【摘要】:图2-1技术路线图多目标优化问题通常被认为源于意大利科学家Pareto的创新性研究[1],因此,多目标优化问题又被称为“Pareto最优化”问题。基于Pareto的研究工作,多目标优化问题通常可以表示为如下数学形式:其中,S代表决策变量集合,即所有可行解的集合;f是一个矢量,用以表征m个目标函数(f1,f2,…为了避免决策者在决策时过多的主观判断,多目标优化中引入了“支配”的概念。
基于多目标优化问题的特点,本章提出了一种用于解决城市应急物流设施选址问题的方法框架,其具体的技术路线如图2-1所示。
图2-1 技术路线图
多目标优化问题通常被认为源于意大利科学家Pareto的创新性研究[1],因此,多目标优化问题又被称为“Pareto最优化”问题。基于Pareto的研究工作,多目标优化问题通常可以表示为如下数学形式:
其中,S代表决策变量集合,即所有可行解的集合;f是一个矢量,用以表征m个目标函数(f1,f2,…,fm),这些目标函数通常取最小化形式;x是决策变量的矢量表达式。(www.xing528.com)
为了避免决策者在决策时过多的主观判断,多目标优化中引入了“支配”(dominate)的概念。“支配”概念根据每个目标函数值对所有候选解进行比较和排序,这种方式不需要任何用于表示决策目标相对重要性的先验条件,从而避免了决策者的主观判断对决策结果的影响[2]。具体地,决策矢量x'∈S被认为“支配”另一个决策矢量x"∈S,当且仅当:
如果x'中无任何目标函数的值大于(或差于)x"中相应的目标函数的值,并且x'中至少有一个目标函数的值小于(或优于)x"中相应的目标函数的值,则认为x'支配x",即x'≻x"。同时,当某一个可行解不被其他任何可行解支配时,称该可行解为Pareto最优解,所有Pareto最优解的集合或其子集被称为Pareto最优解集。Pareto最优解集P*中的所有Pareto最优解对应的目标矢量组成的曲面称为Pareto最优前沿面PF*(Pareto-optimal frontier)[3]。
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。