多目标优化概念精品(七篇)

序论：写作是一种深度的自我表达。它要求我们深入探索自己的思想和情感，挖掘那些隐藏在内心深处的真相，好投稿为您带来了七篇多目标优化概念范文，愿它们成为您写作过程中的灵感催化剂，助力您的创作。

篇(1)

0 引言

生活中，许多问题都是由相互冲突和影响的多个目标组成。人们会经常遇到使多个目标在给定区域同时尽可能最佳的优化问题，也就是多目标优化问题。优化问题存在的目标超过一个并需要同时处理，就成为多目标优化问题。

多目标优化问题在工程应用等现实生活中非常普遍并且处于非常重要的地位，这些实际问题通常非常复杂、困难，是主要研究领域之一。自20世纪60年代早期以来，多目标优化问题吸收了越来越多不同背景研究人员的注意力，因此，解决多目标优化问题具有非常重要的科研价值和实际意义

1 普通多目标优化问题

普通多目标优化问题也称为向量数学规划。对设计者或决策者而言，普通多目标优化问题几个设计目标可能存在重要性的差别，但是不存在优先权的差别。

比如，欲把直径为d的圆木加工成矩形截面的梁，如何设计其截面尺寸，使其强度大且重量轻？

分析研究：设截面的宽和高分别为 。由于其强度取决于截面的惯性矩 ，其重量取决于截面面积 ，因此该问题可看作是两个设计目标的优化问题：

该数学模型就可归结为一个普通多目标优化问题：

在这个问题中，梁的强度大可能与重量轻同等重要，也可能比重量轻更重要。但是在把它作为普通多目标优化问题求解的时候，并不因强度大比重量轻更重要，而先考虑强度指标后考虑重量指标。 的极小化将同时进行。

2 目标规划问题

目标规划问题与普通多目标优化问题的不同之处在于：它虽然有多个设计目标，但是每个设计目标并不是使目标函数极小化，而是使每个目标函数同时逼近各自的预定目标值。

比如，某工厂生产n种产品，第i种产品的生产能力为ai吨/小时，其利润为ci元/吨，预测第i种产品下月的最大销售量为bi吨。该工厂下月的工时能力为t小时。在避免开工不足的条件下，如何安排下月计划才能使：1）工厂所获利润最大；2）员工加班时间尽量少；3）尽可能多地满足市场对第1种产品的需求？

分析研究：设下月计划用xi小时生产第i种产品，并用 三个函数分别表示工厂所获利润、员工的加班时间以及第1种产品的产量，该问题就可看作是三个设计目标的优化问题：

假设此例的问题对工厂利润、加班时间以及第一种产品的产量分别有预定的目标值 ，该问题就归结为下列目标规划问题：

目标规划问题与普通多目标优化问题也有相同之处，它们都有多个设计目标，各个设计目标可能存在重要性的差别，但是不存在优先的差别。

3 分层多目标优化问题

分层多目标优化问题与上述两种多目标优化问题的不同之处在于：它的几个设计目标不仅可能存在重要性的差别，而且存在优先权的差别。也就是说，设计者优先考虑某些设计目标，在这些设计目标已经达到的前提下，才考虑其它设计目标。这类问题的设计目标被分成不同的优先层次，在对它求解的时候，先对优先层次较高的设计目标求解，后对优先层次较低的设计目标求解。

假设m个设计目标被分成L个优先层次，各层次的目标函数个数依次为 。如果以各层次的目标函数作为该层次的向量目标函数

的分量，即

第一优先层次：

第二优先层次：

……

第L优先层次：

那么分层多目标优化问题的数学模型可表示为

式（3）可被缩写为更简洁的形式：

在第二个问题中，假设计划制定者在首先考虑工厂如何获得最大利润之后，才去考虑减少加班时间和增加第一种产品产量，该问题就是一个具有两个优先层次的分层多目标优化问题：

4 多目标优化问题的最优解

求解优化问题的目的是为了获得最优解，然而多目标优化问题有多个不同的设计目标，设计目标之间可能发生冲突，这时一个可行解对某一个设计目标是最优的，对另外的设计目标却不是最优的，这就造成多目标优化问题的最优解概念的复杂化。

篇(2)

【关键词】工程设计；多目标优化；非劣解集

多目标最优化是门研究多目标最优化问题的重要学科，它的研究对象是多数值目标函数，目的是为了实现在固定区域内实现最优函数值。多目标最优化问题由V.Pareto在1896年首次提出；在1951年，Koopmans在分析上产与分配效率时引入有效解，进一步推动了多目标最优化的发展；20世纪60年代起，人们开始广泛关注多目标最优化问题，并设计了多种多目标最优化问题解决方案。

一、多目标优化方法的种类

优化设计可以提高工程设计的整体水平，因此备受设计人员的喜爱。优化的目的不同，采用的优化方法也有所不同。

（一）评价函数法。评价函数法应用简单，只需建立评价函数就能用单目标优化取代多目标优化问题。根据评价函数法的形式对它进行分类，能分为多种类型：P模理想点法、线性加权法以及最短距离法等。这些评价方法具有不同的形式，但却具有相似的原理。

（二）逐步宽容约束法。评价函数法虽然应用简单，但却很难在现实环境中构造。要使复杂的多目标优化问题转变成简单的单目标优化问题，还可以采用逐步宽容约束法。这种方法是选取多目标中的一个目标，通过限定其他目标的选值范围，构成一个单目标优化问题。在使用时不断改变其他目标的取值，记录函数值的变化情况，最后选出最优函数值。

