Слайд 108/13/2019
Тема 19 Векторная оптимизация
и теория принятия решений
Принятие решений на
основе решения оптимизационной задачи
Теория принятия решений
Методы многокритериальной оптимизации
Слайд 208/13/2019
Уяснение и формулировка задачи
Реальная задача
Построение математической модели
Математическая модель
Поиск оптимальных решений
Оптимальные
решения
Выдача
рекомендаций
Принятие решений
Корректировка
модели
Процесс решения задачи
Слайд 308/13/2019
Задачи и математические модели
В качестве средства достижения своих целей человек
создает некую систему – т.е. набор связанных элементов, образующих целостный
объект.
Реальные задачи как раз и возникают при создании или совершенствовании имеющейся системы.
Математическая модель описывает исследуемую систему и позволяет выразить ее эффективность в виде целевой функции
Y = f(X),
где X = (x1,…, xn) — входные параметры системы,
Y = (y1,…, yk) — выходные характеристики
На переменные x1,…, xn накладывается ряд ограничений, которые задают область допустимых параметров
D={x, g1 (X) ≤ 0,.. gm (X) ≤ 0} .
Слайд 408/13/2019
Принятие решений
После того, как модель Y = f(X) создана, подставляя
некоторый вариант исходных данных X∈D получают значение выходных параметров Y.
Для
того, чтобы задуманная исходная цель была достигнута, требуется значения X выбрать такими, чтобы значения выходных параметров y1,…, yk удовлетворяли определенным критериям. Например, yiНа основе выполненных расчетов по модели и принимается решение о том, достигается ли поставленная цель с помощью выбранной конструкции системы. Если нет, то система корректируется, в нее вводятся дополнительные элементы и строится новая математическая модель.
Слайд 508/13/2019
Компьютерные системы
поддержки принятия решений
Модели современных систем достаточно сложны и
для их исследования разрабатываются специализированные компьютерные программы в различных областях:
Базы
данных, базы знаний, системы бух учета, системы складов и перевозок (логистические), пакеты решения всевозможных уравнений и, наконец, пакеты оптимизации.
Все такие пакеты программ и являются по сути компьютерными системами поддержки принятия решений. Их суть в том, чтобы на основе моделирования и оптимизации выбрать наиболее подходящий вариант достижения намеченной цели.
В настоящее время большое развитие получили проблемно-ориентированные программные системы для поддержки принятия решений в конкретной предметной области.
Например для поиска перспективных конструкций СВЧ приборов, антенн, систем планирования, диагностики и т.д.
Слайд 608/13/2019
Теория принятия решений
Зародилась в 30-е годы в США для выработки
оптимальной стратегии и тактики военных операций и получила название –
исследование операций.
В рамках этой науки были сформулированы математические постановки и методы решения целого ряда ставших теперь классическими задач и методов их решения
А.А.Грешилов. Как принять наилучшее решение в реальных условиях.М: «Радио и связь» 1991.
О.И.Ларичев. Теория и методы принятия решений. М: « Логос». 2003
Слайд 708/13/2019
Метод линейного программирования
Задача о диетическом питании (мы знакомились)
Задача о планировании
выпуска продукции
Задача о рюкзаке (об инвестировании)
Задача о перевозках
Задача о
наилучшем использовании станков
Задача об оптимальном раскрое
Задача о назначениях ( распределении работ)
Задача о закреплении самолетов за воздушными линиями
Слайд 808/13/2019
Сетевые задачи (задачи на графах)
Задача комивояжера
Задача о покупке автомобиля
Задача о
размещении производства
Задача о максимальном потоке
Задача о многополюсной цепи с максимальной
пропускной способностью
Слайд 908/13/2019
Динамическое программирование
Задача об оптимальной загрузке транспортного средства неделимыми предметами
Задача о
вкладе средств в производство
Задача о распределении средств поражения
Слайд 1008/13/2019
Методы многокритериальной оптимизации
Если целевая функция только одна, т.е. модель имеет
вид
то имеет место изученная нами однокритериальная оптимизация.
Однако, большинство практически важных систем оценивается не одним, а несколькими критериями, в общем случае m критериями и модель имеет вид
Слайд 1108/13/2019
Примеры задач с несколькими критериями
Усилитель оценивается по двум основным показателям
– коэффициент усиления и КПД:
y1=G(x1..xn) и y2= КПД(x1..xn)
которые в принципе противоречивы.
