Векторная оптимизация - это подобласть математической оптимизации , в которой задачи оптимизации с векторными целевыми функциями оптимизируются относительно заданного частичного порядка и с учетом определенных ограничений. Задача многокритериальной оптимизации является частным случаем задачи векторной оптимизации: целевое пространство представляет собой конечномерное евклидово пространство , частично упорядоченное покомпонентным порядком «меньше или равно».
Постановка проблемы
В математических терминах задачу векторной оптимизации можно записать так:
![{\displaystyle C\operatorname {-} \min _{x\in S}f(x)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где для частично упорядоченного векторного пространства . Частичный порядок индуцируется конусом . является произвольным множеством и называется допустимым множеством.
![{\displaystyle Z}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle C\subseteq Z}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle S\subseteq X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Концепции решения
Существуют разные понятия минимальности, среди них:
является слабо эффективной точкой (слабый минимизатор), если для каждой имеется .![{\displaystyle x\in S}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle f(x)-f({\bar {x}})\not \in -\operatorname {int} C}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
является эффективной точкой (минимайзером), если для каждой имеется .![{\displaystyle x\in S}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle f(x)-f({\bar {x}})\not \in -C\обратная косая черта \{0\}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
является собственно эффективной точкой (собственным минимизатором), если является слабо эффективной точкой относительно замкнутого заостренного выпуклого конуса, где .
![{\displaystyle {\tilde {C}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle C\обратная косая черта \{0\}\subseteq \operatorname {int} {\tilde {C}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Каждый правильный минимизатор является минимизатором. И каждый минимизатор является слабым минимизатором. [1]
Современные концепции решения не только состоят из понятий минимальности, но также учитывают достижение минимальной границы . [2]
Методы решения
Связь с многокритериальной оптимизацией
Любую задачу многокритериальной оптимизации можно записать как
![{\displaystyle \mathbb {R} _{+}^{d}\operatorname {-} \min _{x\in M}f(x)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где и является неотрицательным ортантом . Таким образом, минимизатором этой задачи векторной оптимизации являются точки, эффективные по Парето .![{\displaystyle f:X\to \mathbb {R} ^{d}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mathbb {R} _{+}^{d}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mathbb {R} ^{d}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Рекомендации
- ^ Гинчев, И.; Герраджио, А.; Рокка, М. (2006). «От скалярной к векторной оптимизации» (PDF) . Приложения математики . 51 : 5–36. дои : 10.1007/s10492-006-0002-1. hdl : 10338.dmlcz/134627 . S2CID 121346159.
- ^ аб Андреас Лёне (2011). Векторная оптимизация с помощью инфимума и супремума . Спрингер. ISBN 9783642183508.