序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了七篇多目標優化概念范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

篇(1)

0 引言

生活中，許多問題都是由相互沖突和影響的多個目標組成。人們會經常遇到使多個目標在給定區域同時盡可能最佳的優化問題，也就是多目標優化問題。優化問題存在的目標超過一個并需要同時處理，就成為多目標優化問題。

多目標優化問題在工程應用等現實生活中非常普遍并且處于非常重要的地位，這些實際問題通常非常復雜、困難，是主要研究領域之一。自20世紀60年代早期以來，多目標優化問題吸收了越來越多不同背景研究人員的注意力，因此，解決多目標優化問題具有非常重要的科研價值和實際意義

1 普通多目標優化問題

普通多目標優化問題也稱為向量數學規劃。對設計者或決策者而言，普通多目標優化問題幾個設計目標可能存在重要性的差別，但是不存在優先權的差別。

比如，欲把直徑為d的圓木加工成矩形截面的梁，如何設計其截面尺寸，使其強度大且重量輕？

分析研究：設截面的寬和高分別為 。由于其強度取決于截面的慣性矩 ，其重量取決于截面面積 ，因此該問題可看作是兩個設計目標的優化問題：

該數學模型就可歸結為一個普通多目標優化問題：

在這個問題中，梁的強度大可能與重量輕同等重要，也可能比重量輕更重要。但是在把它作為普通多目標優化問題求解的時候，并不因強度大比重量輕更重要，而先考慮強度指標后考慮重量指標。 的極小化將同時進行。

2 目標規劃問題

目標規劃問題與普通多目標優化問題的不同之處在于：它雖然有多個設計目標，但是每個設計目標并不是使目標函數極小化，而是使每個目標函數同時逼近各自的預定目標值。

比如，某工廠生產n種產品，第i種產品的生產能力為ai噸/小時，其利潤為ci元/噸，預測第i種產品下月的最大銷售量為bi噸。該工廠下月的工時能力為t小時。在避免開工不足的條件下，如何安排下月計劃才能使：1）工廠所獲利潤最大；2）員工加班時間盡量少；3）盡可能多地滿足市場對第1種產品的需求？

分析研究：設下月計劃用xi小時生產第i種產品，并用 三個函數分別表示工廠所獲利潤、員工的加班時間以及第1種產品的產量，該問題就可看作是三個設計目標的優化問題：

假設此例的問題對工廠利潤、加班時間以及第一種產品的產量分別有預定的目標值 ，該問題就歸結為下列目標規劃問題：

目標規劃問題與普通多目標優化問題也有相同之處，它們都有多個設計目標，各個設計目標可能存在重要性的差別，但是不存在優先的差別。

3 分層多目標優化問題

分層多目標優化問題與上述兩種多目標優化問題的不同之處在于：它的幾個設計目標不僅可能存在重要性的差別，而且存在優先權的差別。也就是說，設計者優先考慮某些設計目標，在這些設計目標已經達到的前提下，才考慮其它設計目標。這類問題的設計目標被分成不同的優先層次，在對它求解的時候，先對優先層次較高的設計目標求解，后對優先層次較低的設計目標求解。

假設m個設計目標被分成L個優先層次，各層次的目標函數個數依次為 。如果以各層次的目標函數作為該層次的向量目標函數

的分量，即

第一優先層次：

第二優先層次：

……

第L優先層次：

那么分層多目標優化問題的數學模型可表示為

式（3）可被縮寫為更簡潔的形式：

在第二個問題中，假設計劃制定者在首先考慮工廠如何獲得最大利潤之后，才去考慮減少加班時間和增加第一種產品產量，該問題就是一個具有兩個優先層次的分層多目標優化問題：

4 多目標優化問題的最優解

求解優化問題的目的是為了獲得最優解，然而多目標優化問題有多個不同的設計目標，設計目標之間可能發生沖突，這時一個可行解對某一個設計目標是最優的，對另外的設計目標卻不是最優的，這就造成多目標優化問題的最優解概念的復雜化。

篇(2)

【關鍵詞】工程設計；多目標優化；非劣解集

多目標最優化是門研究多目標最優化問題的重要學科，它的研究對象是多數值目標函數，目的是為了實現在固定區域內實現最優函數值。多目標最優化問題由V.Pareto在1896年首次提出；在1951年，Koopmans在分析上產與分配效率時引入有效解，進一步推動了多目標最優化的發展；20世紀60年代起，人們開始廣泛關注多目標最優化問題，并設計了多種多目標最優化問題解決方案。

