评价网 > 科教论文 > 理学毕业论文 > 理工论文 > 正文

一种多目标决策问题的模糊解法及在洪水调度中

2016-02-16 01:05 摘要：针对定性多目标决策问题，提出了一种利用模糊集理论来求解的方法。它先对目标及权重进行模糊化，然后通过模糊运算及反模糊化的过程得到各方案的评价值，进而进行多目标决策。文章最后通过对丰满水库实际洪水调度方案的多目标决策，表明了该方法的可行性和有效性，同时还具有简单、实用、直观的优点。
关键词：多目标决策 模糊逻辑 权重 　　多准则决策(包括多目标决策和多属性决策)是目前决策科学、系统工程、管理科学和运筹学等学科研究中十分重要、非常活跃的领域。它是从有限个待优选方案集{a1, a2,, an}中经过综合权衡各个目标(或属性)oi∈o={o1,o2,…, om}(i=1,2,…m)后，对方案集排序并选出最满意方案。由于各个目标间的不可公度性与冲突性，一般要把各目标特征量转化为相对隶属度(或效用函数)，然后赋予各个目标相应权重，再作综合评价，从而确定最满意方案。其中一个突出而又艰难的问题就是权重的确定。权重一般是由决策者给出，但是，决策者往往很难或者根本无法确定各个目标权重的准确值；另一方面，决策者虽不能给出一个确定的权重，却能给出一个大致的范围，如“很重要”、“重要”、“不太重要”等；同时在目标变量中也存在一些定性目标，如“很差”、“较差”、“很好”等，对这些含有语言变量的多目标决策问题，本文给出了一个简单而有效的模糊求解方法。 1 多目标决策的模糊优选理论模型简介　　首先简单介绍一下陈守煜提出的多目标决策模糊优选模型[1] 　　设考虑的目标数为m，拟定的可行方案数为n，由n个决策方案组成的方案集a={a1,a2,… an}，其决策矩阵可表示为x=(xij)m×n，其中xij是方案j(j=1,2,…，n)的第i(i=1,2，…,m)个定量目标值。为了增加目标可比性，需要对目标作归一化，对效益型(即目标值越大越好)和成本型(即目标值越小越好)目标，分别用公式(1)和式(2)转化成相对隶属度矩阵r=(rij)m×n。rij=(xij-ximin)/(ximax-ximin)(1)rij=(ximax-xij)/(ximax-ximin)(2)　　在式(1)和式(2)中，(符号∨和∧分别表示取大、取小运算)。 　　对方案的多目标决策问题，方案优选是一相对概念，据此可定义理想优方案g和理论劣方案bg=(g1,g2,…,gm)(3)b=(b1,b2…,bm)　　式中， 　　显然，这里g=(1,1，…，1)1×m,b=(0,0,…， 0)1×m 　　由于目标冲突性，方案g和b一般是不存在的，为此方案的优选是选择一个最满意的方案aj使之尽可能接近g而远离b。若设方案aj隶属于g的相对隶属度为uj则隶属于b的相对录属度为1-uj，按模糊优选理论模型，可得方案aj的相对优属度为(4)式中，i=1,2,…，m;j=1,2,…,n。 　　若权值已知，通过上式即可求解uj。 2 定性变量的描述及评价　　我们看到对于定量的多目标决策问题(即目标和权重均为定量值)，上述模型可以很好地解决，但若含有定性目标，且权重不能确定时又怎么办呢?文献[2]是通过构建相及矩阵来计算定性目标的相对隶属度和权重的大小的；本文则利用模糊逻辑推理来进行求解。 　　一般，对于定性变量，我们可以通过一些语言变量进行描述，如“很差”、“差”、“较差”、“中”、“较好”、“好”、“很好”等（对于权重则称为“很不重要”、“不重要”、“不太重要”、“一般”、“比较重要”、“重要”、“很重要”等，分别用nb、nm、ns、ze、ps、pm、pb代替)，这些语言变量又都可以用不同的模糊集来表示。这里用三角形隶属函数来表示一个模糊集：若以3个顶点在横轴上的坐标(a，b、c)表示一个三角形，其中b是相对隶属度最大的点(如图1所示)，则以上7个模糊集分别为(0，0，0.25)，(0，0.25，0.35)，(0.25，0.35，0.5)，(0.35，0.5，0.75)，(0.5，0.75，0.85)，(0.75，0.85，1.0)，(0.85，1.0，1.0)，其隶属函数如图2所示。于是各定性变量可记为