（三）目标规划模型。目标规划模型的原理是：分别计算每个目标的最优函数值，计算各目标最优点与计算设计点的正负偏差和，通过偏差和确定优化工程设计的最佳方案。

（四）多目标遗传算法。遗传算法发展较迅速，它主要应用于含有多变量、多参数和多目标的数值求解。多目标遗传算法以遗传算法为基础，经过多年发展，已经出现了NCGA、NPGA、SPGA等多种形式。其中，NCGA方法在传统遗传算法的基础上优化了加速收敛过程。

（五）多目标模糊优化算法。多目标模糊优化算法应用广泛，它通过对设计特征进行详细分析，划分优化涉及的可行域，给设计人员提供优化空间。这种方法充分考虑了工程设计中的模糊因素，算法的核心就是模糊的设计变量、模糊的约束条件、模糊的目标函数。

二、多目标优化方法的特征及决策方法

优化工程设计，是为了提高设计的整体性能，不可能保证每个设计目标都能得到最好的实现。例如，在优化过程中，一个设计目标达到最佳函数值，但其他的设计目标却处于较差的状态。优化目标之间存在的矛盾关系，给优化方案的评判带来一定困扰；不同设计目标有不同的度量标准，难以比较各自的优化效果；不同设计人员对优化方向的定位不同。因此，针对多目标的优化进度不同，引入了非劣解理论。

非劣解，是指采用不同的优化方案得到的解的集合。每个解都有自己的优化方向，不能仅通过数据进行比较。多目标优化的最优解其实是不存在的。设计人员根据个人意愿，在非劣解中选择优化方法的过程就是多目标决策。

（一）二元相对比较法。首先，以各分目标对非劣解集合满意度为参考依据，建立矩阵；然后，使用 截矩阵概念，选择综合满意度最高的非劣解。

（二）模糊关联度。模糊关联度是对理想解与非劣解接近程度的反映，通过对非劣解相对理想解的隶属度进行计算，解决物理量纲影响问题。非劣解一般情况下都是在理想解周围对称分布，所以可以选用具有对称分布特征的隶属函数，计算非劣解与理想解关联度的值，关联度值最大的非劣解就是最优非劣解。

三、实例分析多目标模糊优化设计

首先，根据约束的模糊性，建立多目标模糊优化模型；然后，使用 最优水平截集法，转化模糊约束的规定区间为普通集合；再然后，计算优化函数在普通集合范围内的最大值与最小值；构造子目标函数的模糊目标集；以字母表的相对重要性未依据，判断多目标模糊优化的最优解。

四、分析不同优化方法的优化特点与效果

线性加权法：通过改变优化目标的权系数，得到相应的非劣解。然后根据非劣解计算得到Pareto的前沿。

逐步宽容约束法：首先处理优化目标，将它转化成约束条件，进而简化优化问题。然后通过渐次放宽目标约束条件手段，计算得到Pareto的前沿。在本方法使用中，应合理选择优化目标范围作为约束条件。

P模理想点法：使用不同的P值进行计算，分析计算结果可知，P值对优化结果影响较小，试验后取得的优化结果很相似。极大模理想点法与P模理想点法具有相同的优化目标系数1，计算取得的非劣解在线性加权法（0.5，0.5）范围内。

目标点法：参考点的选择很重要，能对优化结果产生直接影响。选取参考点，首要考虑的就是Pareto前沿，参考点位置离Pareto前沿越近，优化结果和Pareto前沿越相符。但是这种方法对设计者的要求较高，设计者不仅需要有丰富的知识储备和设计经验，还要对工程有全面了解。在初期设计中，设计者缺乏对工程项目问题的具体分析，不适宜使用这种方法。

NCGA方法：该方法在取得Pareto前沿的同时，还能计算可行域范围的可行解，对工程设计有很大的促进作用。

两个多目标决策方法：进行悬梁臂优化时，具有较大的优化结果差别；进行发动机系统优化时，优化结果相似。主要是因为发动机系统优化运用到的两个目标值具有相同的数量级，悬臂梁优化运用到的两个目标值数量级差距很大。二元相对比较，是对非劣解之间进行比较；模糊关联度法通过求解理想解和非劣解的关联度，判断最优非劣解。这两种方法的优化原理完全不同。

篇(3)

关键词:量子遗传算法;多目标分配;最优化

中图分类号:TP18 文献标识码:A 文章编号:1674-7712 (2012) 12-0176-01

一、引言

遗传算法不同于传统寻优算法的特点在于:遗传算法在寻优过程中,仅需要得到适应度函数的值作为寻优的依据;同时使用概率性的变换规则,而不是确定性的变换规则;遗传算法适应度函数的计算相对于寻优过程是独立的;算法面对的是参数的编码集合,而并非参数集合本身,通用性强。它尤其适用于处理传统优化算法难于解决的复杂和非线性问题。[1]

目前,GA已经在很多领域得到成功应用,但随着问题规模的不断扩大和搜索空间的更加复杂,GA在求解很多具体问题时往往并不能表现出其优越性。于是,近年来便出现了遗传算法与其它理论相结合的实践,其中遗传算法与量子理论的结合是一个崭新的、极富前景和创意的尝试。