一、多目標優化方法的種類

優化設計可以提高工程設計的整體水平，因此備受設計人員的喜愛。優化的目的不同，采用的優化方法也有所不同。

（一）評價函數法。評價函數法應用簡單，只需建立評價函數就能用單目標優化取代多目標優化問題。根據評價函數法的形式對它進行分類，能分為多種類型：P模理想點法、線性加權法以及最短距離法等。這些評價方法具有不同的形式，但卻具有相似的原理。

（二）逐步寬容約束法。評價函數法雖然應用簡單，但卻很難在現實環境中構造。要使復雜的多目標優化問題轉變成簡單的單目標優化問題，還可以采用逐步寬容約束法。這種方法是選取多目標中的一個目標，通過限定其他目標的選值范圍，構成一個單目標優化問題。在使用時不斷改變其他目標的取值，記錄函數值的變化情況，最后選出最優函數值。

（三）目標規劃模型。目標規劃模型的原理是：分別計算每個目標的最優函數值，計算各目標最優點與計算設計點的正負偏差和，通過偏差和確定優化工程設計的最佳方案。

（四）多目標遺傳算法。遺傳算法發展較迅速，它主要應用于含有多變量、多參數和多目標的數值求解。多目標遺傳算法以遺傳算法為基礎，經過多年發展，已經出現了NCGA、NPGA、SPGA等多種形式。其中，NCGA方法在傳統遺傳算法的基礎上優化了加速收斂過程。

（五）多目標模糊優化算法。多目標模糊優化算法應用廣泛，它通過對設計特征進行詳細分析，劃分優化涉及的可行域，給設計人員提供優化空間。這種方法充分考慮了工程設計中的模糊因素，算法的核心就是模糊的設計變量、模糊的約束條件、模糊的目標函數。

二、多目標優化方法的特征及決策方法

優化工程設計，是為了提高設計的整體性能，不可能保證每個設計目標都能得到最好的實現。例如，在優化過程中，一個設計目標達到最佳函數值，但其他的設計目標卻處于較差的狀態。優化目標之間存在的矛盾關系，給優化方案的評判帶來一定困擾；不同設計目標有不同的度量標準，難以比較各自的優化效果；不同設計人員對優化方向的定位不同。因此，針對多目標的優化進度不同，引入了非劣解理論。

非劣解，是指采用不同的優化方案得到的解的集合。每個解都有自己的優化方向，不能僅通過數據進行比較。多目標優化的最優解其實是不存在的。設計人員根據個人意愿，在非劣解中選擇優化方法的過程就是多目標決策。

（一）二元相對比較法。首先，以各分目標對非劣解集合滿意度為參考依據，建立矩陣；然后，使用 截矩陣概念，選擇綜合滿意度最高的非劣解。

（二）模糊關聯度。模糊關聯度是對理想解與非劣解接近程度的反映，通過對非劣解相對理想解的隸屬度進行計算，解決物理量綱影響問題。非劣解一般情況下都是在理想解周圍對稱分布，所以可以選用具有對稱分布特征的隸屬函數，計算非劣解與理想解關聯度的值，關聯度值最大的非劣解就是最優非劣解。

三、實例分析多目標模糊優化設計

首先，根據約束的模糊性，建立多目標模糊優化模型；然后，使用 最優水平截集法，轉化模糊約束的規定區間為普通集合；再然后，計算優化函數在普通集合范圍內的最大值與最小值；構造子目標函數的模糊目標集；以字母表的相對重要性未依據，判斷多目標模糊優化的最優解。

四、分析不同優化方法的優化特點與效果

線性加權法：通過改變優化目標的權系數，得到相應的非劣解。然后根據非劣解計算得到Pareto的前沿。

逐步寬容約束法：首先處理優化目標，將它轉化成約束條件，進而簡化優化問題。然后通過漸次放寬目標約束條件手段，計算得到Pareto的前沿。在本方法使用中，應合理選擇優化目標范圍作為約束條件。

P模理想點法：使用不同的P值進行計算，分析計算結果可知，P值對優化結果影響較小，試驗后取得的優化結果很相似。極大模理想點法與P模理想點法具有相同的優化目標系數1，計算取得的非劣解在線性加權法（0.5，0.5）范圍內。

