Математическая постановка задачи векторной оптимизации

Министерство образования и науки Украины

Национальный авиационный университет

 

 

 

 

 

 

 

Модульная работа

по дисциплине: «Методы оптимизации информационных процессов»

на тему: «Математическая постановка задачи векторной оптимизации»

 

 

 

 

 

 

 

 

 

 

 

 

 

Выполнил:

студент 5 курса

группы ИКИТ – 511

Федоренко В. О.

Проверил:

профессор

Воронин А. М.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Киев 2014

 

Теория моделирования однокритериальных задач оптимизации и их решения представляет собой предмет рассмотрения математического программирования, и достаточно глубоко проработана.

В реальных задачах выбора наиболее предпочтительного решения, возникающих на практике, как правило,  присутствуют несколько критериев оптимальности. Можно привести много примеров, когда требуется найти решение, для которого достигались наилучшие значения сразу по нескольким критериям. Наиболее распространенная задача, которую мы решаем очень часто  (не облекая  ее в термины оптимизации)  - это поиск покупки, которая была как можно качественнее и как можно дешевле.

Задачи выбора некоторого решения из множества допустимых решений с учетом нескольких критериев оптимальности называют многокритериальной задачей оптимизации. 

Многокритериальные задачи широко распространены в техническом проектировании, например, задача проектирования компьютера с максимальным быстродействием, максимальным объемом оперативной памяти и минимальным весом или задача проектирования электрического двигателя с максимальной мощностью, максимальным коэффициентом полезного действия, минимальным весом и минимальными затратами электротехнической стали (естественно, при ограничениях на необходимые параметры проектируемых устройств). Реальные многокритериальные управленческие задачи также широко распространены,  лозунг экономики СССР 80-х гг. - «максимум качества при минимуме затрат», несмотря на его одиозность, выражал сущность большинства проблем управления.

Под многокритериальной задачей зачастую понимают не собственно вербальное  описание задачи, а ее модель, а именно: «многокритериальная  задача – математическая модель принятия оптимального решения по нескольким критериям. Эти критерии могут отражать оценки различных качеств объекта или процесса, по поводу которых принимается решение».

Формально многокритериальная задача  как модель задается  в виде:

 

                                        

           ,                                                        (5.1)

где D - множество допустимых решений.  F(x) – векторная функция векторного аргумента x,  которую можно представить как F(x)={f1(x), f2(x), … , fk(x) },      где f1(x), f2(x), … , fk(x) – скалярные функции векторного аргумента x, каждая их которых является математическим выражением одного критерия оптимальности.   Так как в данной модели используется векторная целевая функция, ее зачастую называют задачей векторной оптимизации. Очевидно, что задача (5.1) не принадлежит классу задач математического программирования, т.к.модели      этого класса задач содержат всегда только одну целевую функцию векторного аргумента. 

 

 
Иначе задачу  (5.1) можно переписать в виде:

 

  

Сущность поставленной задачи состоит в нахождеии такого ее допустимого решения, т.е.  }, которое в том или ином смысле максимизирует (минимизирует) значения всех  целевых функций fi(x), i=1,k.  Существование решения, буквально максимизирующего все целевые функции, является редким исключением. (Если вспомнить пример о поиске одновременно очень качественной и очень дешевой покупки, то становится понятным, что нахождение такого решения – редкая удача, но, гораздо более часто,  это неразрешимая задача).

Отсюда следует, что принципиальным моментом при решении такого рода задач является предварительная договоренность, а что считать  самым предпочтительным решением, т.е. надо договориться об используемом принципе оптимальности. Ранее используемый принцип оптимальности «хорошо то, что доставляет наибольшее (наименьшее) значение имеющемуся единственному критерию оптимальности» в многокритериальных задачах очевидно «не работает».

Задача векторной оптимизации в общем случае не имеет    строго математического математического   решения.  Для получения того или иного ее решения  необходимо использовать дополнительную субъективную информацию специалиста в данной предметной области, которого принято называть лицом принимающим решение (ЛПР), в английском языке - decision maker. Это означает, что при решении задачи разными специалистами с привлечением различных источников информации, скорей всего будут получены различные ответы.

Задачи векторной оптимизации, в настоящее время принято рассматривать в рамках  теории принятия решений, основной особенностью задач которой является наличие неопределенности. Эта неопределенность не может быть исключена с помощью различных приемов моделирования и объективных расчетов. В многокритериальных задачах неопределенность состоит в том, что неизвестно, какому критерию отдать предпочтение и в какой степени. Для устранения этой неопределенности необходимо, во-первых,  сформулировать  специальный принцип оптимальности, а также привлечь дополнительную субъективную информацию ЛПР, основанную на его опыте и интуиции.

Постановка задачи векторной оптимизации и классификация многокритериальных методов

В упрощенном виде задача векторной оптимизации формируется следующим образом:

Имеется n конкурирующих решений:

{Si} = {S1, S2, ..., Sn}, т.е. стратегий, структур, проектов, плакатов и т.д. и m частных критериев

{Kj} = {K1, K2, ..., Km}, не всегда согласованных между собой и противоречивых.

Для оценки конкурирующих решений по частным критериям используются различные средства: экспертные процедуры, мат. моделирование, натуральные эксперименты. При этом множество конкурирующих решений отображается в матрицу векторных оценок:

	S1	S2	...	Sn
[kji] =	k11	k12	...	k1n
	k21	k22	...	k1n
	...	...	...	...
	km1	km2	...	kmn

Исходя из матрицы векторных оценок и системы предпочтений ЛПР выбирается рациональное решение.

E = optSj {[kji], система предпочтений ЛПР} следовательно Srat

opt — некоторый оператор векторной оптимизации.

Выбор рационального решения связан с преодолением неопределенностей, которые имеются в связи с наличием многих критериев. Эта неопределенность является принципиальной. Для ее компенсации есть лишь одна единственная возможность: использование системы предпочтений ЛПР (т.е. дополнительной, субъективной информации).

Использование субъективной информации ЛПР позволяет преодолеть принципиальные трудности и выбрать рациональный критерий.

 

Литература

 

1. Орлов А. И. Теория принятия решений: учебник. — М.: Экзамен, 2006. — 573 с. ISBN 5-472-01393-3
2. Орлов А. И. Принятие решений. Теория и методы разработки управленческих решений. Учебное пособие. — М.: МарТ, 2005. — 496 с ISBN 5-241-00629-X
3. Литвак Б. Г. Разработка управленческого решения — М.: Издательство «Дело», 2004 г. — 392 с.
4. Литвак Б. Г. Экспертные оценки и принятие решений.- М.: Патент, 1996. — 271 с.
5. Хемди А. Таха. Глава 14. Теория игр и принятия решений // Введение в исследование операций = Operations Research: An Introduction. — 7-е изд. — М.: «Вильямс», 2007. — С. 549-594. — ISBN 0-13-032374-8
6. Г. Тейл. Экономические прогнозы и принятие решений. М.: «Прогресс» 1970.
7. К. Д. Льюис. Методы прогнозирования экономических показателей. М.: «Финансы и статистика» 1986.
8. Г. С. Кильдишев, А. А. Френкель. Анализ временных рядов и прогнозирование. М.: «Статистика» 1973.