多目标随即加权模糊线性规划
更新时间:2023-05-28 17:10:01 阅读量: 实用文档 文档下载
多目标随即加权模糊线性规划
第22卷第12期 荆门职业技术学院学报 2007年12月Vol.22No.12 JournalofJingmenTechnicalCollege Dec.2007
多目标加权模糊随机线性规划
刘 涛,孟晓谕
(郧阳医学院数理教研室,湖北十堰 442000)
[摘 要] 研究了资源量bi为随机变量的多目标随机线性规划问题,指出了多目标规划问题的目标一般不是同等
重要的,针对多目标模糊线性规划问题,利用模糊集合理论建立了相应等价的确定性加权模糊随机规划模型。算例表明本文给出的模型算法是有效的,具有广泛的应用价值。
[关键词] 多目标;模糊集合;随机线性规划;权重
[中图分类号] O221.5 [文献标识码] A [文章编号] 1008-4657(2007)12-04
0 引言
在通常的线性规划max{g)|Axx中,利润系数向量c、技术系数矩阵A和资源向量b,上述系数c、A和b可能是随机变量,从而产生了随机规划。。解决随机规划问题的基本思想是将随。文献[1]首先引入“机会约束”的概念来处理随机不确定条件,文献[2]对单目标随机线性规划问题的研究情况作了比较全面的综述。但是在复杂的决策环境中,并不总能给出精确的目标值,文献[3]首先提出的模糊决策方法是解决模糊环境中决策问题的有效方法,文献[4-7]进一步建立了模糊线性规划决策方法。文献[8]依此方法建立了多目标随机线性规划问题的模糊求解方法,然而在实际应用中,各个目标常常具有不同的重要程度,并且不同时期,随着条件的变化各个目标的重要程度也在改变。针对此情况,本文提出了多目标随机线性规划的加权模糊优化模型,该模型不仅考虑了约束资源量是具有已知分布函数的随机变量,而且也考虑到了各个目标的不同重要程度,并得到了相应的等价确定性多目标规划模型,权重的改变不影响等价模型的形式,不增加求解的复杂程度和工作量。算例表明,本文给出的模型算法是有效的,具有广泛的应用价值。
T
1 多目标随机线性规划加权模糊优化模型
多目标随机约束线性规划问题可表示为下列模型(M1):
n
k
mg(x)=
n
∑cx,k
K
j
j
j=1
=1,2,…,p)
s.t.
k
∑a
j=1
ij
xjΦΕ1-αi,i=1,2,…,m
xjΕ0,j=1,2,…,n
其中cj和aij都是已知的确定常量,而bi是具有已知分布函数的随机变量,αi是由决策者根据实际情况
给定的概率,αi∈(0,1)
,i=1,2,…,m。上述约束条件
n
∑a
j=1
ij
xjΦΕ1-αi,i=1,2,…,m
(1)
[收稿日期]2007-09-15
[作者简介]刘 涛(1970-),男,湖北十堰人,郧阳医学院副教授,博士。研究方向:多目标规划及系统分析。E-mail:yymclt@。
68
多目标随即加权模糊线性规划
n
表示满足约束要求
T
∑a
j=1
ij
xjΦbi(i=1,2,…,m)的概率不能小于1-αi。为讨论简便起见,这里仅考虑x
=(x1,x2,…,xn)是确定性决策变量的情况。
假设资源量bi为具有下列指数分布函数的随机变量:
f(bi)=λiexp(-λibi),i=1,2,…,m数学期望为,方差为2,于是可将约束方程(1)转化成
λiλi
j=1
λexp(-λb)dbΕ1-α,i=1,2,…,m
∫∑
n
∞
aijxj
iiiii
简单积分可得:
n
-λi
∑a
j=1
ij
xΕ1-αi,i=1,2,…,m
也即:
n
∑
j=1
aijxjΦ-
ln(1-αi)
λi
n
i=1,,…,因此,模型(M1)2):
g(x)n
k
j=1
j,,2,…,p)
,i=1,2,…,m
t.