目標點法：參考點的選擇很重要，能對優化結果產生直接影響。選取參考點，首要考慮的就是Pareto前沿，參考點位置離Pareto前沿越近，優化結果和Pareto前沿越相符。但是這種方法對設計者的要求較高，設計者不僅需要有豐富的知識儲備和設計經驗，還要對工程有全面了解。在初期設計中，設計者缺乏對工程項目問題的具體分析，不適宜使用這種方法。

NCGA方法：該方法在取得Pareto前沿的同時，還能計算可行域范圍的可行解，對工程設計有很大的促進作用。

兩個多目標決策方法：進行懸梁臂優化時，具有較大的優化結果差別；進行發動機系統優化時，優化結果相似。主要是因為發動機系統優化運用到的兩個目標值具有相同的數量級，懸臂梁優化運用到的兩個目標值數量級差距很大。二元相對比較，是對非劣解之間進行比較；模糊關聯度法通過求解理想解和非劣解的關聯度，判斷最優非劣解。這兩種方法的優化原理完全不同。

篇(3)

關鍵詞:量子遺傳算法;多目標分配;最優化

中圖分類號:TP18 文獻標識碼:A 文章編號:1674-7712 (2012) 12-0176-01

一、引言

遺傳算法不同于傳統尋優算法的特點在于:遺傳算法在尋優過程中,僅需要得到適應度函數的值作為尋優的依據;同時使用概率性的變換規則,而不是確定性的變換規則;遺傳算法適應度函數的計算相對于尋優過程是獨立的;算法面對的是參數的編碼集合,而并非參數集合本身,通用性強。它尤其適用于處理傳統優化算法難于解決的復雜和非線性問題。[1]

目前,GA已經在很多領域得到成功應用,但隨著問題規模的不斷擴大和搜索空間的更加復雜,GA在求解很多具體問題時往往并不能表現出其優越性。于是,近年來便出現了遺傳算法與其它理論相結合的實踐,其中遺傳算法與量子理論的結合是一個嶄新的、極富前景和創意的嘗試。

量子遺傳算法QGA是量子計算特性與遺傳算法相結合的產物。基于量子比特的疊加性和相干性,在遺傳算法中借鑒量子比特的概念,引入了量子比特染色體。由于量子比特染色體能夠表征疊加態,比傳統GA具有更好的種群多樣性,同時QGA也會具有更好的收斂性,因此在求解優化問題時,QGA在收斂速度、尋優能力方面比GA都將有較大的提高。QGA的出現結合了量子計算和遺傳算法各自的優勢,具有很高的理論價值和發展潛力。

本論文提出用量子遺傳算法處理和解決多目標分配問題,為多目標問題的解決提供一種新的思路。

二、量子遺傳算法

在傳統計算機中,信息存儲是以二進制來表示,不是“0”就是“1”態,但是在量子計算機中,充當信息存儲單元的物質是一個雙態量子系統,稱為量子比特(qubit),量子比特與比特不同之就在于它可以同時處在兩個量子態的疊加態,量子進化算法建立在量子的態矢量表述基礎上,將量子比幾率幅表示應用于染色體的編碼,使得一條染色體可以表示個態的疊加,并利用量子旋轉門更新染色體,從而使個體進達到優化目標的目的。

一個 位的量子位染色體就是一個量子位串,其表示如下:

其中 。在多目標優化中,一個量子染色體代表一個決策向量,在量子態中一個 位的量子染色體可以表達 個態,采用這種編碼方式使得一個染色體可以同時表達多個態的疊加,使得量子進化算法比傳統遺傳算法擁有更好的多樣性特征。

為了實現個體的進化,經典進化算法中通過染色體的交叉、變異操作推進種群的演化,而對量子進化算法而言,量子染色體的調整主要是通過量子旋轉門實現的,算法流程如下:

(1)進化代數初始化: ;

(2)初始化種群 ,生成并評價 ;

(3)保存 中的最優解 ;

(4) ;

(5)由 生成 ;

(6)個體交叉、變異等操作,生成新的 (此步可省評價);

(7)評價 ,得到當前代的最優解 ;

(8)比較 與 得到量子概率門 ,保存最優解于 ;

(9)停機條件 當滿足停機條件時,輸出當前最優個體,算法結束,否則繼續;

(10)以 更新 ,轉到4)。

三、基于量子遺傳算法的多目標分配應用

如今為了滿足市場的需要,很多工廠的生產種類多、生產量大,從而設置了不同的生產車間,根據產品的性質分配生產車間合理與否直接影響工廠的經濟收益,這同樣可采用遺傳算法的目標分配方法進行分配。