量子遗传算法QGA是量子计算特性与遗传算法相结合的产物。基于量子比特的叠加性和相干性,在遗传算法中借鉴量子比特的概念,引入了量子比特染色体。由于量子比特染色体能够表征叠加态,比传统GA具有更好的种群多样性,同时QGA也会具有更好的收敛性,因此在求解优化问题时,QGA在收敛速度、寻优能力方面比GA都将有较大的提高。QGA的出现结合了量子计算和遗传算法各自的优势,具有很高的理论价值和发展潜力。

本论文提出用量子遗传算法处理和解决多目标分配问题,为多目标问题的解决提供一种新的思路。

二、量子遗传算法

在传统计算机中,信息存储是以二进制来表示,不是“0”就是“1”态,但是在量子计算机中,充当信息存储单元的物质是一个双态量子系统,称为量子比特(qubit),量子比特与比特不同之就在于它可以同时处在两个量子态的叠加态,量子进化算法建立在量子的态矢量表述基础上,将量子比几率幅表示应用于染色体的编码,使得一条染色体可以表示个态的叠加,并利用量子旋转门更新染色体,从而使个体进达到优化目标的目的。

一个 位的量子位染色体就是一个量子位串,其表示如下:

其中 。在多目标优化中,一个量子染色体代表一个决策向量,在量子态中一个 位的量子染色体可以表达 个态,采用这种编码方式使得一个染色体可以同时表达多个态的叠加,使得量子进化算法比传统遗传算法拥有更好的多样性特征。

为了实现个体的进化,经典进化算法中通过染色体的交叉、变异操作推进种群的演化,而对量子进化算法而言,量子染色体的调整主要是通过量子旋转门实现的,算法流程如下:

(1)进化代数初始化: ;

(2)初始化种群 ,生成并评价 ;

(3)保存 中的最优解 ;

(4) ;

(5)由 生成 ;

(6)个体交叉、变异等操作,生成新的 (此步可省评价);

(7)评价 ,得到当前代的最优解 ;

(8)比较 与 得到量子概率门 ,保存最优解于 ;

(9)停机条件 当满足停机条件时,输出当前最优个体,算法结束,否则继续;

(10)以 更新 ,转到4)。

三、基于量子遗传算法的多目标分配应用

如今为了满足市场的需要,很多工厂的生产种类多、生产量大,从而设置了不同的生产车间,根据产品的性质分配生产车间合理与否直接影响工厂的经济收益,这同样可采用遗传算法的目标分配方法进行分配。

模型构建:设工厂有i个生产车间。 为在第i个车间生产第j种产品的收益, 为第j种产品的需求量;如果第j种产品被选中,则 为在第i个车间生产该产品的总收益。由题意知为求解 最大问题。

仿真实例:设有10个生产车间,要生产15种产品,用Matlab程序编程,设定40个粒子,迭代200次,代沟0.9。运行结果如下:

此图表明经200次迭代后的目标分配方案为:第1种产品由第3个车间生产,以此类推,车间5生产第2种产品,车间8生产第3种产品,……。次方案对应的车间总收益值为2.7030e+003,成功进行了多目标分配问题的解决。

四、结论

基于量子遗传算法的多目标分配,为多目标分配突破传统寻优模式找到了一个可行的解决方法。根据这种方法实验,仿真结果可以看出,基本符合要求,并且能够在一定的时间内得到最优的分配方案,因此,本文在探索多目标分配问题上找到了一种新的解决思路。

参考文献:

[1]吉根林.遗传算法研究综述[J].计算机应用与软件,2004,21(2):69-73

[2]肖晓伟,肖迪.多目标优化问题的研究概述[J].计算机应用研究,2011,3,28(3):805-808

[3]原银忠,韩传久.用遗传算法实现防空导弹体系的目标分配[J].火力与指挥控制,2008,3,33(3):80-83

篇(4)

【关键词】精益六西格玛；优化；生产过程；多目标

随着过程工业生产规模的大型化发展趋势，现代企业不但对过程控制要求越来越高，而且对优质、高效的生产管理的要求也越来越强烈。众多企业尤其是先进产品制造企业，已经把注意力转移到流程优化、节能降耗、降低成本，保质保量的生产模式上。随着人们对生产过程认识的提高及精益生产观念和六西格玛管理思想的引入，研制成功的标志是不仅仅是质量可靠，为了实现精益六西格玛生产的目标，而今又扩充到成本、研制周期等生产过程的相关目标上。这些目标在不同相关利益方之间是相互影响、相互矛盾的。为了保证产品生产的总体目标的实现，就必须对整个生产过程进行优化，达到多目标最优的目的。

一、精益六西格玛DMAIC

DMAIC（define-measure-analyze-improve-control）是一张行动路线图。DMAIC分为界定、测量、分析、改进、控制五个阶段。精益六西格玛DMAIC工具是依照六西格玛管理的DMAIC工具的五个阶段对生产的每个工序或流程进行优化，同时在DMAIC的每个阶段融入精益工具。即按照精益六西格玛DMAIC的五个阶段利用精益六西格玛DMAIC工具对生产产品的工序或流程进行优化。以下简单说明精益六西格玛DMAIC的五个阶段：

