要求即可。
这样，上述问题就可变换成单目标决策问题，并可用线性规划进行求解。
设1x 为产品A 的产量，2x 为产品B 的产量，则上述利润最大作为主要目标，其它两个目标可作为约束条件，其数学模型如下：max 212.34x x z +=12121212122412(3312.. 1.502411,0x x x x s t x x x x x x +≤⎧⎪+≤⎪⎪-=⎨⎪+≥⎪⎪≥⎩设备台式约束）（原料约束）（目标约束）（目标约束） （13.2.2） （线性规划问题及后面所介绍的目标规划问题的求解过程请参阅《运筹学》有关部分。
）2) 线性加权和法设有一多目标决策问题，共有f 1(x )，f 2(x )，…，f m (x )等m 个目标，则可以对目标 f i (x ) 分别给以权重系数i λ（i =1，2，…，m ），然后构成一个新的目标函数如下：max F (x )=)(1x f i mi i∑=λ（13.2.3）计算所有方案的F (x )值，从中找出最大值的方案，即为最优方案。
在多目标决策问题中，或由于各个目标的量纲不同，或有些目标值要求最大而有些要求最小，则可首先将目标值变换成效用值或无量纲值，然后再用线性加权和法计算新的目标函数值并进行比较，以决定方案取舍。
3) 平方和加权法设有m 个目标的决策问题，现要求各方案的目标值f 1(x )，f 2(x )，…，f m (x )与规定的m 个满意值f 1*，f 2*，…，f m *的差距尽可能小，这时可以重新设计一个总的目标函数：F (x )=2*1))((iimi ifx f -∑=λ （13.2.4）并要求min F (x )，其中i λ是第i (i =1,2,…)个目标的权重系数。
4) 乘除法当有m 个目标f 1(x )，f 2(x )，…，f m (x )时，其中目标f 1(x )，f 2(x )，…，f k (x )的值要求越小越好，目标f k (x )，f k+1(x )，…，f m (x )的值要求越大越好，并假定f k (x )，f k+1(x )，…，f m (x )都大于0。
于是可以采用如下目标函数F (x )=)()()()()()(2121x f x f x f x f x f x f m k k k ⋅⋅⋅⋅⋅⋅⋅⋅++ （13.2.5）并要求min F (x )。
5) 功效系数法设有m 个目标f 1(x )，f 2(x )，…，f m (x )，其中k 1个目标要求最大，k 2个目标要求最小。
赋予这些目标f 1(x )，f 2(x )，…，f m (x ) 以一定的功效系数d i (i =1,2,…,m )，10≤≤i d 。
当第i 个目标达到最满意时d i =1，最不满意时d i =0，其它情形d i 则为0，1之间的某个值。