模型構建:設工廠有i個生產車間。 為在第i個車間生產第j種產品的收益, 為第j種產品的需求量;如果第j種產品被選中,則 為在第i個車間生產該產品的總收益。由題意知為求解 最大問題。

仿真實例:設有10個生產車間,要生產15種產品,用Matlab程序編程,設定40個粒子,迭代200次,代溝0.9。運行結果如下:

此圖表明經200次迭代后的目標分配方案為:第1種產品由第3個車間生產,以此類推,車間5生產第2種產品,車間8生產第3種產品,……。次方案對應的車間總收益值為2.7030e+003,成功進行了多目標分配問題的解決。

四、結論

基于量子遺傳算法的多目標分配,為多目標分配突破傳統尋優模式找到了一個可行的解決方法。根據這種方法實驗,仿真結果可以看出,基本符合要求,并且能夠在一定的時間內得到最優的分配方案,因此,本文在探索多目標分配問題上找到了一種新的解決思路。

參考文獻:

[1]吉根林.遺傳算法研究綜述[J].計算機應用與軟件,2004,21(2):69-73

[2]肖曉偉,肖迪.多目標優化問題的研究概述[J].計算機應用研究,2011,3,28(3):805-808

[3]原銀忠,韓傳久.用遺傳算法實現防空導彈體系的目標分配[J].火力與指揮控制,2008,3,33(3):80-83

篇(4)

【關鍵詞】精益六西格瑪；優化；生產過程；多目標

隨著過程工業生產規模的大型化發展趨勢，現代企業不但對過程控制要求越來越高，而且對優質、高效的生產管理的要求也越來越強烈。眾多企業尤其是先進產品制造企業，已經把注意力轉移到流程優化、節能降耗、降低成本，保質保量的生產模式上。隨著人們對生產過程認識的提高及精益生產觀念和六西格瑪管理思想的引入，研制成功的標志是不僅僅是質量可靠，為了實現精益六西格瑪生產的目標，而今又擴充到成本、研制周期等生產過程的相關目標上。這些目標在不同相關利益方之間是相互影響、相互矛盾的。為了保證產品生產的總體目標的實現，就必須對整個生產過程進行優化，達到多目標最優的目的。

一、精益六西格瑪DMAIC

DMAIC（define-measure-analyze-improve-control）是一張行動路線圖。DMAIC分為界定、測量、分析、改進、控制五個階段。精益六西格瑪DMAIC工具是依照六西格瑪管理的DMAIC工具的五個階段對生產的每個工序或流程進行優化，同時在DMAIC的每個階段融入精益工具。即按照精益六西格瑪DMAIC的五個階段利用精益六西格瑪DMAIC工具對生產產品的工序或流程進行優化。以下簡單說明精益六西格瑪DMAIC的五個階段：