（1）界定阶段。在界定阶段，团队和过程的负责人需要在优化项目是什么，要取得什么结果等方面达成一致。要提出可能的项目，项目提议可能来自不同的渠道，包括顾客、工作报告和雇员。要想避免降低优化水平，管理者就要评估和挑选项目。尽管项目选择的评估准则有很多，但主要应当以部门或公司层级上的不良过程的成本水平为依据。然后要准备项目问题、使命陈述以及团队章程，并由管理层予以核定。管理层为项目挑选最适宜的人员组成团队，并授予必要的优先权限。除此之外，项目过程要受到监控以确保成功。（2）测量阶段。项目团队通过测量基准绩效和问题，对过程做好记录来揭示过程的特征，如下所示：一是画出过程；二是识别关键的顾客要求；三是确定关键的产品特性和过程参数；四是识别和记录可能的失效模式、结果和重要性。这样做的目的是去识别和记录影响过程绩效和产品特性，并对顾客利益有关键影响的过程参数。随着项目的开展，过程文件要予以更新，团队还要为测量阶段的其他工作和下一个分析阶段计划好数据收集工作，然后对测量系统进行验证，接着对过程能力进行测量。让数据、知识和经验相结合不是让我们仅仅停留在思考过程层面上，而是停留在真正实施改进的层面上。在这个阶段，项目优化团队将会把很多时间用在数据处理上。（3）分析阶段。分析阶段的目标就是要让测量阶段收集到的信息和数据有意义，而且要用这些数据确定延迟、浪费和质量问题的来源。团队要效忠数据，而不是利用自己的经验和意愿判断问题产生的根本原因。项目团队必须分析以往和当前的绩效数据。在前面的阶段中生成的关键信息和问题可以经过这种分析找到答案，可能的因果关系的假说也能得到确定和测试。分析过程还要用到适当的统计工具和技术：直方图、箱线图、多变异分析、相关和回归分析、假设检验、偶然性列表和方差分析。总之，通过分析，团队可确认过程绩效的决定因素。（4）改进阶段。改进阶段的惟一目的是实施过程改善，消除缺陷、浪费，降低成本等等，这些都是在界定阶段界定的顾客需求。在这一阶段，很多精益工具将发挥至关重要的作用。另外，项目团队必须努力去确定因果关系，即输入变量和关注的响应变量之间的数学关系，以便使过程绩效能够得到预测、改进和优化。团队还要计划好试验设计。若进行筛选试验，则可以识别关键的或者“关键的少数”的原因或决定因素，随后使用2k因子试验就可以建立起一个过程绩效的数学模型。如果必要的话，也可以进行全因子试验，用来确定输入的操作幅度或者过程参数设定。通过使用响应曲面法（RSM）和调优运算（EVOP）等方法，团队可以进一步精炼或优化过程绩效。（5）控制阶段。控制阶段就是要确保变革中所得到的良好效果要保持下来，直到有新的知识和数据说明还有更好的方法可以操作这个过程。项目团队必须设计和记载必要的控制，以确保一旦实施变革，就能够保证从改进活动中获益。要使用完备的原理和技术，包括自我控制和主导的概念、反馈回路、防错功能和统计过程控制，而且过程文档要得到更新（使用失效模式或者效应分析），并要制定出过程控制计划，标准操作程序（SOP）和工作指南也要做相应的修订，还要保证测量系统得到验证，改进的过程能力得到确立。这个过程的实施要受到监控，并且过一段时间要对过程绩效进行审计以保证成果得到保持。最后，当完成了使命时，项目团队要向管理层报告，一旦得到审批，就可以将过程全部移交给操作人员并解散团队。最后，通过以上界定、测量、分析、改进、控制（define，measure，analyze，improve，control，DMAIC）5个阶段的周而复始、持续不断的实施，实现工序和流程的持续改进，达到精益求精和尽善尽美。

二、多目标优化模型

通过对精益六西格玛建造目标的分析，得出模型的优化目标是：质量、生产周期、费用、服务。因此，本文的基于精益六西格玛的生产过程多目标优化模型的优化目标是以下四大目标：（1）最优化质量；（2）最小化工期；（3）最小化费用；（4）最优化服务。从对精益六西格玛建造目标的分析中可以看出，质量在四大目标中占有最重要的位置，其次是生产周期和费用，最后是服务，也就是说四大目标在模型中将会根据项目的要求有不同的优先权。当然，这四大目标之间是存在矛盾的，要提高一个或几个目标的效果，就得牺牲其他目标的效果。因此，本文的模型是要追求四个目标的协调优化。

三、基于精益六西格玛生产过程优化系统框架

基于精益六西格玛的生产流程优化系统由两个子系统组成，分别是：工序流程优化子系统、多目标优化子系统，系统结构见图1。下面将分别论述两个子系统，以及两个系统之间的关系。

图1 基于精益六西格玛的生产流程优化系统

整个基于精益六西格玛的生产流程优化系统的构建采用了系统分析的思想，是在精益六西格玛的思想和方法的基础上建立起来的。

1．工序流程优化子系统。工序流程优化子系统是整个基于精益六西格玛生产的流程优化系统的第一个子系统，也是优化工作首先要做的事情，是整个优化系统中非常重要的一环。作用是对组成生产过程的每个流程或工序进行优化，采用精益六西格玛DMAIC工具，工具的具体运用已在前文进行了论述。精益六西格玛DMAIC（define-measure-analyze-improve-control）这样的精益六西格玛工具是非常有用的，它是一张行动路线图。建议成立专门的生产小组，深入到每个工序或流程当中，通过精益六西格玛DMAIC工具的运用，使每个工序、流程或服务的质量得到提高，浪费和成本降低，工序或流程的持续时间缩短，即对每个工序、流程、服务的质量，成本，时间等进行全方位的优化。

