1.只含连续型变量的决策方法[33]
（1）可行域缩减法。文献[23]最早提出的STEM法，就是属于这类方法，用来解决线性多目标决策问题，它的优点是通过把计算的目标函数值与它们的理想值相比较，明确了哪些目标函数值需要改进，哪些目标函数值需要降低，且交互过程简单明确。文献[34]把STEM法用于学校部门的规划，效果很好。文献[35]用计算机图形学修改了STEM法，并用于河流水资源的规划中。文献[36]结合目的规划和STEM特点，提出了一种目的规划STEM法（GP-STEM），它的优点是只需较少的迭代次数（与STEM法相比），就可得到偏好解。文献[37]提出了类似的GPSTEM法，解决了多目标决策问题。文献[38]提出了限界搜索法（BSM），与现有STEM类相比，BSM有两个特点：其一，偏好信息可以全部是定性的，并允许模糊目标函数的存在，这使决策者能更加容易和更加可靠地提供偏好；其二，提供信息的方式或内容可以选择。BSM的这两个特点能使它不仅适用于求解较复杂的问题，而且比STEM类有更广泛的应用领域。
可行域缩减法的每步迭代一般包含三个阶段：计算阶段、对话阶段、可行域缩减阶段。在迭代过程中，决策人可根据实际情况修改自身的目标值，直到获得偏好解。这种方法思路清晰、简洁，可推广到整数和非线性决策问题。
（2）可行方向法。这一方法的先驱者为Geoffrion，文献[39]修改了Frank-wolf法[40]，并将这一方法运用到课程设计[39]、网络设计[41]、仿真最优化[42]。但其主要缺点为难于提供明确的局部置换率和保证搜索步长的必要性。文献[24]运用一系列两个目标函数比较的信息来代替局部置换率，但这种方法大大地增加了迭代次数。文献[43]通过消除步长搜索，改进了GDF法[39]。文献[44]根据向量偏好序信息，改进了GDF法中的搜索方向法。文献[45]是GDF法的推广，与GDF法的不同之处在于，它通过文献[46]提出的参考方向来确定新的搜索方向，反映了决策人的偏好。
可行方向法是解决单目标非线性决策问题的可行方向法的推广。在迭代过程中，决策人需提供改进的方向和步长。这种方法对决策人的素质要求较高，有时决策人较难准确地回答分析人的问题。
（3）准则权空间法。这种方法的典型是文献[47]。它的主要特点是：①在计算阶段，利用加权法多目标规划的思想；②在对话阶段，根据对非劣面的置换的数据，给出愿意、不愿意或无差异这三种回答作为决策人的偏好信息。准则权法已得到成功的应用[48]，但这种方法只适用于多目标线性问题。文献[49]对比法作了较大的修正和改进，改进后的方法可适用于非线性目标函数和非线性效用函数。文献[50]提出了区间准则权方法，通过扩展或缩小每一目标的权区间，产生非劣极点的子集。在每步迭代过程中，通过与决策人交互，逐步缩小权区间，直至得到偏好解为止。交互权和法或筛选法[51]是文献[50]的推广。文献[52]提出了一种新的交互式方法，此法的主要特点是，通过与决策人的交互对话，来逐次缩小权向量空间，在对目标空间中的点作筛选后，得到决策人满意的解，该方法打破了以往在目标空间和决策空间的交互方式。
（4）序贯多目标决策方法（SEMOPS）。文献[31]最早提出了与给定目的偏差最小的一种非线性的交互方法（SEMOPS），并运用到水资源规划中。这种方法的特点是，决策人给出的愿望目的水平，不是以固定点的形式给出，而是以“区间值”表示的。其方法的优点是，在迭代过程中容易看出目标之间的矛盾，因此比较容易修改目标的目的值。其不足之处是：其一，决策人难于设置和重新设置愿望目的水平；其二，在解辅助问题时，很可能出现不一致的后果，以致不能有一循序渐进的步骤去确定一致的区间目的。文献[53]把SEMOPS法的思想和非线性目的规划结合起来构成了多目标问题的顺序信息发生器（SIGMOP）。
