Авторефераты по всем темам  >>  Авторефераты по разным специальностям

На правах рукописи

Аристова Екатерина Михайловна УЧЕТ ВЗАИМОДЕЙСТВИЯ МЕЖДУ ЦЕЛЕВЫМИ ФУНКЦИЯМИ И ИХ АГРЕГИРОВАНИЕ В ЗАДАЧАХ ОПТИМИЗАЦИИ 05.13.18 - Математическое моделирование, численные методы и комплексы программ

Автореферат диссертации на соискание ученой степени кандидата физико-математических наук

Воронеж - 2012

Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования "Воронежский государственный университет"

Научный консультант: Леденева Татьяна Михайловна, доктор технических наук, профессор, Воронежский государственный университет, заведующий кафедрой Вычислительной математики и прикладных информационных технологий

Официальные оппоненты: Батаронов Игорь Леонидович, доктор физикоматематических наук, профессор, Воронежский государственный технический университет, заведующий кафедрой Высшей математики и физико-математического моделирования Матвеев Михаил Григорьевич, доктор технических наук, профессор, Воронежский государственный университет, профессор кафедры Программирования и информационных технологий

Ведущая организация: Липецкий государственный технический университет

Защита состоится "20" июня 2012 г. в 15 часов 10 минут на заседании диссертационного совета Д.212.038.020 при Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования "Воронежский государственный университет" по адресу: 394006, г. Воронеж, Университетская пл., д. 1, ауд. 335.

С диссертацией можно ознакомиться в научной библиотеке Воронежского государственного университета.

Автореферат разослан " " мая 2012 г.

Ученый секретарь диссертационного совета, Шабров С. А.

кандидат физико-математических наук, доцент

Общая характеристика работы

Актуальность темы. Обобщения детерминированных моделей принятия решений в форме задач математического программирования в условиях неопределенности строятся путем представления коэффициентов целевых функций и/или ограничений нечеткими числами, что позволяет формализовать приближенные знания о той информации, которая необходима для принятия решений. Проявлением неопределенности является и наличие многих целей, которые характеризуют оптимальность решения с различных позиций. Это приводит к тому, что вместо скалярного критерия рассматривается векторный, компонентами которого являются нечеткие целевые функции. Разработка подходов к решению задач многокритериальной нечеткой оптимизации является актуальной проблемой моделирования сложных систем и процессов.

Модели оптимизационных задач в условиях неопределенности рассматривались в работах R. Fuller, C. Carlsson, E. Canestrelli, D. Dubois, F. Herrera, H. J. Zimmermann, Л. Заде, С. А. Орловского, Р. Штойера, В. В. Подиновского, А. В. Язенина и др. Однако, не в полной мере, в этих работах учитывались такие аспекты, как взаимодействие целевых функций, выбор стратегии агрегирования при переходе от векторного критерия к скалярному, взаимосвязь получаемых оптимальных решений с теми, которые могут быть получены на основе различных принципов выбора. В связи с этим диссертационная работа, посвященная разработке новых подходов к решению задач со многими целевыми функциями (критериями), является актуальной.

Диссертационная работа выполнена в рамках одного из основных научных направлений Воронежского государственного университета "Математическое моделирование, программное и информационное обеспечение, методы вычислительной и прикладной математики и их применение к фундаментальным исследованиям в естественных науках".

Цели и задачи исследования. Цель диссертационной работы заключается в разработке моделей и методов для решения задач математического, в частности, многоцелевого линейного программирования с учетом типа взаимодействия между целевыми функциями, характеризующими оптимальность решения.

Для достижения цели в работе решались следующие задачи:

1. Анализ подходов к решению задач векторной оптимизации в детерминированном случае и в условиях неопределенности.

2. Разработка подходов к оценке взаимодействия нечетких целевых функций и способам учета этой оценки при решении задач нечеткого линейного программирования.

3. Разработка методов формирования обобщенного критерия (целевой функции) на основе операций агрегирования и исследование взаимосвязи получаемых оптимальных решений со свойством Парето-оптимальности.

4. Разработка и апробация программного обеспечения, реализующего предложенные алгоритмы и подходы к решению задач многокритериального выбора.

Методы исследования. В диссертационной работе использованы методы исследования операций, теории принятия решений, теории нечетких множеств и нечеткой арифметики, теории графов. При написании программного обеспечения использовалась технология модульного программирования.

Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной:

- коэффициент взаимодействия нечетких линейных целевых функций в форме нечеткого LR-числа, позволяющий структурировать множество целевых функций и на этой основе определить подходы к решению проблемы многокритериальности;

- комплекс методов для решения задач линейного программирования с четкими и нечеткими целевыми функциями, отличающийся альтернативными подходами к решению проблемы многокритериальности и включающий: методы, учитывающие коэффициенты взаимодействия целевых функций; методы с использованием коэффициентов важности целевых функций; метод, основанный на модифицированном принципе приближения по всем критериям к идеальному решению;

- теорема о Парето-оптимальности решения, максимизирующего обобщенный критерий, полученный на основе порядковых операций взвешенного агрегирования, которая обосновывает использование операций данного типа для решения задач векторной оптимизации или многокритериального выбора;

- теорема о взаимосвязи параметров функции расстояния в методе целевого программирования и весовых коэффициентов аддитивной свертки, которая обеспечивает эквивалентность оптимальных решений по Парето;

- структура программного комплекса, включающая модуль для определения типа взаимодействия целевых функций в многоцелевых задачах четкого и нечеткого линейного программирования, а также составляющую для решения задачи многокритериального выбора в сфере банковского кредитования.

Содержание диссертации соответствует п. 1 "Разработка новых математических методов моделирования объектов и явлений, перечисленных в формуле специальности" и п. 3 "Развитие качественных и приближенных аналитических методов исследования математических моделей для использования на предварительном этапе математического моделирования" специальности 05.13.18 - "Математическое моделирование, численные методы и комплексы программ" Паспорта специальностей.

Достоверность научных результатов. Научные положения, теоретические выводы и практические рекомендации обоснованы корректным использованием выбранного математического аппарата, подтверждены результатами вычислительного эксперимента.

Практическая значимость исследования заключается в возможности формирования моделей и методов принятия решений в условиях неопределенности, которая проявляется в необходимости учитывать множество критериев (целевых функций), характеризующих оптимальность выбираемых решений, а также в использовании приближенной информации о параметрах модели. Подходы, предложенные в диссертации, позволяют повысить обоснованность принимаемых решений в прикладных задачах экономики, техники и других областях.

Реализация и внедрение результатов работы. Теоретические результаты диссертации в форме моделей, алгоритмов и программ используются в учебном процессе ФГБОУ ВПО "Воронежский государственный университет" при чтении спецкурсов и выполнении выпускных квалификационных работ. Банком ОАО "Альфа-Банк" (Воронеж) признана целесообразность использования предложенной в диссертации методики для оптимизации процедур кредитования.

Апробация работы. Основные результаты работы докладывались на ежегодных научных сессиях ВГУ и различных конференциях: Международная конференция "Актуальные проблемы прикладной математики, информатики и механики" (Воронеж, 2009-2011 гг.); Всероссийская конференция "Интеллектуальные информационные системы" (Воронеж, 2009 г.); Международная научная конференция "Современные проблемы математики, механики, информатики" (Тула, 2009-2010 гг.); Воронежская зимняя математическая школа им. С.Г. Крейна (Воронеж, 2010-2011 гг.), Международная студенческая научно-практическая конференция "Повышение жизнеспособности нации: продуктивность интеллекта" (Хабаровск, 2010 г.) и др.

Публикации. По теме диссертационного исследования опубликовано научных работ, в том числе 4 - в изданиях, рекомендованных ВАК РФ. В работах, выполненных в соавторстве: в [4] предложен подход для анализа взаимодействия целевых функций в задаче линейного программирования; а в [8] - метод решения задачи о формировании нечеткого инвестиционного портфеля.

Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения и списка литературы. Работа содержит 152 страницы текста, включает 23 рисунка и 22 таблицы. Список литературы содержит 1наименований, включая работы автора.

Содержание работы Во введении обоснована актуальность темы исследования, кратко изложены структура и содержание диссертации, определены научная новизна и практическая значимость полученных результатов.

В первой главе рассмотрены основные положения концепции принятия решений и содержание этапов процедуры принятия решений, предложена классификация задач принятия решений в зависимости от различных признаков.

Отмечается, что важнейшим фактором, осложняющим выбор оптимального решения, является неопределенность, для формализации которой используются различные типы нечетких мер.

Объектом исследования является многоцелевая (многокритериальная) модель математического программирования следующего вида f(x) extr (1) x X = {x : gi(x)[, =, ] bi (i = 1, m)} Rn, где f(x) = (f1(x),..., fp(x))T - векторный критерий, компонентами которого являются целевые функции (критерии) (без ограничения общности для всех целевых функций положим, что extr = max); gi(x) - функции, задающие левую часть ограничений; bi - константы; X - множество допустимых решений.