2．多目标优化子系统。多目标优化子系统是生产过程优化系统的第二个子系统，将以精益六西格玛生产目标为目标建模，作用是在第一个子系统对每个工序、流程、服务优化的基础上，进行工程质量、生产周期、成本、服务等多目标的优化，目的是组合优化，最大限度并且最合理的满足顾客对产品质量、工期、成本、服务等目标的要求，最终最大限度的提高顾客对产品的满意度。这个子系统的建立体现了精益六西格玛生产的思想。精益六西格玛生产的目的是：（1）成功交付产品；（2）最大化顾客价值；（3）最小化浪费；（4）最大化顾客满意度。而从这四个一级目标中分解出四个二级目标：（1）最优化质量；（2）最小化工期；（3）最小化费用；（4）最优化服务。完成了这四个二级目标就能实现一级目标，也就是能实现精益六西格玛生产的目标。这四个目标与以往产品生产过程的多目标优化目标是有所不同的。通常产品追求的质量目标是质量达标，而此处则追求质量的最优化；另外本模型还追求服务的最优化，这在其他的产品生产优化模型中也是没有论述的。这两点的不同就体现了本子系统的精益六西格玛建造的管理思想和理念。这两点的不同正是为了追求最大化顾客价值和满意度而设置的。是为了企业长远和可持续发展而制定的目标。当然，这四大目标之间是存在矛盾的，要提高一个或几个目标的效果，就得牺牲其他目标的效果。因此，本文的模型是要追求四个目标的协调优化。

3．两个子系统之间的关系。工序流程优化子系统、多目标优化子系统两个子系统组成了本文的基于精益六西格玛生产的产品生产过程优化系统，两个子系统的关系是相互影响，相互促进的关系，如图2所示。

图2 系统关系图

两个子系统可以分别进行，也都可以对生产过程的优化起到重要的作用，但如果把两个子系统作为一个整体，他们各自将发挥更大的作用，而且两个子系统之间将会相互促进，产生一加一大于二的效果，整个生产过程的优化活动将会产生更加明显的效果。

四、结论

在精益生产六西格玛管理和精益六西格玛的基础上，构建了工序流程优化子系统、多目标优化子系统两个子系统以及他们之间的关系，然后给出了基于精益六西格玛的生产过程优化系统。使制造业企业达到降低生产成本，缩短生产周期，提高产品质量，以便快速响应市场需求的变化的目的。

参考文献

[1]李斌．基于精益生产的数控加工过程优化研究[D]．重庆大学．2007

篇(5)

【关键词】集对分析；多目标规划；柔性电网规划；规划方法

电网规划作为电力系统中进行研究的一个不可缺少的环节，伴随着我们智能电网不断在建设中推进、扩大，电网规划将迎来一个全新的挑战。在我们的日常生活中，我们不难在电视上看到大停电的发生，这些事故最终导致了严重的经济损失，而且引起了不良的社会影响。在这种情况下，进行电网规划是件十分必要的事情。基于集对分析以及体现多目标的柔性电网规划方法就是我们进行电网规划的主要方向。

一、集对分析以及多目标的柔性电网规划方法的简介

集对分析是以集对以及联系度为基本理念的一种电网规划的重要方法。集对就是在进行电网工作时对有一定程度关联的两个集合体进行适当的整合，最终形成我们所说的对子。其实集对分析的本质就是一种具有不确定性的全新的理论，它的主要思想就是将各种确定以及不确定的系统通通定义成为一个具有不确定性的总系统。而这个系统将会受到来自各个方面的各种因素的调节以及影响，最终将企业的发展引向正轨，从而促进企业的进步与发展。多目标的电网规划方法是指将很多个目标函数通通进行整合，使其最终成为一个我们所熟知的单目标的简单函数，在这个过程中，多目标的问题优化就被轻松的转化成为了单目标问题优化。我们常用的差分进化算法就是多目标电网规划中的主要工具之一，对电网的规划做出了一份贡献。集对分析以及多目标的柔性电网规划为我们的电网规划事业贡献了自己的一份力量。

二、基于集对分析和体现多目标的柔性电网规划方法

基于集对分析和体现多目标的柔性电网规划方法已经成为了现在电网规划中的主流方法，对于我们的电网规划工作起到了不小的推动作用。这种电网规划方案是根据集对分析的电网规划模型，又综合了多目标以及柔性规划这两个比较重要的概念而最终提出的。在这里面，多目标规划是采用例如像集对分析法来将电网规划的有关经济性以及可靠性巧妙的结合在一起，使得优化方案的整体效益达到最好，以此来适应电网规划的有关部门目前的实际需求。而柔性规划则可以在尽可能的避免去违反约束条件的前提条件下，使得我们规划的方案的有关目标函数所表现的的经济性很大程度的提高。

（一）层次分析法、模糊多目标评判决策理论以及规划模型的综合使用

在我们对电网进行规划中，对城市进行的电网规划是我们工作的主要内容。

城市的现代化进程很快，电网建设项目一个接一个，而做好这些的前提条件就是我们尽力去做好电网规划工作。这个工作的主要流程比较简单，首先我们要根据电网现在的实际情况提出一些切实可行的有关电网建设的项目，然后我们需要决定这些项目建设的先后顺序，与此同时，要对我们预计的资金进行考虑，不要超出我们最先的预算。面对这个城市电网中出现的项目决策的有关问题，我们可以将其分为两个问题，然后应用基于集对分析和体现多目标的柔性电网规划方法将其逐步解决。我们首先来解决在考虑多种因素的前提下对项目进行有关评判的问题。层次分析法以及效用理论或者模糊综合评判法都可以应用在这个问题上，能够对投资的可靠性、回报等进行比较综合性的判断，并以此来对该项目的最终利益进行评判。然后我们可以着手解决资金分配的相关问题。资金问题是一个比较棘手的问题，尤其是当我们面对一个许多个项目之间依赖关系十分紧密时，我们的决策将很难做出。在这个时候，规划模型成为了我们的最佳助手，可以帮助我们对问题进行很好的描述，帮助我们做出正确的判断。