∑a
j=1
ij
xjΦ-
ln(1-αi)
λi
xjΕ0,j=1,2,…,n
若上述模型中的目标函数之一或约束条件之一具有模糊性,此规划问题就称为多目标模糊规划。由于多目标规划中的目标一般是相互矛盾的,因此应用中常常要求各个目标尽可能达到最优即可,解决这类问题的一种方法就是多目标模糊规划。
目前求解多目标模糊规划的方法是最大满意度法。它是在相同约束条件下确定每个目标的隶属函
k
数μ(g(x)),(k=1,2,…,p),然后定义η为最大满意度,它满足
η=maxmμ(g1(x)),μ(g2(x)),…μ(gp(x)该模型(M2)等价于下面普通单目标规划问题(M3):
ηmax
ηΦμ(gk(x)),k=1,2,…,p
n
ln(1-α)
s.t.∑aijxjΦ-,i=1,2,…,m
λij=1
xjΕ0,j=1,2,…,n
然而,在许多实际问题中,各个目标的重要程度是不一样的,因此用上面模糊描述并不合适。本文提出了下面多目标加权模糊规划模型(M4):
p
max
n
k=1
ωμ(g∑
k
k
(x))
,i=1,2,…,
m
s.t.
∑
j=1
aijxjΦ-
ln(1-αi)
λi
p
xjΕ0,j=1,2,…,n
式中ωk为目标g(x)的权重,满足:0ΦωkΦ1,
k
k=1
kkωμ(())(x)的隶属函数。=1,gx是gk∑
k
下面讨论如何求解模型M4。首先需要确定μ(g(x)),先利用单纯形法求解单目标线性规划问题:
69
多目标随即加权模糊线性规划
k
maxg(x)
n
s.t.
∑
j=1k
aijxjΦ-
ln(1-α)
λi
,i=1,2,…,m
xjΕ0,j=1,2,…,n
设上面单目标规划问题的最优解为x,并求该目标的上界u与下界l,即kkkk
u=g(x),l=mgk(xl)|l=1,2,…,k
则g(x)的隶属度函数可取为
kk0,g(x)Φl
kk()
μ(gk(x))kk,lkΦgk(x)Φuk
k
k
u-l
(2)
kk1,g(x)Εu
定理 在(2)式的假设下,模型(M4)与下面规划问题(M5)等价:
p
max
k=1
ωη∑
k
k
ηk(uk-lk)Φgk(x)lk,,2,p 0Φs.t.
n
jxj-
(1-)
i
,i=1,2,…,m
xjΕ0,j=1,2,…,n
模型(M5),可利用单纯形法就可得到最优解x及η,不难看出,x
就是要求的满意解。
如果原来的目标函数和随机约束方程均为非线性约束,则模型(M5)是非线性单目标规划问题,可
i
以用传统的非线性优化理论来解决;如果资源量b是服从其它如均匀分布、对数正态分布或伽玛分布等的随机变量,则可类似转化求解。
3
3
3
2 算例
考虑下面两目标随机约束线性规划为
max{10x1+5x2,3x1+7x2}prob{x1+x2Φb1}Ε0.94
s.t.
prob{4x1+3x2Φb2}Ε0.93prob{2x1+5x2Φb3}Ε0.91
xjΕ0,j=1,2
其中bi(i=1,2,3)是指数分布随机变量,相应的数学期望分别为:E(b1)=7,E(b2)=9,E(b3)=8。于是,可得到如下等价的确定性多目标线性规划模型:
max{10x1+5x2,3x1+7x2}
x1+x2Φ0.433s.t.
4x1+3x2Φ0.6532x1+5x2Φ0.755
xjΕ0,j=1,2
3
如果按一般模糊规划模型(M3)求解方法可得此多目标随机线性规划问题的满意解x=31323
(0.11739,0.06114),相应的函数值为G=(g,g)=(1.47964,0.78017);如果认为这两个目标
ω2,按本文提出的模型(M4)及等价模型(M5),对几组不同权重求函数重要程度不同,权重分别为ω1、
解结果如表1所示。70
多目标随即加权模糊线性规划
表1 不同权重的计算结果
ω1,ω2
0.5,0.5
x
33
0.6,0.4(0.12896,0.04257)
0.8,0.2(0.14848,0.02694)(1.61950,0.63402)
(0.10652,0.07343)(1.43235,0.83357)
G
1.50475,0.69106)
31
ω2的 从表1可以看出,随着ω1增大,x取值向单目标g(x)的最优解(0.16325,0)逼近,说明ω1、
大小确实代表了不同目标的不同重视程度。
3 结论
本文针对实际决策问题中经常碰到的资源量bi为随机变量且各个目标具有不同重要程度的情况,提出了多目标随机线性加权模糊规划模型,并用模糊集合理论把该模型转化为普通单目标线性规划问题。应用中可根据实际情况调整、确定权重,以适应不同的要求。
本模型有如下特点:
1)模型是单目标规划模型的推广;
2)如果约束条件有模糊性,可将约束条件模糊化;
3)对于利润系数cj或技术系数aij,但要复杂一些。
[参考文献]
[1]contrainedprogramming[J].ManagementScience,1959(6):73-79.
