Поиск наилучшей паретовской точки

Постановка задачи

Пусть решение , где - множество допустимых решений в пространстве параметров, описано значениями критериев , формирующими образ множества в критериальном пространстве:

для

Каждый из I критериев преобразован так, что его надо максимизировать для улучшения качества решения . Пусть существует не заданная в явном виде функция качества, отражающая предпочтения ЛПР об эффективности решения x на основе информации о значениях критериев :

Предположим, что ЛПР для любых по значениям и может:

- указать лучшее решение, чему соответствует либо ;

- установить эквивалентность решений, чему соответствует .

Формализация задачи поиска лучшего решения такова:

найти

( 1)

дея решения: сократим исходное множество решений до множества Парето и сведем поиск лучшего решения к поиску на выделенном множестве.

Решение x или a в пространстве параметров оптимально по Парето, если его невозможно улучшить ни по одному из критериев без ухудшения хотя бы по одному из критериев. Парето-оптимальные решения образуют множество Парето в пространстве параметров или в пространстве критериев.

Обозначим вектор коэффициентов значимости

Тогда множество Парето описывается следующими моделями:

для выпуклых множеств

( 2)

для невыпуклых множеств

( 3)

Если известно оптимальное по Парето решение :

,

то оно может быть записано через модели ( 2) и ( 3):

для выпуклых множеств

( 4)
для невыпуклых множеств

( 5)

Существует соответствие между наилучшей паретовской точкой и точкой во множестве всех весов G (т.е. имеется возможность устанавливать соответствие между однокритериальной и многокритериальной задачами).

Из анализа моделей ( 2) и ( 3) очевидно, что меняя веса, получаем различные паретовские точки. Эта связь позволяет свести поиск наилучшего решения из пространства критериев A в пространство весов G, что, в свою очередь, позволяет уменьшить размерность задачи за счет нормированности весовых векторов:

Итак, задача состоит в поиске наилучшей, с точки зрения ЛПР, точки такой, что

,

Алгоритм решения

В алгоритме используется метод покоординатного спуска. Правило останова: процесс поиска предполагается либо до получения оптимального решения, либо до выполнения определенного числа шагов.

1. Задать начальные параметры:

длина шага ;

постоянный коэффициент изменения длины шага ;

начальная точка (решение) ;

начальный весовой вектор

2. Установить .

3. Вычислить , решив задачу максимизации

для выпуклого множества Парето в критериальном пространстве:

для невыпуклого множества:

4. Проверить правило останова. Если условие выполняется, поиск прекратить, причем решением будет:

; ;

5.

6. Установить

где - целая часть числа ,

- -е координатное направление

7. Уменьшить на величину шага h, сохранив другие компоненты вектора q неизменными

8. Проверить выполнение ограничений

 

( 6)

Если значение недопустимо, перейти к п.11; в противном случае установить .

9. Определить , решив задачу максимизации с установленным q:

для выпуклого множества

( 7)

для невыпуклого множества

 

10. ЛПР сравнивает точки (решения) и . Если лучше, чем , то принять и перейти к п.4.

11. Увеличить на величину шага h, сохранив другие компоненты вектора q неизменными

12. Проверить выполнение ограничений ( 6). Если значение недопустимо, перейти к п.15; в противном случае установить .

13. Определить

( 84)
, решив задачу максимизации ( 7) с установленным q.

14. ЛПР сравнивает точки (решения) и . Если лучше, чем , то принять и перейти к п.4.

15.

16. Если и вектор q не изменился за последние (I-1) итераций, изменить длину шага:

17. Перейти к п.4

Результат работы алгоритма выбора наилучшей паретовской точки кроме решения (оптимального с точки зрения ЛПР) возвращает соответствующий весовой вектор , который представляет собой информацию о предпочтениях конкретного ЛПР (информацию можно использовать для дальнейшего исследования).

Отметим свойства рассмотренного метода:

- Метод выбора наилучшей паретовской точки можно использовать как метод выявления предпочтения ЛПР (нахождения весового вектора в промежуточных расчетах).

- Наличие весового вектора позволяет ускорить процесс имитационного моделирования поведения ЛПР.

 


<== предыдущая лекция | следующая лекция ==>
Тема 5 (1). Неформальный синтез | Тема 3(3). Прикладные задачи выбора решений в условиях целевой неопределенности




Дата добавления: 2019-10-16; просмотров: 152; ЗАКАЗАТЬ НАПИСАНИЕ РАБОТЫ


Поиск по сайту:

При помощи поиска вы сможете найти нужную вам информацию, введите в поисковое поле ключевые слова и изучайте нужную вам информацию.

Поделитесь с друзьями:

Если вам понравился данный ресурс вы можете рассказать о нем друзьям. Сделать это можно через соц. кнопки выше.
helpiks.org - Хелпикс.Орг - 2014-2020 год. Материал сайта представляется для ознакомительного и учебного использования. | Поддержка
Генерация страницы за: 0.032 сек.