（二）数学建模在电网规划中的应用

在我们现代社会的电网规划的有关工作中，在诸多备选方案中选取优化方案

是个十分必要的事情，能够在电网的规划工作中采取优化方案有着十分重要的意义，同时对各因素的最佳方案也有着不可忽略的重要价值。关于如何在诸多方案中选取优化方案的问题，我们通常采用数学建模的方法来解决。我们常用的有三种模型。第一种是IAHP，它能够对我们项目中存在的各种有关因素以及各种可能出现的不确定性进行综合性的考虑，帮助我们的综合决策。第二种是一种叫做0/1规划模型的数学模型。这个模型主要是针对资金问题而建立的，它能够在自己预算的约束之下对存在着各种复杂关系的各项目进行决策性的优化。第三种是引进了优化水平α以及约束水平λ。这种特殊的数学模型可以将我们常见的区间性的优化问题巧妙的转化为我们常见的点值优化问题。通过对α以及λ与决策的最终结果的关联，可以提出在我们实际项目的决策中对α以及λ进行选取的重要原则，从而帮助做决策的人可以根据项目的收益以及资金预算的实际状况对α、λ的不同组合进行选取，最终实现我们所要求的柔性决策。

（三）城市总规划的指导

电网规划要与时俱进，当今社会对城市的电网规划是电网规划的主体部分。

城市的电网规划仍然占有主导地位。城市的电网规划多采用集对分析和体现多目标的柔性电网规划方法，而城市总规划的指导也是其中的重要组成部分。城市电网规划的特点有很多，它相对于普通的电网规划来说更加侧重于通过规划使城市电网拥有更加合理，更具有科学性的布局，与此同时，对技术以及经济方面的合理性的要求有更高一层次的标准，专业性也有了新的要求高度。城市总规划的指导与基于集对分析和体现多目标的柔性电网规划方法相辅相成主要表现在城市总规划的正确指导的基础上进行有关电网规划的有关编制，曾经的电网规划只是其自身的一个组成部分，就是将电网规划的有关项目归于城市规划里来，在现有承载的基础之下电网规划应该从市政方面的规划着手，并且在规划的过程之中服务市政规划。换句话说就是在我们对城市电网进行规划时，我们应该将电网规划的主要方向设定于整个城市的整体全面的规划中来。

综上可知，由于电网本身的脆弱性，影响因素多而且不好被人为控制，以及环境因素的影响，我们现在社会的电网规划正面临着很多的问题，而这些问题严重影响到了电网企业的发展以及人民大众的主要利益。为了解决这些问题，提出了基于集对分析和体现多目标的柔性电网规划方法。因此，电网规划中遇到的项目规划问题以及项目优化、与城市规划相协调等问题都得到了很好的解决。基于集对分析和体现多目标性的柔性电网规划方法有很多，是我们进行电网规划的主要工具。

参考文献

[1]李钧，陈黎华.浅谈城市电网规划的若干问题及前景展望[J].科技风，2010（20）：211

篇(6)

[关键词] 房地产投资风险效用多目标决策

随着我国社会主义市场经济的发展和改革开放的不断深入，房地产业得到了迅速的发展。房地产作为一种投资工具，其风险性受到房地产投资者越来越普遍的关注。因此本文对房地产投资风险决策方法进行了深入研究。

一、房地产投资决策的特点

房地产投资决策就是运用有效的决策方法在若干个投资方案中选择出最优的投资方案。房地产投资决策同时具有多目标决策和风险型决策的特点。

1.房地产投资决策的多目标性

由于房地产投资者所追求目标有多个：收益 、回收期 、信誉价值、环境保护等。 所以房地产投资决策具有多目标性，属于多目标决策。

2.房地产投资决策的风险性

房地产投资过程中有许多风险因素：土地价格的不确定性、工程建设费用的不确定性、投资收益的不确定性及工期、投资回收期的不确定性等。这些风险因素是客观存在的，但并不是完全不可知的。决策者可以根据自己的经验和科学的方法预先估计和计算出其概率分布，再计算出益损值的概率分布。因此，房地产投资决策应该被认为是风险型决策，而不是不确定性决策。

二、多属性效用理论

现代风险型决策理论已从期望值准则阶段发展为期望效用准则阶段。期望效用准则充分考虑了风险型决策问题的两个基本特点，即后果的风险性和后果的效用。由于风险型决策问题的自然状态是不确定的，所以不论决策者采取什么决策，都可能产生各种不同的后果，因此他要承担一定的风险，但对后果并非是全然不知，可以预测它的概率分布。不同的决策者对风险的态度往往不相同，同样的后果对不同的决策者会产生不同的效用。

基于期望效用准则的效用理论能很好地解决风险决策问题，效用理论已从单属性效用理论阶段发展到多属性效用理论阶段。多属性效用理论可很好地解决多目标风险决策问题。运用多属性效用理论进行风险决策的基本步骤如图所示。