（5）拉格朗日乘子法。使用拉格朗日乘子的交互方法属于此类。文献[54]提出了交互式代理值置换法（ISWT），是一种拉格朗日乘子法。ISWT法的计算步骤与SWT法基本一致，不同的是在ISWT法中，与非劣解相对应的置换代理值由决策人确定。它的优点是：为不可公度的目标函数提供了定性和定量的分析方法，非常适用于具有多个决策者的多目标函数的分析和优化，当目标函数较多时，这种方法比其他多目标分析法要好用。但是，由于置换率是在每两个目标之间进行变化而得到的（即其余所有目标取为固定值），所以置换率随目标水平的变化将受到一定的限制，使得提供的信息不够全面。
文献[55]还提出了交互式松弛法（IRM）和图形交互式松弛法（GIRM），且收敛性得到证明。文献[56]在文献[55]的基础上，也提出了一种交互式代理值优化方法（SPOT法），此方法通过估算边际替代率，使局部代理值偏好函数最小，该方法已用于环境系统中。文献[57]运用拉格朗日乘子，解决了双准则优化问题。
这类方法是在实际问题中应用较多的一种方法，其主要原因是在现有的典型求非劣解的方法中，都很容易获得置换率，置换率为分析人和决策人之间的交互提供了非常有用的信息，而且该类方法的附加条件不强，线性和非线性决策问题均适用，这是一类很有发展前途的交互式决策方法。(www.xing528.com)
（6）置换割平面法。这类方法是可行域缩减法的变体。通过迭代逐步缩减目标空间，是筛选出偏好解的唯一类方法。适用于解决一般的非线性问题，但需要明确的局部置换率。
文献[43]运用局部置换信息，提出了一种切割平面法。该方法使用割平面，逐步缩小目标空间，直至达到偏好解，已应用到商品资源规划和排污问题上。文献[58]改进了寻找新的非劣解的方法，并证明了此法的收敛性。文献[59]使用逐对目标向量比较的信息，提出了启发式切割法，并用于切割金属时参数选择问题上，这一方法减轻了决策人在交互过程中的认知负担，且对整数多目标问题也适用。文献[60]提出了逐对比较法（PCM）和比较置换法（CTM），解决了双准则问题，这些方法通过与决策人交互，在每步迭代时消除了一部分目标区间，PCM法已成功地运用到疾病控制问题上。
2.具有离散型决策变量的方法[33]
以下讨论，只限于含有整数决策变量的方法。
（1）基于割平面法的方法。文献[61]和[62]提出了含整数变量的多目标决策方法。这种方法类似于文献[15]提出的连续型变量的割平面法，它的优点是能够处理非线性目标函数和非线性约束问题。
（2）基于分枝定界法的方法。文献[63]在偏好序动态规划的框架下，应用分枝定界法，找出了多目标整数问题的偏好解。这种方法也能解决目标为非线性的决策问题，只要目标函数对于决策变量是可分离的。文献[64]运用分枝定界法，通过与决策人的交互，解决了多目标混合整数问题，在此方法中，为了解决分枝定界树每个节点的松弛量问题，使用了ZW法[47]。
（3）基于STEM法的方法。文献[65]提出了求解多目标混合整数问题的一种方法。这种方法需要决策人在每步迭代过程中设置和重新设置目的水平，此外该方法还运用了单目标混合规划的解法。
从以上讨论的各类方法中，我们可以看出，虽然各类方法的特点不尽相同，但它们有着共同的特点：①首先基于初始问题参数（即决策人最初给出的偏好信息），求出一组非劣解；②由决策人对该组非劣解进行评价，然后修改自己原来的意向，给出新的问题参数；③利用修正的问题参数，构成新的决策问题进行求解，得到新的非劣解。不断重复上述步骤，直到决策人对当前的解已经满意，或虽不满意，但分析人无计可施为止。各类方法的主要不同点是分析人采用不同的方式去诱导和使用决策人的偏好信息。
由于各类决策问题的情况不同，决策人处理信息的能力又有差异，因此要找到一个有效地解决所有决策问题的交互式方法是困难的。对于实际问题，必须根据各类交互式方法的特点，选择适合于其实际问题的一类决策方法，从而使问题得以解决。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