Особенностью задачи (1), как задачи принятия решений, является то, что для характеристики качества (оптимальности) допустимых решений x используется несколько критериев, поэтому в рамках моделирования необходимо решать проблемы, связанные с установлением и аргументацией понятий "оптимальность", "согласованность", "компромисс", и т.п. В диссертации рассматриваются подходы к решению многокритериальных задач, основанные на этих понятиях.

Вторая глава диссертации посвящена исследованию взаимодействия целевых функций (критериев). К основным типам взаимодействия относятся: кооперация, конфликт и независимость. Для определения типа взаимодействия используется подход, основанный на понятии градиента целевой функции.Будем считать, что все целевые функции в модели (1) удовлетворяют следующим условиям: являются непрерывно дифференцируемыми в X, и тогда в любой точке x для каждой из них определен градиент fi(x), а также для любой точки x0 из X и произвольного ненулевого приращения p Rn можно определить fi(x0) производную по направлению p.

p Идея подхода заключается в следующем. Пусть fi(x) и fj(x) - целевые функции, ej - направление, задаваемое вектором fj(x0) в некоторой точке x0, fi(x0) тогда - производная по этому направлению функции fi(x) в точке x0.

ej Заметим, что направление градиента функции fi(x) есть направление наиболее быстрого ее роста, следовательно, для оценки отклонения направления ej от направления, соответствующего fi(x), можно использовать величину fi(x0) ej kj(fi)|x = = cos, (2) | fi(x0)| где [0, ] - угол, образованный градиентами fi(x0) и fj(x0) в точке x0.

n В линейном случае i = 1, n fi(x) = cikxk, тогда fi(x) = (ci1,..., cin)T, k=Семенов Б. А. Модели и методы решения многокритериальных задач нечеткой оптимизации : диссертация канд. физ.-мат. наук : 05.13.18 / Б. А. Семенов; Воронеж. гос. ун-т; науч. рук. Т. М. Леденева. - Защищена 30.06.2010.- Воронеж : ВГУ. - 2010. - 186 с. - На правах рукописи.

и, следовательно, n cikcjk k=kij = cos = [-1, 1]. (3) n n c2 cil jl l=1 l=Для определения взаимодействия целевых функций разобьем [0, ] на три 2 2 промежутка: [0, ] = [0, ] (, ) [, ]. С учетом этого разбиения 3 3 3 1 1 1 kij[,1] kij(-, ) kij[-1,- ] 2 2 2 можно сформулировать следующие правила принятия решений:

1) если kij [1, 1], то цели кооперируют; 2) если kij [-1, -1], то цели 2 конкурируют; 3) при kij (-1, ) цели независимы.

2 В диссертации предложено обобщение формулы (3) на случай, когда коэффициенты линейных целевых функций в модели (1) представлены нечеткими LR-числами.

Нечетким LR-числом называется нечеткая величина, заданная на множестве действительных чисел, с функцией принадлежности вида L((a - u)/), u [a - , a], 1, u [a, a], LR(u) = (4) R((u - a)/), u [a, a + ], 0, иначе, где a и a - минимальное и максимальное модальные значения нечеткого числа, L и R - невозрастающие полунепрерывные сверху функции, задающие возрастание и убывание функции принадлежности на промежутках [a - , a] и [a, a + ], и - левый и правый коэффициенты нечеткости соответственно.

Если a < a, то LR(u) задает нечеткий интервал, если a = a = a, то LR(u) определяет унимодальное нечеткое число, которое обозначается (a, , )LR.

Задача линейного программирования с нечеткими целевыми функциями имеет вид:

n fi(x) = i max (i = 1, p), ckxk (5) k=x X Rn, где i..., i - коэффициенты целевой функции fi(x) в форме нечетких LR-чисел.

c1, cn По аналогии с формулой (3) определим нечеткий коэффициент взаимодействия в виде n i ck ck j k= kij =. (6) n n ( i)2 ( j)cl cl l=1 l=В диссертации доказана Лемма. Пусть = (a1,..., an) и b = (b1,..., bn) - векторы, у которых каждая a 1 компонента представляет собой нечеткое LR-число, т.е. ai = (ai, i, i )LR, 2 bi = (bi, i, i )LR, тогда их скалярное произведение ( b) представляет собой a, нечеткое LR-число вида n n n n n n n 2 1 1 2 2 1 1 ( aibi, aii + bii - i i, aii + bii + i i )LR. (7) i=1 i=1 i=1 i=1 i=1 i=1 i=На основе леммы и операций над нечеткими числами доказана Теорема 1. Пусть ci и cj - векторы коэффициентов i-й и j-й целевых функций в задаче (5), компоненты которых представляют собой нечеткие j j i i числа вида (ci, k, k)LR и (cj, k, k)LR соответственно. Тогда в качестве k k коэффициента взаимодействия kij выбирается одно из двух согласованных между собой нечетких LR-чисел - kij = (kij, , 1) или kij = (kij, , 2), где n ci cj k k k=kij = ; (8) n n (ci )2 (cj )k k k=1 k= n n n n n n n n n j j i i = [ ci cj (- (ci )2 (cj )2+ (ci )2 + 2 ci k + (k)2 (cj )2 + 2 cj k + (k)2)+ k k k k k k k k k=1 k=1 k=1 k=1 k=1 k=1 k=1 k=1 k= n n n n n n n j j i i + (ci )2 (cj )2 ( ci k + cj k - kk)] [ (ci )2 (cj )2 k k k k k k k=1 k=1 k=1 k=1 k=1 k=1 k= n n n n n n j j i i (ci )2 + 2 ci k + (k)2 (cj )2 + 2 cj k + (k)2]; (9) k k k k k=1 k=1 k=1 k=1 k=1 k= n n n n n n n n n j j i = [ ci cj ( (ci )2 (cj )2 (ci )2 - 2 ci k + (i )2 (cj )2 - 2 cj k + (k)2)+ k k k k k k k k k k=1 k=1 k=1 k=1 k=1 k=1 k=1 k=1 k= n n n n n n n j j i i + (ci )2 (cj )2 ( ci k + cj k + kk)] [ (ci )2 (cj )2 k k k k k k k=1 k=1 k=1 k=1 k=1 k=1 k= n n n n n n j j i i (ci )2 - 2 ci k + (k)2 (cj )2 - 2 cj k + (k)2]. (10) k k k k k=1 k=1 k=1 k=1 k=1 k=При = { - } и = { + } получаем, что = 1, а при = { + } и = { - } выполняется = 2.

В диссертации рассматриваются подходы к определению четкого значения kij на основе процедур дефаззификации. Поскольку тип взаимодействия целевых функций оценивается на основе факта принадлежности коэффициентов взаимодействия к определенному промежутку, то в нечетком случае целесообразно использовать модальное значение нечеткого числа kij, равное kij.

Предлагается следующий алгоритм решения линейной задачи с четкими и нечеткими целевыми функциями, учитывающий тип взаимодействия между ними и основанный на использовании аддитивной свертки, которая позволяет для каждого подмножества целевых функций с определенным типом взаимодействия сформировать обобщенную функцию:

1. Для каждой целевой функции fj(x), j = 1, p решить задачу fj(x) max, x X, получив оптимальное решение x и соответствующее значение fj(x).

j j 2. Составить матрицу K = {kij}pp коэффициентов взаимодействия целевых функций, вычислив kij для каждой пары fi(x) и fj(x).

3. Определить тип взаимодействия между всеми парами целевых функций, используя вышеописанные правила.

j j 4. Определить множества кооперирующих Sкооп, конфликтующих Sконф и j независимых Sнез функций для каждой функции fj(x), j = 1, p.

5. Определить коэффициенты значимости соответствующего взаимодействия j j |Si | i = (i = 1, 3, j = 1, p).

p 6. Построить ранжирование (x,..., x ) решений по предпочтительности j1 jp в зависимости от значений целевых функций, и соответствующим образом упорядочить целевые функции.

7. С помощью специальной процедуры на основе расстояний между множествами однокритериальных задач определить коэффициенты зависимости для каждой пары целевых функций.

8. Определить оценки Fjкооп, Fjконфл, Fjнез (j = 1, p) по формулам Sj Sj Sj конф кооп нез i i Fjкооп = Gi pi, Fjконфл = Mjpi, Fjнез = Njpi, (11) j i=1 i=1 i=где Gi, Mi, Ni - функции из соответствующих множеств, с которыми j-я целевая функция кооперирует, конфликтует и независима, pi - коэффициенты зависимости.

9. Построить обобщенную целевую функцию вида p F (f1(x),..., fp(x)) = Fj(f1(x),..., fp(x)), j=где j j j Fj(f1(x),..., fp(x)) = 1Fjкооп + 2Fjконфл + 3Fjнез. (12) 10. Решить задачу линейного программирования F (f1(x),..., fp(x)) max, x X Rp.

В диссертации проведен анализ работы данного алгоритма с использованием различных принципов принятия группового решения: правила простого большинства, правила Борда, правила Кондорсе и принципа стратегического планирования. Установлено, что решение, полученное с помощью данного алгоритма, согласуется с перечисленными принципами группового выбора.

В третьей главе рассматривается проблема агрегирования для многокритериальных (многоцелевых) задач, решение которой направлено на формирование обобщенного критерия (обобщенной цели). Выбор оператора агрегирования - важнейший этап моделирования. В диссертации рассмотрены основные типы функций агрегирования, среди которых перспективными для формирования обобщенной целевой функции являются аддитивная свертка (как классический вариант, позволяющий сохранить линейность обобщенной целевой функции) и порядковые функции агрегирования. В первом случае весовые коэффициенты wi (i = 1, p) определяют систему приоритетов на множестве целевых функций, а во втором - появляется возможность формализовать некоторый принцип согласования целей (критериев) за счет использования лингвистических кванторов с соответствующими функциями квантификации.

p-местным порядковым оператором агрегирования, ассоциированным с вектором весов W = (w1,..., wp), называется отображение F : [0, 1]p+1 [0, 1] такое, что p FW (A) = wia(i), (13) i=где : {1,..., p} {1,..., p} - перестановка со свойством a(i) a(i+1).

Отличительной особенностью порядковых операторов агрегирования является наличие количественно измеримых свойств (уровень компенсационных свойств, отношение к риску), а также возможность моделирования компромиссной стратегии, которая занимает промежуточное положение между конъюнкцией (все цели должны быть достигнуты) и дизъюнкцией (достижение по крайней мере одной цели) критериев. Этот подход реализуется с помощью функций квантификации.

Пропорциональная функция квантификации - это непрерывная, неубывающая функция Q : [0, 1] [0, 1], которая удовлетворяет условиям Q(0) = 0, Q(1) = 1 и служит для качественного описания отношения части к целому (большинство, несколько, мало и т.п.). Для заданной функции квантификации Q(x) весовые коэффициенты определяются по следующим p формулам (при этом всегда выполняется wi = 1):

i=1 i i - w1 = Q( ), wi = Q( ) - Q( ) (i = 2, p), (14) p p p В диссертации рассматриваются различные типы функций квантификации, в том числе ее параметрические формы. Выявлено влияние параметров для некоторых функций квантификации на стратегию агрегирования. А также представлен алгоритм формирования обобщенного критерия, отличительной особенностью которого является возможность учета стратегии и схемы агрегирования, а также уровня компенсационных свойств.

Особое значение процедура агрегирования имеет для целевых функций, принадлежащих одному и тому же классу кооперации, поскольку позволяет сократить общее число критериев и свести задачу к такому варианту, когда цели независимы или конкурируют (в этом случае целесообразно использовать, например, метод последовательных уступок, метод целевого программирования).

В работе предложен ряд алгоритмов, которые учитывают характер взаимодействия целей и используют процедуры агрегирования.

Будем говорить, что целевые функции fi (x),..., fi (x) в задаче (1) 1 r кооперируют в совокупности, если min {ki is} [1, 1].

t t,s{1,...,r},t =s Подмножество целевых функций {fi (x),..., fi (x)} образует класс кооперации, 1 r если они кооперируют в совокупности и подмножество является максимальным по включению, т.е. добавление любой другой целевой функции, не входящей в это подмножество, нарушает отношение кооперации.

Для построения класса кооперации используется понятия графа кооперации.

Пусть (f1(x),..., fp(x))T - вектор целевых функций, K = {kij}pp - матрица кооп коэффициентов взаимодействия целевых функций, Kкооп = {kij }pp - матрица с элементами 1, kij [1, 1], кооп kij = 0, иначе.

Графом кооперации Gкооп называется граф, у которого множество вершин совпадает с множеством целевых функций, а матрица смежности - с Kкооп.

В диссертационной работе предложен алгоритм, основанный на выделении клик в графе кооперации Gкооп, которые представляют собой максимальные полные подграфы. В кликах все вершины попарно связаны между собой, причем коэффициенты взаимодействия связей kij [1, 1], т.е. каждая клика содержит только кооперирующие цели, и ей в соответствие можно поставить единственную цель, полученную с помощью подходящего оператора агрегирования. Клики являются основой для агрегирования кооперирующих целей.

Другой подход для структуризации множества целей связан с использованием знаковых графов. Пусть (f1(x),..., fp(x)) - вектор целевых функций, K = {kij}pp - матрица коэффициентов взаимодействия. Знаковый граф Gвзаим взаимодействия целевых функций определяется правилами:

а) каждой вершине i ставится в соответствие целевая функция fi(x);

б) вершины i и j соединяются ребром, если соответствующие целевые функции не независимы, причем ребро (i, j) помечается знаком "+", если kij [1, 1] и знаком "-", если kij [-1, -1].

Согласно теореме Харари о структуре, если множество вершин знакового графа можно разбить на два подмножества так, что связи в каждом из подмножеств положительны, а для вершин из разных подмножеств отрицательны, то граф является сбалансированным в том смысле, что во множестве вершин отсутствует напряжение, а, следовательно, множество целей можно считать в некотором смысле согласованным.

Может оказаться, что разбиение содержит не два, а больше подмножеств вершин, - в этом случае граф является группирируемым. Группирируемый граф позволяет выделить подмножество кооперирующих целей, которые между собой либо независимы, либо конфликтуют.

В диссертации рассматривается связь между множеством Парето и множеством выбора, которое включает решения, максимизирующие некоторую функцию агрегирования.

Пусть X - множество вариантов решений в задаче векторной максимизации (минимизации). Решение x X называется оптимальным по Парето, если для любого другого решения x для всех частных критериев выполняются неравенства fi(x) fi(x)(fi(x) fi(x)) (i = 1, p), причем существует такой индекс i0, что fi (x) > fi (x)(fi (x) < fi (x)).

0 0 0 Множество Парето P (X) представляет собой множество попарно несравнимых по предпочтению решений, и для окончательного выбора оптимального решения необходимо привлечение специальных методов.

Рассматриваются подходы, основанные на решении следующих задач:

(f1(x),..., fp(x)) max (17) x P (X), p(f(x), f(x0)) min (18) x P (X).

Для решения задачи (17) используется обобщенный критерий, а задача (18) является основой метода целевого программирования. В рамках данного метода в качестве лучшего выбирается такое решение x X, для которого вектор f(x) = (f1(x),..., fp(x)) находится на наименьшем расстоянии от некоторого "идеального" вектора f(x0) = ( max f1(x),..., max fp(x)), составxP (X) xP (X) ленного, например, из максимальных (при максимизации) значений частных критериев.

При выборе вида обобщенного критерия для выявления лучшего решения возникает вопрос: является ли такое решение Парето-оптимальным? Для аддитивной свертки известны необходимые (теорема Карлина) и достаточные условия Парето-оптимальности. Для обобщенного критерия на основе порядковых операторов взвешенного агрегирования доказана Теорема 2. Пусть X - множество вариантов решений, fi(x) - частная оценка решения x X по i-му критерию, f(x) = (f1(x),..., fp(x))T - векторная оценка решения x (множество векторных оценок образует критериальное пространство). Пусть обобщенная оценка решения x X формируется на основе порядкового оператора агрегирования в виде p F (W, f(x)) = wifi(x), (19) i= где f(x) = f(x) , W = (w1,..., wp)- вектор весов, причем i = 1, p (wi [0, 1]), p wi = 1.

i=Тогда справедливо включение X(W ) P (X), (20) где X(W ) = {arg max F (W, f(x))}, P (X) - множество оптимальных по xP (X) Парето решений.

В рамках целевого программирования использование различных метрик для определения расстояния в критериальном пространстве приводит к целому семейству однотипных вариантов метода.

В диссертации рассматривалась задача определения взаимосвязи между методами обобщенного критерия и целевого программирования: если x X является решением задачи (17), то существует ли метрика такая, что x является решением задачи (18), и наоборот, если x X - решение задачи (18), то существует ли аддитивная свертка, что x - решение задачи (17)? В диссертационной работе доказана следующая Теорема 3. Пусть x - решение задачи (17) для некоторого вектора весов p W = (w1,..., wp)T, т.е. x = arg max wifi(x), тогда для всякого целого m x xP (X) i=является решением задачи (18) с метрикой p (m) P (f(x), f(x0)) = ( wi|fi(x) - fi(x0)|m)1/m. (21) W i=Показано, что теорема о существовании аддитивной свертки для метрики верна только в частном случае и основана на теореме Карлина. В случае метрики со значением m = 1 (расстояние Хемминга) аддитивная свертка всегда существует. Приведен пример, показывающий, что решение, минимизирующее некоторую метрику, не всегда максимизирует аддитивную свертку.

