多周期多目标条件风险值模型

在商业、工业、电力和房地产等行业中存在许多复杂的多周期风险决策问题,它的数学模型研究对于解决这些问题具有重要的作用.作者建立了一种新的多周期多目标条件风险值(CVaR)数学模型理论和方法.先定义了一种带时间段的多周期多目标损失函数下的α-VaR和α-CVaR值,给出了一类多周期多目标CVaR最优化模型.然后,证明了多目标意义下的对应模型的等价定理,给出了多周期多目标CVaR模型的近似求解等价模型.最后,建立了一种生产企业在供过于求和供不应求两种情形下产生的多周期双目标CVaR模型,针对一个电力生产企业进行的数值实验,表明了模型可以得到在最小供给的用电损失分布下的各周期下的相匹配供电策略,可以帮助供电部门各个时期供电不平衡状况下的风险控制.     

基于相对目标接近度的多目标决策方法及其应用

对多目标决策问题 ,引进多目标决策问题的理想点、多目标决策问题的负理想点和任意可行解对应的的目标向量的概念 ;然后将多目标决策问题的理想点、多目标决策问题的负理想点和任意可行解对应的的目标向量标准化 ;再利用 AHP法计算目标函数的权重向量 ;考虑权重后 ,定义任意可行解对应的目标向量的标准化向量到理想点的标准化向量 (和负理想点的标准化向量 )的加权距离 ,从而引进目标向量与理想点的相对目标接近度概念 ,进而提出了一种基于相对目标接近度的多目标决策方法 .并应用该方法对投资组合问题进行决策     

具有一般偏好信息结构的作战方案评价与优选方法

作战方案评价与优选实质上是一类多属性决策问题。具有一般偏好信息结构的作战方案评价与优选问题迄今尚未看到有任何研究报道。本文对此做了研究,提出和建立了最大加权偏差平方法、最小加权偏差平方法和模糊优选法,并利用假想战例对已有方法做了比较分析说明,可为军事指挥决策与决策支持系统提供备用方法     

基于灰色关联分析的高校课程与教学人员公平匹配问题研究

高校课程与教学人员是否有效配置直接影响高校教学质量.考虑到高校课程与教学人员双边匹配过程中课程设计管理者和教学人员的偏好和匹配的公平性,利用双边匹配理论描述高校课程与教学人员的匹配问题,进而采用灰色关联分析方法测度匹配主体的偏好,构建基于各主体偏好最大、偏差最小的匹配优化模型,并运用线性加权法将多目标匹配模型转化为单目标优化模型求解匹配方案;最后利用所构建的模型探讨江南大学工业工程专业课程与教学人员匹配决策问题.     

矩阵算法在多目标投资决策中的应用

用于解决多目标决策的传统方法有线性加权法、理想点法、平方和加权法等方法,但采用不同的方法得到的结果并不完全相同。为了克服传统方法的不足之处,提出了基于估计相对位置的方案排队法来解决多目标决策问题。     

基于几何布朗运动的投资组合模型

在证券的价格过程是几何布朗运动的前提下,建立了最优投资组合的多目标规划模型,使得投资收益最大和投资风险最小,并利用线性加权和法求得有效解.最后用实例进行分析.     

基于得分信息的双边匹配决策方法

针对基于得分信息的双边匹配问题,提出了一种决策方法。首先,给出了基于得分信息的双边匹配问题的描述;接着,引入了满意度计算公式;以每个主体满意度最大为目标,构建了求解该双边匹配决策问题的多目标优化模型;考虑到每方每个主体的重要程度,将多目标优化模型转化为双目标优化模型;运用线性加权法将双目标优化模型转化为单目标优化模型,在此基础上,运用匈牙利法进行求解获得匹配结果。最后,毕业生与实习岗位的双边匹配实例分析说明了所提方法的有效性。     

熵权DEA混合多目标评价方法研究

提高多目标决策问题评价结果的客观性、准确性,一直是决策科学研究的重要课题.结合熵权、DEA等数学方法对多目标决策问题进行研究,构造混合评价方法.首先通过构造熵权模型,获取主观权重;其次DEA的方法对多目标决策问题进行综合评价,得到问题的综合评价值,最后根据评价结果进行问题分析和判断.算例结果表明,方法能够应用于多目标决策问题,评价结果客观、准确.     

风险型多属性群决策的综合集成方法

对一类权重信息未知,并且属性值为区间灰数的风险型多属性群决策问题进行了探讨,提出了在理想状态下(即决策者群体的理想意见趋于一致时)各属性的客观权重的计算方法.构建了以组内偏差最小、组间偏差最大为目标函数的综合集成优化模型,求解出理想状态下各属性的客观权重.然后综合考虑各决策者的主观偏好,借助每一方案与理想最优方案组、理想最劣方案组综合偏离度的大小对方案的优劣进行排序.应用实例说明了该方法的可行性和有效性.     

一个具有两类工件的多目标排序的NP-困难性

文章考虑具有两个工件集的单机排序问题.第一个工件集J1以加权完工时间和为目标函数,第二个工件集J2以最大加权完工时间为目标函数.问题的目标是寻找一种排序,使得两个目标函数的加权和达到最小,并证明该问题是强NP-困难的.     