三、房地产投资多目标风险决策模型的建立

下面运用多属性效用理论来解决房地产投资多目标风险决策问题，建立房地产投资多目标风险决策模型。

1.建立多目标分层递阶结构

(1)选定目标

通过询问决策者，选择出决策者关心的三个投资目标：收益、回收期、信誉价值。

①收益最大化。收益(Return)是一个较为笼统的概念，它一方面含有绝对的收益值的意思，另一方面也含有投资收益率的意思，因此将收益最大化具体表述为以下两个方面：

一是净现值最大化。净现值(NPV)是一个反映投资收益的绝对指标，它直接描述了一个投资方案可能获得的利润的现值。其表达式为：

在风险条件下，需要确定净现值的概率分布。

二是内部收益率最大化。内部收益率是反映投资经济效益的相对指标。由于房地产投资者的资金总是有限的，因此投资者总是希望尽可能有效地运用有限的资金，获得尽可能高的收益。

内部收益率(IRR)是使净现值为零的折现率，它反映了项目自身的获利能力，其值可由式(1)中令NPV=0计算得出。在风险条件下，需要确定内部收益率的概率分布。

②回收期最小化。房地产投资资金占用很大，投资者往往利用负债经营，利息负担沉重，因此投资者往往希望尽快收回投资，把回收期最小化作为一个主要目标。回收期是指净收益抵偿初期投资所需要的时间。回收期有静态和动态之分，区别在于前者没有考虑资金的时间价值，而后者考虑了资金的时间价值。动态回收期较为常用，可通过令式(1)中NPV=0，求其中的t得到。在风险条件下，需要确定内部收益率的概率分布。

③信誉价值最大化。拥有地段好、规模大、档次高、性能优异的房地产往往被视为一种荣耀，而且这样的房地产也能够给其拥有者或者投资者带来无形的收益。我们将这种荣耀和无形收益统称为房地产的信誉价值。

信誉价值的估计通常由投资者本人根据自己的偏好确定。通常可由投资者对各备选方案的信誉价值进行打分，分数越高表明信誉价值越高，对投资者越有利。

(2)递阶结构

对于收益这个目标，用净现值和内部收益率作为它的属性。显然，这两个属性具有可理解性和可测性。同时，由于这两个属性分别从绝对值的角度和相对值的角度体现了收益这一目标的两个重要方面――实际收益值和投资收益率，因此它们是完全的。而且它们是非多余的和最小的。

对于回收期和信誉价值这两个目标，分别采用动态回收期和信誉价值的值作为它们的属性。这两个属性具有可理解性和可测性。

对于这些目标所设定的一集属性我们认为它是完全的、可运算的、非多余的和最小的。所有这些目标和属性构成了房地产投资决策的多目标分层递阶结构。

2.建立决策模型

选定房地产投资决策的目标集为：

①收益最大化;

②回收期最小化;

③信誉价值最大化。

为具体表述上述三个目标，我们设定一个完全的、可运算的、非多余的和最小的属性集：

这样，我们就得到了一个表达简单、意义明确的房地产投资多目标风险决策模型。我们只需先求出每个方案的各属性的概率分布，再根据决策者的偏好确定多属性效用函数，进而得出各方案的期望效用值，就可以据此期望效用值进行方案的优劣排序，从而进行有限个方案的多目标风险决策。

参考文献:

[1]彭勇行:管理决策分析.科学出版社,2000

[2]徐水师:预测方法与决策分析.西北大学出版社,1997

[3]杨剑波:多目标决策方法与应用.湖南出版社,1996

篇(7)

【关键词】智能电网；互动式；节能调解

电工界已公认智能电网将是电力系统未来的发展方向和目标。其中高级计量设施（Advauced MeteringInfrastructure AMI）系统将是构建智能电网的基础构架。它是由每个结点或设备上的新型传感器与有独立操作系统的处理器相联结.并以高速宽带光纤通信将测得的信息进行双向传输.形成分布式的统计平台。以完成分析判断和协调控制等功能，已安装了AMI系统的电力企业就可以用它开发智能电网的一些潜在功能，以实现前所未有的自愈、预警、节能等新的效益。关于智能电网，《智能电网成本与收益评估报告》一书将“智能电网”被定义为：一种能够进行自我监测与保护的现代化电力传输系统。该智能电网的设计可自动优化电网各个相互关联的环节，如为了将中央电源和分布电源与工业用户、楼宇自动化系统、能量储备装置以及终端用户的温控器、电动汽车、家用电器及其他家用设备串连在一起，智能电网将通过高压输电网络和配电系统从而实现。由上可知，如果实现我国电网的智能化设计，那么智能电网将促进我国经济的各个方面得到长足的发展，另一方面也反过来促进我国智能电网的逐步更新发张，实现经济和电网的双向跨越性发展。

1 我国智能电网的发展现状

相较于国外的智能电网发展，我国的智能电网无论是概念上还是现实实践中都起步较晚。自1999 年起，我国学术界进行了“我国电力大系统灾变防治和经济运行的重大科学问题研究”，在该重大课题中提出了“数字电力系统”的概念。就实践而言，2007 年10 月，华东电网启动了智能电网可行性研究项目，由此拉开了我国智能电网从概念到应用的大幕。

