多目标优化基础 |
您所在的位置:网站首页 › 归一化法 › 多目标优化基础 |
多目标优化基础
1 多目标优化概念1.1 有效解1.2 目标归一化
1 多目标优化概念
多目标优化的数学模型为: 求 x = { x 1 , x 2 , ⋅ ⋅ ⋅ , x n } ∈ D x=\lbrace x_1,x_2,···,x_n \rbrace \in D x={x1,x2,⋅⋅⋅,xn}∈D m i n F ( x ) = { f 1 ( x ) , f 2 ( x ) , . . . f n ( x ) } minF(x)=\lbrace f_1(x),f_2(x),...f_n(x) \rbrace minF(x)={f1(x),f2(x),...fn(x)} s . t . { h i ( x ) = 0 l = 1 , 2 , . . . , L g m ( x ) ≤ 0 m = 1 , 2 , . . . , M s.t. \begin{cases} h_i(x)=0 & l=1,2,...,L \\ g_m(x)\leq 0 & m=1,2,...,M \end{cases} s.t.{hi(x)=0gm(x)≤0l=1,2,...,Lm=1,2,...,M 式中,n为自变量x的维数;N为函数F(x)的维数;L为等式约束的数目;M为不等式约束的数目。 诸目标可能不一致绝对最优解(对每一个目标函数而言都是最优的)往往不存在往往无法比较两个可行解的优劣 1.1 有效解设多目标优化问题的可行域为D, x ∗ ∈ D x^*\in D x∗∈D,如果不存在 x ∈ D x\in D x∈D,使得 F ( x ) ≤ F ( x ∗ ) F(x)\leq F(x^*) F(x)≤F(x∗),则 x ∗ x^* x∗称该多目标最优化问题的的有效解,也叫Pareto最优解。称有效解的全体为有效解集。 1.2 目标归一化目标归一化就是将多目标问题转化成单目标问题,来达到求解原问题的方法。 线性加权组合 F ( x ) = ∑ i = 1 N ω i f i ( x ) F(x)= \sum\limits_{i=1}^{N}\omega_i f_i(x) F(x)=i=1∑Nωifi(x) 目标规划 F ( x ) = ∑ i = 1 N [ f i ( x ) − f i ∗ f i ∗ ] 2 F(x)= \sum\limits_{i=1}^{N}\lbrack\frac{f_i(x)-f^*_i}{f^*_i}\rbrack^2 F(x)=i=1∑N[fi∗fi(x)−fi∗]2 乘除法 以越小越好的目标函数的乘积除以越大越好的目标函数的乘积 F ( x ) = ∏ i = 1 N f i ( x ) ∏ i = N 1 + 1 N f i ( x ) F(x)=\frac{\prod\limits_{i=1}^{N} f_i(x)}{\prod\limits_{i=N_1+1}^{N} f_i(x)} F(x)=i=N1+1∏Nfi(x)i=1∏Nfi(x) |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |