Задача многокритериальной оптимизации. Multiobjectivization — различия между версиями

Материал из Викиконспекты
Перейти к: навигация, поиск
(Задача многокритериальной оптимизации)
Строка 17: Строка 17:
 
Выражение <math>x \succ x^*</math> означает, что <math>x</math> ''доминирует над'' <math>x^*</math>.
 
Выражение <math>x \succ x^*</math> означает, что <math>x</math> ''доминирует над'' <math>x^*</math>.
 
[[Файл:Dogmin points.jpg|мини|200px|Доминируемые решения]]
 
[[Файл:Dogmin points.jpg|мини|200px|Доминируемые решения]]
 +
 
{{Определение  
 
{{Определение  
 
|definition=
 
|definition=
 
Для двух решений <math>x</math> и <math>x'</math> говорят <math>x \sim x'</math> тогда и только тогда, когда <math>\exists i \in 1..K \colon f_i(x) > f_i(x') \land \exists j \in 1..K, j \ne i \colon f_j(x') > f_j(x)</math> - такую пару решений называют '''недоминируемой'''
 
Для двух решений <math>x</math> и <math>x'</math> говорят <math>x \sim x'</math> тогда и только тогда, когда <math>\exists i \in 1..K \colon f_i(x) > f_i(x') \land \exists j \in 1..K, j \ne i \colon f_j(x') > f_j(x)</math> - такую пару решений называют '''недоминируемой'''
 
}}
 
}}
 +
[[Файл:Pareto_front.jpg|мини|200px|Парето фронт]]
 +
Множество Парето оптимальных недоминируемых решений называется '''Парето фронтом.'''
  
Множество Парето оптимальных недоминируемых решений называется '''Парето фронтом.'''
+
 
[[Файл:Pareto_front.jpg|мини|200px|Парето фронт]]
+
== Multi-objectivization ==
== Получение оптимальных по Парето решений ==
+
Для выполнения оптимизации многокритериальной задачи мы должны добавить в целевую функцию новые параметры, либо должны добавить новые целевые функции.
Для выполнения оптимизации по нескольким критериям мы должны либо заменить единственную целевую
+
 
 +
Сложность этой процедуры заключается в разложении проблемы на ряд мелких независимых между собой под-проблем.
  
 
== Источники ==
 
== Источники ==

Версия 04:23, 19 июня 2012

Задача многокритериальной оптимизации

Постановка задачи

Определение:
Задача многокритериальной оптимизации:
[math]maximize \{f(x) = (f_1(x),\dots,f_K(x))\}[/math]
[math] x \in X[/math]
где [math] f(x) : X \rightarrow R^K[/math] - целевая вектор-функция, где [math]K \ge 2[/math]

Так как не существует единого решение, которое было бы максимальным для всех целевых функций, вместо него можно искать множество [math]X^* \subseteq X [/math] множество Парето оптимальных значений.

Множество Парето оптимальных значений

Определение:
Множество Парето оптимальных значений:
[math]\forall x^* \in X^* \not\exists x \in X [/math]:[math]x \succ x^*[/math], где [math]x \succ x^* \Leftrightarrow (\forall i \in 1..K, (f_i(x) \ge f_i(x^*))\land (\exists i \in 1..K, f_i(x) \gt f_i(x^*)))[/math]

Выражение [math]x \succ x^*[/math] означает, что [math]x[/math] доминирует над [math]x^*[/math].

Доминируемые решения


Определение:
Для двух решений [math]x[/math] и [math]x'[/math] говорят [math]x \sim x'[/math] тогда и только тогда, когда [math]\exists i \in 1..K \colon f_i(x) \gt f_i(x') \land \exists j \in 1..K, j \ne i \colon f_j(x') \gt f_j(x)[/math] - такую пару решений называют недоминируемой
Парето фронт

Множество Парето оптимальных недоминируемых решений называется Парето фронтом.


Multi-objectivization

Для выполнения оптимизации многокритериальной задачи мы должны добавить в целевую функцию новые параметры, либо должны добавить новые целевые функции.

Сложность этой процедуры заключается в разложении проблемы на ряд мелких независимых между собой под-проблем.

Источники