Презентация на тему Многокритериальные задачи. Метод ограничений

возникла у итальянского экономиста В. Парето при математическом исследовании

товарного объёма. В дальнейшем интерес к проблеме векторной оптимизации усилился в связи с разработкой и широким использованием вычислительной техники в работах всё тех же экономистов-математиков. И уже позднее стало ясно, что многокритериальные задачи возникают не только в экономике, но и в технике: например, при проектировании технических систем, при оптимальном проектировании интегральных схем, в военном деле и т.д.

составление математической модели

заключительном этапе

всесторонний анализ полученного оптимального решения.

Составление математической модели
(ММ) начинается с выбора
переменных, совокупность числовых
значений которых однозначно
определяет один из вариантов процесса.
После выбора переменных необходимо по тексту задачи составить ограничения, которым эти переменные должны удовлетворять. При этом нужно следить, чтобы в модель были включены все ограничения, а в то же время не было ни одного лишнего или записанного в более жесткой, чем требуется условиями задачи, форме.

проблемы, возникающие при
разработке методов МКО:

1. Проблема нормализации критериев, то

есть приведение критериев к единому (безразмерному)
масштабу измерения.
2. Проблема выбора принципа оптимальности, то есть установление, в каком смысле оптимальное решение лучше всех остальных решений.
3. Проблема учета приоритетов критериев, возникающая в тех случаях, когда из физического смысла ясно, что некоторые критерии имеют приоритет над другими.
4. Проблема вычисления оптимума задачи МКО. Речь идет о том, как использовать методы линейной, нелинейной, дискретной оптимизации для вычисления оптимума задач с определенной спецификой.

значений, ограничивающих допустимые значения параметров, гарантирующих работоспособность проектируемого узла

или механизма.


Достоинства Недостатки

простота и возможность быстрого нахождения приемлемых решений

отсутствие гарантии выбора оптимального ( из множества приемлемых) решения поставленной инженерной задачи

относятся фиксация граничных значений, штрафных функций, множителей Лагранжа и

др. При решении практических задач методом геометрического программирования число ограничений может быть велико, что затрудняет применение этого метода. Использование функционального ограничения - целевого ограничителя, эквивалентного всем отдельным ограничениям, эту трудность устраняет. 

DФ не выпукло; самым важным является критерий ф1(X); на критерий

ф2(X) наложено ограничение ф2(X) ≤ ε2.

– x £ 0.
Теперь сведем эту задачу к определению

безусловного экстремума вспомогательной функции. Построим штрафную функцию в соответствии с (7):
H = [max (0, 3–x)]2.
Тогда приходим к задаче Q=x+a[max (0, 3-x)]2min.

На рис. 2 и 3 показаны соответственно функции aH и Q для двух значений a. Видно, что точки минимума вспомогательной функции с увеличением a приближаются к точке условного минимума исходной задачи. Такой же вывод следует из аналитического решения. Действительно, при x<3 вспомогательная функция имеет вид:
Q = x + a× (3 – x)2.

для разных значений a и линия
ограничения y.
При a=0

имеем q=f, и минимум q
достигается в точке безусловного
минимума f: x1=x2=1. С увеличением
a меняется форма линий уровня q и
положение минимума. При a=1 минимум q
смещается к линии ограничения, а при a=1000 он практически точно совпадает с условным минимумом задачи.
В обоих примерах с увеличением a генерируемые точки приближаются к оптимальному решению извне допустимого множества. Поэтому ряд авторов называют рассматриваемый метод методом внешних штрафов.

приближаются к минимуму исходной задачи.
В связи с возможными

трудностями поиска при малых значениях m решается не одна, а последовательность вспомогательных задач с уменьшающимися значениями параметра барьера.