具有不确定偏好序信息的双边匹配决策问题研究

针对具有不确定偏好序信息的双边匹配决策问题,提出了一种决策方法。首先,给出了不确定偏好序和双边匹配决策问题的描述;接着,引入了满意度和支付的概念;在此基础上,考虑到匹配主体对之间的满意度要求及中介收益,构建了求解该双边匹配决策问题的多目标优化模型,采用基于隶属函数的加权和方法求解该模型获得双边匹配方案。最后,通过一个算例说明了该方法的可行性和有效性。     

不确定条件下工程项目的多目标模糊均衡优化

在工程项目多目标优化问题研究基础上,研究不确定环境下工程项目多目标均衡优化问题.利用模糊数表示费用变化率和质量变化率,考虑模糊集的不同可能性水平,建立工程项目多目标模糊均衡优化模型,给出模型的求解方法和步骤,得到不同可能性水平下多目标优化问题的最优折衷解变化范围.优化方法使决策者能够根据决策风险的大小进行最优目标值的确定.     

基于两粒度语言评价信息的双边匹配决策

针对基于两粒度语言评价信息的双边匹配问题,提出了一种了基于二元语义信息处理的决策方法。在该方法中,首先将两粒度语言评价信息转化为两粒度二元语义信息;考虑以每个主体满意度最大为目标,运用广义二元语义加权平均算子构建了多目标优化模型;进一步地,运用二元语义算术平均算子将多目标优化模型转化为双目标优化模型;根据二元语义的自身特点将双目标优化模型转化为单目标优化模型,进而进行求解来得到匹配方案。最后,给出一个算例说明所提供方法的有效性。     

基于累积前景理论的具有不完全序值信息的双边匹配决策方法

针对带有主体期望值的具有不完全序值信息的双边匹配问题,提出了一种基于累积前景理论的决策方法。在文中,给出了该双边匹配问题的描述;将主体给出的期望值视为参照点,构建了相对参照点的益损矩阵;依据累积前景理论和规范化公式,将益损矩阵转化为规范化前景矩阵;在此基础上,构建了求解该双边匹配问题的多目标优化模型,使用线性加权法将多目标优化模型转化为单目标优化模型,通过求解该单目标优化模型获得匹配结果;最后,通过一个实例说明了所提方法的可行性和有效性。     

多目标模糊优化设计

多目标优化设计的函数曲面复杂并且缺乏分析理论，这使得多目标优化中的统一权法带有更多的盲目性。为解决这一难题，贴近度方法被用来分析统一权法的模糊学实质，并为多目标优化加权处理提供一有效的方法。     

Primal and dual algorithms for optimization over the efficient set

ABSTRACT

Optimization over the efficient set of a multi-objective optimization problem is a mathematical model for the problem of selecting a most preferred solution that arises in multiple criteria decision-making to account for trade-offs between objectives within the set of efficient solutions. In this paper, we consider a particular case of this problem, namely that of optimizing a linear function over the image of the efficient set in objective space of a convex multi-objective optimization problem. We present both primal and dual algorithms for this task. The algorithms are based on recent algorithms for solving convex multi-objective optimization problems in objective space with suitable modifications to exploit specific properties of the problem of optimization over the efficient set. We first present the algorithms for the case that the underlying problem is a multi-objective linear programme. We then extend them to be able to solve problems with an underlying convex multi-objective optimization problem. We compare the new algorithms with several state of the art algorithms from the literature on a set of randomly generated instances to demonstrate that they are considerably faster than the competitors.     

Bi-objective project portfolio selection and staff assignment under uncertainty

We formulate a project portfolio selection problem under uncertainty with two optimization criteria: a weighted average of economic and strategic gains, and a risk measure expressed as the expected total overtime cost. The optimal assignment of personnel with given skills to the tasks of the selected projects is incorporated as a subproblem. Searching for Pareto-optimal portfolios satisfying the given constraints amounts to a stochastic multi-objective combinatorial optimization problem, a problem type for which only a few general solution approaches are available at present. We apply a recently developed technique called adaptive Pareto sampling, solve a linear subproblem with an LP solver and use the NSGA-II algorithm for deterministic multi-objective optimization as an auxiliary procedure. A convergence result applicable in a more general context is also shown. To obtain objective function estimates, importance sampling is applied. The technique is tested on a benchmark derived from a real-world application case provided by the E-Commerce Competence Center Austria.     

Multi-level optimization for multi-objective problems

A multi-level solution method is presented for multi-objective optimization of large-scale systems associated with the hierarchical structure of decision-making. The method, consisting of a multi-level problem formulation and an interactive algorithm, has distinct advantages in handling the difficulties which are often experienced in engineering. The method is illustrated by its application to an optimal design of a processing system.     

考虑协同信息的人员与岗位双边匹配决策方法

针对考虑协同信息的人员与岗位双边匹配问题,提出一种决策分析方法。首先,给出了考虑协同信息的人员与岗位双边匹配问题描述;其次,依据人员和岗位给出的多指标评价信息,计算了人员对岗位的满意度、岗位对人员的个体技能满意度及人员之间的工作协同度;在此基础上,建立了以人员对岗位满意度最大、岗位对人员个体技能满意度最大和人员之间协同度最大为目标的多目标优化模型,该模型是一个具有多目标的0-1型二次整数规划问题,也是一个NP-hard问题,为了求解该多目标优化模型,设计了一个多目标离散差分进化算法;最后,通过一个实例验证了所提方法的可行性和有效性。     

不确定信息下分式半无限优化问题的近似最优性刻画

该文研究了一类带不确定参数的多目标分式半无限优化问题。首先借助鲁棒优化方法,引入该不确定多目标分式优化问题的鲁棒对应优化模型,并借助Dinkelbach方法,将该鲁棒对应优化模型转化为一般的多目标优化问题。随后借助一种标量化方法,建立了该优化问题的标量化问题,并刻画了它们的解之间的关系。最后借助一类鲁棒型次微分约束规格,建立了该不确定多目标分式优化问题拟近似有效解的鲁棒最优性条件。