Выпуск продукции на заводе оценивается стоимостью затрат на производство – y1 и показателем качества, т.е. ценой на рынке y2.
Такие постановки задач приводят к задаче оптимизации с векторной целевой функцией
Получить наилучшее решение = найти компромисс между частными критериями.
Слайд 1208/13/2019
Подходы к решению
Первый подход - сведение многокритериальной задачи к однокритериальной
путем свертывания векторного критерия в один скалярный
Второй подход –методы не
сводящиеся к однокритериальной задаче
Нахождение множества эффективных решений - множества Паретто и предъявление их эксперту
Слайд 1308/13/2019
Множество Паретто
Предпочтение Парето:
Вариант x1 лучше чем x2 (x1>x2) если
fi(x1)≥ fi(x2) и хотя бы одно строгое.
x1,x2 несравнимые (противоречивые) -
если нельзя установить предпочтение, т.е. имеются
и fi(X1)< fi(X2) и fj(X1)> fj(X2)
Множество Xp для которых не существует более предпочтительных (Xp
Это множество эффективных решений
Введем область критериев Df
Слайд 1408/13/2019
В множестве Парето можно установить более мягкие критерии предпочтения. Например
та альтернатива лучше, у которой меньше строгих неравенств выполняется. Вот
здесь и вступает в действие интуиция эксперта, основанная на большом опыте.
f
Слайд 1508/13/2019
Метод весовых коэффициентов
Вводят вектор весовых коэффициентов
Величина значения wi определяет важность
(вес) i-го критерия оптимальности и задает его предпочтение перед
остальными
Весовые коэффициенты задает эксперт
Слайд 1608/13/2019
Обобщенные критерии
Аддитивный критерий оптимальности
Мультипликативный критерий
Среднестепенной обобщенный критерий
Слайд 1708/13/2019
Одна из процедур оценки весовых коэффициентов
Слайд 1808/13/2019
Метод ε-ограничений
Выбирается одна из целей как основная, например
Остальные целевые
функции записываются в виде ограничений
Добавляются свои ограничения
Слайд 1908/13/2019
Метод ε-ограничений (продолжение)
Подобный подход позволяет определить некое количество неухудшаемых решений
даже для случая вогнутой границы
Проблемой остается подходящий выбор значений ε,
хотя ограничения ставятся в жесткой форме и более определенно, чем в методе весовых коэффициентов. Для эксперта это бывает проще.
Слайд 2008/13/2019
Метод достижения цели
Найти оптимальное решение
Задается вектор намерений разработчика (каких значений
критериев он хотел бы достичь)
Задается вектор весовых коэффициентов
Найти
при
Слайд 2108/13/2019
Программная реализация в МатЛаб
[x,f,ga]=fgoalattain(fun,xo,q,w,A,b,
Ae,be,xmi,xma);
[x,f,ga]=fgoalattain(fun,xo,q,w,[],[],
[],[],[],[],nonlcon);
Слайд 2208/13/2019
Метод сведения к задаче минимакса
Этот метод находит решение, на котором
достигается минимум наихудшего случая.
Слайд 2408/13/2019
function minmax1;
%начальное приближение
x0=[1; 0];
% неравенства
A=[3 2];
b=2.2;
xm=[0; 0];
% обращение
[x,p]=fminimax(@fu3,x0,A,b,[],[],xm,[]
,@nonling)
return
Слайд 2508/13/2019
function f=fu3(x)
f(1)=(x(1)-1)^2+(x(2)-2)^2-2.1;
f(2)=x(1)^1.3+2*x(2)^0.9-1;
f(3)=1.7*x(1)+x(2)-0.25;
Return
function [c, ceq]=nonling(x)
c=[]; %ограничений-неравенств нет
%ограничение-равенство:
ceq(1)=-exp(x(1))+exp(x(2))-0.5;
return
Слайд 2608/13/2019
результат
x =
0.2048
0.5466
p =
0.6448
0.2885 0.6448
-f(xy)
x =
0.2664
0.5907
p =
-0.4244 -0.4244 -0.7935