自2009 年开始，我国步入智能电网的战略部署阶段。国家电网公司召开“2009 年特高压输电技术国际会议”。国家电网公司在该会议上提出了“坚强智能电网”的概念，由此我国正式进入智能电网建设的新时代。我国所谓的“坚强智能电网”其实就是在信息平台上以现代通信技术为信使，在电网基础上以特高压电网为骨干网架、各级电网协调发展并具有自动化、互动化、信息化特征。由上可知，我国的“坚强智能电网”包含发电、输电、变电、配电、用电和调度等电网的各个环节。最终，随着坚强智能电网的实现，我国智能电网将覆盖所有电压等级，实现“电力流、信息流、业务流”高度一体化融合的现代电网，此外，我国信息科技部也设立相关的智能电网项目不断促进我国智能电网的设计和发展。以上种种，均标志着我国智能电网建设进入全面实施阶段。

2 互动式节能调度

2.1 智能电网实现风、水、光、火电一体化的智能调度

我国电力家庭的成员主要由水电、风电与核电等构成。但是，众所周知，我国的风力、水力发电站以及核电容易受到自然环境和经济发展状况的影响。所以，国家电网公司应当在我国电力发展的基础上，对一定数量、一定规模的火力发电站与其配套进行使用，从而保障电网安全、稳定、持续的供电。除此之外，为了让某些季节风力发电比较良好的的情况的电力能够更好的服务于我国经济发展的需要，并减少我国火力发电的额度，只能电网可以将风力发电、水利发电多余的电力额度配送至原本由火力发电所支持的经济发展区域。如此，既为我国经济发展提供了优质的动力，还进一步保护了我国的环境。

2.2 智能电网实现全局性的分布式电源接入

特高压输电技术一方面可以减少长距离输电过程中减少电力的消耗，另一方面可以将远距离、大总量的运煤转换为输电。如此，特高压输电技术可以降低我国电网的消耗功率，还可减小由于长途火车运输而带来的不确定性和运输成本。因此，我国的智能电网的发展方向将是更为注重对特高压输电技术的研究、设计与大力扶植发展。除此之外，现阶段我国的智能电网技术还可以通过数据智能采集、智能计算、光缆通讯、信息传输、智能调度的技术，对输电线路进行及时的智能调控，而在长距离的高压电输电过程高压电网还可以有效地减少电能在输送过程中产生的输电损耗，从而实现智能电网节能优化的目的。

2.3 高效、低能智能发电器的发展

正所谓有需求就有发展，智能电网的设计规划与发展将催生我国一批企事业和电力行业整体性的发展。作为智能电网的应用，我国未来的十年间，将有一系列的、大量的智能电器问世，并将应用于我国智能电网的输电线路之中。随着我国经济的发展，依照目前的我国经济发展的速度，在未来十年至十五年间，与智能电网相关的电器将有约1000多亿的市场需求，到那时由“大功率输出”为“小信号传输”将成为现实。而作为智能电网应用的结果之一，传输的功率变为原来的几十分之一，原来成千上顿甚至数十吨的重量，通过小型化和低功率化的互感器，便能减小到几公斤。数字化电表的电能消耗不足传统电表的1/10，如果进行数字化智能化调控，那么我国电网因长距离、长时间的输电而导致的消耗将是一个天文数字。

3 互动式调节的模型

3.1 基于一致性的多目标评估模型

互动式节能调度的目标是否与传统节能调度的目标具有一致性。若一致性程度高，可采用简易的加权平均方式形成单一化的目标函数；若不一致，则需根据不同情况下的目标不同而设定相应的方案。

3.2 多目标协调优化模型

针对互动式节能调度中，多目标一致性评估中不一致的情况进行多目标依据不同目标而设定相应的方案。由于互动式节能调度中可能会存在多个目标函数，其协调优化问题的复杂度将大大提高。因此，智能通过对影响每一个单目标的基本要素进行个体研究，并相应的建立多目标协调优化模型，运用相应的函数模型，从而分析在不同条件下所应当采用的最为优化的目标，从而实现智能电网的最佳效率。

3.3 智能多模型

通过建立比较成熟的智能电网模型而保证发电企业、电网企业以及用电客户三方能够实现更好地协调，并处理好三方在用电过程中的相应的企业、用电客户之间的行为。在此基础上，我国的智能电网的多模型将具有智能性、中介性、机动性等优势，一方面通过统一的调控一体化平台，实现智能多主体共同决策，作为最终结果则是在特定环境下将所运行的软件实体嵌入互动式节能调度之中。

4 结语

综上所述，与传统的“单向电网”相比，智能电网实现了通过市场需求决定发电企业和电网企业的供应状况，并将用户纳入参与电力系统的运行和管理之中。如此，不仅实现电力企业的良性健康发展，还进一步为用电客户提供电力优化之便利。电力企业可通过智能电网的用户系统实时通知用户其电力消费的成本、实时电价、电网目前的状况、计划停电信息以及其他一些服务的信息，从而用户也可以根据这些信息制定自己的电力使用的方案，有助于平衡供求关系。最终实现电网企业、发电企业和用电客户之间的双赢格局。总之，随着未来电力市场完全市场化，以及互动式节能调度体系日臻成熟，在电力消费市场中用电客户与电力企业往往可通过市场博弈的方式建构一套既保护用电企业的利益需求，又实现用电客户利益最大化的模型，从而最大限度的发挥此三者间的优势，促进我国电力市场的良性发展，并进而推动我国经济持续稳定快速健康的发展。

参考材料：