[2]Stancn-IM,WetsMJ.AResearchbibliographyinstochasticprogramming[J].OperationsResearch,1976
(24):1078-1119.
[3]BellmanRE,ZadehLA.Decisionmakinginafuzzyenvironment[J].ManagementScience,1970(17):141-146.[4]TongShaocheng.Intervalnumberandfuzzynumberlinearprogramming[J].FuzzySetsSystems,1994(66):301-306.[5]CarlessCh,FullerR.Fuzzymultiplecriteriadecisionmaking[J].FuzzySetsSystems,1996(78):139-153.
[6]CadenasJM,ingrankingfunctionsinmultiobjectivefuzzylinearprogramming[J].FuzzySetsSys2
tems,2000(111):47-53.
[7]MalekiHR,TataM,MashinchiM.Linearprogrammingwithfuzzyvariable[J].FuzzyandSystems,2000(109):21-33.
[8]刘德峰.多目标随机线性规划问题的模糊求解方法[J].应用数学与计算数学学报,1998,12(1):64-70.
Multi-objectiveWeightedFuzzyStochasticLinearProgramming
LIUTao,MENGXiao-yu
(DepartmentofMathematicsandPhysics,YunyangMedicalCollege,Shiyan,Hubei,442000,China)Abstract:Thispaperhasinvestigatedthemulti-objectivestochasticlinearprogrammingproblemswheretheresourcevalues,i.e.,onlyarerandomvariables,pointedthateveryobjectiveimportantdegreecommonlyisdifferent,builttheequivalentdeterministicweightedprogrammingmodelbasedonfuzzysettheoryformulti-objectivefuzzystochasticlinearprogramming.Casestudyshowsthatthemodelareefficientandhavesignifi2cantpracticalvalue.
Keywords:multi-objective;fuzzyset;stochasticlinearprogramming;weighted
71
正在阅读:
多目标随即加权模糊线性规划05-28
连科33号08-15
万物皆有灵气,感恩自然作文06-03
大学物理教材 pdf07-06
小学家校联系卡08-08
高三学生读后感800字三篇12-31
医疗技术档案管理制度08-10
浓情五月天,感恩 主题班会05-13
企业内训前期调查问卷07-03
- 教学能力大赛决赛获奖-教学实施报告-(完整图文版)
- 互联网+数据中心行业分析报告
- 2017上海杨浦区高三一模数学试题及答案
- 招商部差旅接待管理制度(4-25)
- 学生游玩安全注意事项
- 学生信息管理系统(文档模板供参考)
- 叉车门架有限元分析及系统设计
- 2014帮助残疾人志愿者服务情况记录
- 叶绿体中色素的提取和分离实验
- 中国食物成分表2020年最新权威完整改进版
- 推动国土资源领域生态文明建设
- 给水管道冲洗和消毒记录
- 计算机软件专业自我评价
- 高中数学必修1-5知识点归纳
- 2018-2022年中国第五代移动通信技术(5G)产业深度分析及发展前景研究报告发展趋势(目录)
- 生产车间巡查制度
- 2018版中国光热发电行业深度研究报告目录
- (通用)2019年中考数学总复习 第一章 第四节 数的开方与二次根式课件
- 2017_2018学年高中语文第二单元第4课说数课件粤教版
- 上市新药Lumateperone(卢美哌隆)合成检索总结报告
- 线性规划
- 加权
- 随即
- 模糊
- 目标
- Compare and contrast the theories and methods of Emile Durkheim and Max Weber
- 《水浒传》人物绰号及简介
- 余热发电基础知识
- 第1课:鸦片战争与《南京条约》
- 2010年6月英语四级考试真题-689
- 最新冀教版五年级数学上册期末模拟测试卷 (1)
- 如何提高幼儿园课堂的教学效率
- A Bayesian Approach to inferring vascular tree structure from 2D imagery
- 浅谈波普艺术对景观设计的影响
- 高效液相色谱在我国食品分析与检测中的应用_郭卓雨
- 健身教练工作流程
- 振动信号处理的时频域方法
- 第四单元课文主要内容及人物分析
- 华为FusionCloud桌面云解决方案5.2
- 2012年高考材料作文指导训练及范文(一)
- 七年级数学上册-1.3《有理数的加减法》教案-(新版)新人教
- 3032期末考试会计基础A
- 化工厂生产安全应急预案
- 浅析高校的教育信息化建设
- 毕业后的档案问题——详细流程 【实在太有用了】大二大三学生急需了解