На основе приведенных теоретических исследований разработаны алгоритмы для решения задач со многими целевыми функциями, которые учитывают эффект их взаимодействия при агрегировании.

В четвертой главе рассмотрено применение методов, представленных в диссертации, для повышения обоснованности принимаемых решений в области кредитования физических и юридических лиц. Важной отличительной особенностью внешней среды предприятия является наличие рыночной неопределенности, обусловленной ее неконтролируемыми факторами.

В качестве средства разработки применяется среда визуального программирования Borland Delphi 10 Lite. Разработанный программный комплекс включает два программных модуля - "Многокритериальный выбор в сфере банковского кредитования" и "Определение типов взаимодействия целевых функций".

К основным функциональным возможностям программного комплекса относятся: реализация арифметических операций над нечеткими числами и определение коэффициентов и типа взаимодействия между целевыми функциями;

подсчет показателей бухгалтерской отчетности для предприятий; формирование обобщенной оценки для каждого предприятия (физического лица); реализация механизма выбора банком предприятия для кредитования; подсчет значений критериев качества для банков; реализация механизма выбора физическим лицом банка для вложения денежных средств.

На рис. представлена экранная форма, на основе которой вычисляются коэффициенты и тип взаимодействия между целевыми функциями:

В заключении приводятся основные результаты диссертации.

Основные результаты работы 1. Предложен комплекс методов для решения задач линейного программирования с четкими и нечеткими целевыми функциями, отличающийся альтернативными подходами к решению проблемы многокритериальности и включающий: методы, учитывающие коэффициенты взаимодействия целевых функций, методы с использованием коэффициентов важности целевых функций, метод, основанный на модифицированном принципе приближения по всем критериям к идеальному решению.

2. На основании подхода к определению взаимодействия целевых функций в многоцелевых (четких и нечетких) задачах, основанного на вычислении угла между соответствующими им градиентами, введен коэффициент взаимодействия, который позволяет определять тип взаимодействия конкретных целевых функций (кооперация, конфликт и независимость). Предложен метод решения задач линейной многоцелевой оптимизации, основанный на специальном преобразовании целевых функций с учетом коэффициента взаимодействия.

3. В рамках метода целевого программирования найдены условия взаимосвязи параметров функции расстояния в методе целевого программирования и весовых коэффициентов аддитивной свертки, которая обеспечивает эквивалентность оптимальных решений по Парето.

4. Предложены новые методы для решения многоцелевых задач оптимизации, учитывающие взаимосвязь критериев и особенности использования функций агрегирования при переходе к скалярному критерию.

5. Разработан программный комплекс, включающий модуль для определения типа взаимодействия между целевыми функциями в четких и нечетких линейных задачах, а также проблемно-ориентированную составляющую для решения задачи многокритериального выбора в сфере банковского кредитования.

Основные публикации по теме диссертации 1. Мелькумова Е. М. Один из подходов к решению задачи многокритериальной оптимизации // Вестн. Воронеж. гос. ун-та. Сер. Системный анализ и информационные технологии / Е. М. Мелькумова. - Воронеж : Изд-во Воронеж. гос. ун-та, 2010. - №2. - C. 39-42.

2. Мелькумова Е. М. Многокритериальная оптимизация на основе меры зависимости целевых функций // Известия Тульского гос. ун-та. Сер. Естественные науки / Е. М. Мелькумова. - Тула :

ТуГУ, 2011. - выпуск №1. - C. 177-187.

3. Мелькумова Е. М. О некоторых подходах к решению многокритериальных задач // Вестн.

Воронеж. гос. технич. ун-та / Е. М. Мелькумова. - Воронеж : ВГТУ, 2011. - том 7, №7. - C. 122-127.

4. Аристова Е. М. Об одном подходе к анализу задач многокритериальной оптимизации / Е. М. Аристова, Т. М. Леденева // Журнал "Системы управления и информационные технологии" Воронеж. гос. технич. ун-та. - Воронеж : ВГТУ, 2012. - №1(47). - С. 11-14.

5. Мелькумова Е. М. О некоторых подходах к решению задач нечетко-го математического программирования // Сб. тр. Междунар. конф. "Актуальные проблемы прикладной математики, информатики и механики"/ Е. М. Мелькумова. - Воронеж : Изд-во Воронеж. гос. ун-та, 2009. - С. 44-48.

