论文部分内容阅读
通常一个求多目标规划问题可以表述为(VMP)V-min<,x∈X> F(x)其中F(x)=(f<,1>(x),f<,2>(x),…,f<,m>(x))是区域X上的m维向量函数.f<,i>(x):R→R(i=1,2,…,m)为连续函数,X为n维欧氏空间中的非空闭集.求多目标规划问题的方法在科学技术,工程设计,经济管理等方面有着很广泛的应用.本文的主要工作是对姜佩磊提出的多目标规划的积分总极值算法做了修正.姜佩磊的算法可以求得多目标规划极小化模型(VMP)的全局有效解或者全局弱有效解,且可以保证概念性算法的收敛.但是其实现过程是利用了Monte-Carlo方法的随机取点,因而实现算法的收敛性没有解决.本文将修正的积分水平集方法的思想,用于求解多目标规划极小化模型(VMP).修正的算法在每一次迭代中,构造了新函数,使得新函数的有效解与弱有效解亦为原函数的有效解与弱有效解,并证明了概念性算法的收敛.而在算法的实现时,我们用数论中确定性的一致分布的数值积分来逼近水平值和水平集,且不改变搜索区间.避免了姜佩磊的实现算法中用Monte-Carlo方法逼近水平集,并收缩迭代区间而造成实现算法不收敛的弱点,且我们给出了修正的多目标规划的积分总极值实现算法的收敛性证明.在第一章中,我们介绍了几种求多目标规划的算法.这些算法中,有评价函数法,目的规划法,分层序列法,满意水平法,交互式法,积分总极值法.在第二章中,首先我们提出了一个修正的多目标规划积分型算法,然后给出相关均值和相关方差的最优性条件,最后证明了慨念算法的收敛.在第三章中,我们给出了实现算法,并证明了实现算法的收敛性.同时给出了一些数值例子,说明修正的多目标规划积分型算法是有效的.在第四章中,我们总结了本文所做的工作以及将来的研究方向.