问题的提出与目标规划的数学模型

《问题的提出与目标规划的数学模型》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、复习：某市为方便学生上学，拟在新建的居民小区增设若干所小学。已知被选校址代号及其能覆盖的居民小区编号如右表所示，问为覆盖所有小区至少应建多少所小学，要求建模并求解。备选校址代号覆盖的居民小区编号，模型为最优方案为在A、D、E三处建小学。第五章目标规划§1问题的提出与目标规划的数学模型§2目标规划的图解分析法§3用单纯形法求解目标规划在科学研究、经济建设和生产实践中，人们经常遇到一类含有多个目标的数学规划问题，我们称之为多目标规划。本章介绍一种特殊的多目标规划叫目标规划(goalprogramming)，这是美国学者Cha

2、rnes等在1952年提出来的。目标规划在实践中的应用十分广泛，它的重要特点是对各个目标分级加权与逐级优化，这符合人们处理问题要分别轻重缓急保证重点的思考方式。本章分问题的提出与目标规划的数学模型、目标规划的图解分析法、与用单纯形法求解目标规划等三个部分进行介绍。§1问题的提出与目标规划的数学模型目标规划模型问题的提出为了便于理解目标规划数学模型的特征及建模思路,我们首先举一个简单的例子来说明.例1某公司分厂用一条生产线生产两种产品A和B，每周生产线运行时间为60小时，生产一台A产品需要4小时，生产一台B产品需要6小时．

3、根据市场预测，A、B产品平均销售量分别为每周9、8台，它们销售利润分别为12、18万元。在制定生产计划时，需要考虑下述4项目标：目标规划模型问题的提出(续)首先，产量不能超过市场预测的销售量；其次，工人加班时间最少；第三，希望总利润最大；最后，要尽可能满足市场需求,当不能满足时,市场认为B产品的重要性是A产品的2倍．试建立这个问题的数学模型．讨论：若把总利润最大看作目标，而把产量不能超过市场预测看作次要目标，该怎么处理？目标规划模型设决策变量x1，x2分别为产品A，B的产量，建立数学模型：目标规划模型容易求得上述线性规划

4、的最优解为(9,4)T到(3,8)T所在线段上的点,最优目标值为Z*=180,即可选方案有多种.在实际上,这个结果并非完全符合决策者的要求,它只实现了既定的第一、二、三条目标，而没有达到最后的一个目标。进一步分析可知，要实现全体目标是不可能的。目标规划模型目标规划模型的基本概念把例1的4个目标表示为不等式.仍设决策变量x1，x2分别为产品A，B的产量.那麽,第一个目标为:x19，x28；第二个目标为:4x1+6x260；第三个目标为:希望总利润最大，要表示成不等式需要找到一个目标上界，这里可以估计为252（=12

5、9+188），于是有12x1+18x2252；第四个目标为:x19，x28；目标规划模型目标规划模型的基本概念下面引入与建立目标规划数学模型有关的概念．（1）、正、负偏差变量d+，d-我们用正偏差变量d+表示决策值超过目标值的部分；负偏差变量d-表示决策值不足目标值的部分。因决策值不可能既超过目标值同时又末达到目标值，故恒有d+d-＝0．（2）、绝对约束和目标约束我们把所有等式、不等式约束分为两部分：绝对约束和目标约束。目标规划模型绝对约束是指必须严格满足的等式约束和不等式约束；如在线性规划问题中考虑的约束条件

6、，不能满足这些约束条件的解称为非可行解，所以它们是硬约束。设例1中生产A，B产品所需原材料数量有限制，并且无法从其它渠道予以补充，则构成绝对约束。目标约束是目标规划特有的，我们可以把约束右端项看作要努力追求的目标值，但允许发生正式负偏差，用在约束中加入正、负偏差变量来表示，于是称它们是软约束。目标规划模型对于例1,我们有如下目标约束x1+d1--d1+=9(1)x2+d2--d2+=8(2)4x1+6x2+d3--d3+=60(3)12x1+18x2+d4--d4+=252(4)目标规划模型(3)、优先因子与权系数．对于

7、多目标问题，设有L个目标函数f1,f2,,fL,决策者在要求达到这些目标时，一般有主次之分。为此，我们引入优先因子Pi，i=1,2,,L.无妨设预期的目标函数优先顺序为f1,f2,,fL,我们把要求第一位达到的目标赋于优先因子P1，次位的目标赋于优先因子P2、…，并规定Pi>>Pi+1，i=1,2,,L-1.目标规划模型即在计算过程中,首先保证P1级目标的实现，这时可不考虑次级目标；而P2级目标是在实现P1级目标的基础上考虑的，以此类推。当需要区别具有相同优先因子的若干个目标的差别时，可分别赋于它们不同的权系数w

8、j。优先因子及权系数的值，均由决策者按具体情况来确定．（4）、目标规划的目标函效．目标规划的目标函数是通过各目标约束的正、负偏差变量和赋于相应的优先等级来构造的．目标规划模型目标规划模型的基本概念（续）决策者的要求是尽可能从某个方向缩小偏离目标的数值。于是，目标规划的目标函数应该是求极小：minf＝f（d+，d-)．