6. Мелькумова Е. М. Управление риском портфельных инвестиций // Сб. тр. Междунар. конф. / Е. М. Мелькумова. - Ижевск : ИГУ, 2009. - том №2. - С. 313-318.

7. Мелькумова Е. М. О некоторых подходах к решению задач многоцелевого нечеткого программирования // Сб. тр. Междунар. науч. школы "Системное моделирование социальноэкономических процессов" имени академика С.С. Шаталина / Е. М. Мелькумова. - Воронеж : Изд-во Воронеж. гос. ун-та, 2009. - C. 428-432.

8. Мелькумова Е. М. О нечетком подходе к формированию фондового портфеля / Е. М. Мелькумова, Б. А. Семенов // Тр. Всеросс. конф. "Интеллектуальные информационные системы". - Воронеж : ВГТУ, 2009. - C. 42-44.

9. Мелькумова Е.М. Некоторые подходы к решению многокритериальных задач оптимизации с использованием аппарата нечетких множеств // Сб. матер. Междунар. науч. конф. "Современные проблемы математики, механики, информатики"/ Е. М. Мелькумова. - Тула : ТуГу, 2009. - C. 344347.

10. Мелькумова Е. М. Методы построения функции принадлежности // Вестн. Воронеж. гос. унта. Сер. Системный анализ и информационные технологии / Е. М. Мелькумова. - Воронеж : Изд-во Воронеж. гос. ун-та, 2010. - №2. - C. 13-18.

11. Мелькумова Е. М. О решении некоторых задач нечеткого математического программирования // Вестн. Воронеж. гос. ун-та. Сер. Системный анализ и информационные технологии / Е. М. Мелькумова. - Воронеж : Изд-во Воронеж. гос. ун-та, 2010. - №2. - C. 19-24.

12. Мелькумова Е. М. Лингвистическая модель оценочной системы // Тез. докл. Воронеж. матем.

школы им. С.Г. Крейна / Е. М. Мелькумова. - Воронеж : Изд-во Воронеж. гос. ун-та, 2010. - C. 101-102.

13. Мелькумова Е. М. Метод выбора лучшей альтернативы при отсутствии информации о предпочтениях на множестве критериев // Матер. Междунар. научно-практич. конф. "Повышение жизнеспособности нации: продуктивность интеллекта"/ Е. М. Мелькумова. - Хабаровск : Изд-во ТОГУ, 2010. - C. 70-74.

14. Мелькумова Е. М. Правило простого большинства для решения задач линейной многокритериальной оптимизации // Сб. тр. Междунар. конф. "Актуальные проблемы прикладной математики, информатики и механики"/ Е. М. Мелькумова. - Воронеж : Изд-во Воронеж. гос. ун-та, 2010. - C. 242-245.

15. Мелькумова Е. М. Правило Борда для решения задачи линейной многокритериальной оптимизации // Сб. матер. Междунар. науч. конф. "Современные проблемы математики, механики, информатики"/ Е. М. Мелькумова. - Тула : ТуГу, 2010. - C. 257-259.

16. Мелькумова Е. М. Принятие решений на основе нечеткого описания состояния системы и исходов // Вестн. факульт. Прикладной матем., информ. и механики / Е. М. Мелькумова. - № 8. Воронеж : Изд-во Воронеж. гос. ун-та, 2010. - №8. - C. 258-263.

17. Мелькумова Е. М. Некоторые правила группового выбора для решения задачи линейной многокритериальной оптимизации // Матер. Воронеж. зимней матем. школы "Современные методы теории функций и смежные проблемы"/ Е. М. Мелькумова. - Воронеж : Изд-во Воронеж. гос. ун-та, 2011. - С. 217-218.

18. Мелькумова Е. М. Решение задачи многокритериальной оптимизации с помощью учета коэффициентов важности целевых функций // Сб. тр. Междунар. конф. "Актуальные проблемы прикладной математики, информатики и механики"/ Е. М. Мелькумова. - Воронеж : Изд-во Воронеж.

гос. ун-та, 2011. - С. 265-269.

Работы № 1-4 опубликованы в изданиях, рекомендованных ВАК РФ.

Подписано в печать..2012. Формат 60 84/16. Усл. печ. л. 0, 93.

Тираж 100 экз. Заказ.

Отпечатано с готового оригинала-макета в типографии Издательско-полиграфического центра Воронежского государственного университета 394000, Воронеж, ул. Пушкинская, 3.

   Авторефераты по всем темам  >>  Авторефераты по разным специальностям