（1）界定階段。在界定階段，團隊和過程的負責人需要在優化項目是什么，要取得什么結果等方面達成一致。要提出可能的項目，項目提議可能來自不同的渠道，包括顧客、工作報告和雇員。要想避免降低優化水平，管理者就要評估和挑選項目。盡管項目選擇的評估準則有很多，但主要應當以部門或公司層級上的不良過程的成本水平為依據。然后要準備項目問題、使命陳述以及團隊章程，并由管理層予以核定。管理層為項目挑選最適宜的人員組成團隊，并授予必要的優先權限。除此之外，項目過程要受到監控以確保成功。（2）測量階段。項目團隊通過測量基準績效和問題，對過程做好記錄來揭示過程的特征，如下所示：一是畫出過程；二是識別關鍵的顧客要求；三是確定關鍵的產品特性和過程參數；四是識別和記錄可能的失效模式、結果和重要性。這樣做的目的是去識別和記錄影響過程績效和產品特性，并對顧客利益有關鍵影響的過程參數。隨著項目的開展，過程文件要予以更新，團隊還要為測量階段的其他工作和下一個分析階段計劃好數據收集工作，然后對測量系統進行驗證，接著對過程能力進行測量。讓數據、知識和經驗相結合不是讓我們僅僅停留在思考過程層面上，而是停留在真正實施改進的層面上。在這個階段，項目優化團隊將會把很多時間用在數據處理上。（3）分析階段。分析階段的目標就是要讓測量階段收集到的信息和數據有意義，而且要用這些數據確定延遲、浪費和質量問題的來源。團隊要效忠數據，而不是利用自己的經驗和意愿判斷問題產生的根本原因。項目團隊必須分析以往和當前的績效數據。在前面的階段中生成的關鍵信息和問題可以經過這種分析找到答案，可能的因果關系的假說也能得到確定和測試。分析過程還要用到適當的統計工具和技術：直方圖、箱線圖、多變異分析、相關和回歸分析、假設檢驗、偶然性列表和方差分析。總之，通過分析，團隊可確認過程績效的決定因素。（4）改進階段。改進階段的惟一目的是實施過程改善，消除缺陷、浪費，降低成本等等，這些都是在界定階段界定的顧客需求。在這一階段，很多精益工具將發揮至關重要的作用。另外，項目團隊必須努力去確定因果關系，即輸入變量和關注的響應變量之間的數學關系，以便使過程績效能夠得到預測、改進和優化。團隊還要計劃好試驗設計。若進行篩選試驗，則可以識別關鍵的或者“關鍵的少數”的原因或決定因素，隨后使用2k因子試驗就可以建立起一個過程績效的數學模型。如果必要的話，也可以進行全因子試驗，用來確定輸入的操作幅度或者過程參數設定。通過使用響應曲面法（RSM）和調優運算（EVOP）等方法，團隊可以進一步精煉或優化過程績效。（5）控制階段。控制階段就是要確保變革中所得到的良好效果要保持下來，直到有新的知識和數據說明還有更好的方法可以操作這個過程。項目團隊必須設計和記載必要的控制，以確保一旦實施變革，就能夠保證從改進活動中獲益。要使用完備的原理和技術，包括自我控制和主導的概念、反饋回路、防錯功能和統計過程控制，而且過程文檔要得到更新（使用失效模式或者效應分析），并要制定出過程控制計劃，標準操作程序（SOP）和工作指南也要做相應的修訂，還要保證測量系統得到驗證，改進的過程能力得到確立。這個過程的實施要受到監控，并且過一段時間要對過程績效進行審計以保證成果得到保持。最后，當完成了使命時，項目團隊要向管理層報告，一旦得到審批，就可以將過程全部移交給操作人員并解散團隊。最后，通過以上界定、測量、分析、改進、控制（define，measure，analyze，improve，control，DMAIC）5個階段的周而復始、持續不斷的實施，實現工序和流程的持續改進，達到精益求精和盡善盡美。

二、多目標優化模型

通過對精益六西格瑪建造目標的分析，得出模型的優化目標是：質量、生產周期、費用、服務。因此，本文的基于精益六西格瑪的生產過程多目標優化模型的優化目標是以下四大目標：（1）最優化質量；（2）最小化工期；（3）最小化費用；（4）最優化服務。從對精益六西格瑪建造目標的分析中可以看出，質量在四大目標中占有最重要的位置，其次是生產周期和費用，最后是服務，也就是說四大目標在模型中將會根據項目的要求有不同的優先權。當然，這四大目標之間是存在矛盾的，要提高一個或幾個目標的效果，就得犧牲其他目標的效果。因此，本文的模型是要追求四個目標的協調優化。

三、基于精益六西格瑪生產過程優化系統框架

基于精益六西格瑪的生產流程優化系統由兩個子系統組成，分別是：工序流程優化子系統、多目標優化子系統，系統結構見圖1。下面將分別論述兩個子系統，以及兩個系統之間的關系。

圖1 基于精益六西格瑪的生產流程優化系統

整個基于精益六西格瑪的生產流程優化系統的構建采用了系統分析的思想，是在精益六西格瑪的思想和方法的基礎上建立起來的。

1．工序流程優化子系統。工序流程優化子系統是整個基于精益六西格瑪生產的流程優化系統的第一個子系統，也是優化工作首先要做的事情，是整個優化系統中非常重要的一環。作用是對組成生產過程的每個流程或工序進行優化，采用精益六西格瑪DMAIC工具，工具的具體運用已在前文進行了論述。精益六西格瑪DMAIC（define-measure-analyze-improve-control）這樣的精益六西格瑪工具是非常有用的，它是一張行動路線圖。建議成立專門的生產小組，深入到每個工序或流程當中，通過精益六西格瑪DMAIC工具的運用，使每個工序、流程或服務的質量得到提高，浪費和成本降低，工序或流程的持續時間縮短，即對每個工序、流程、服務的質量，成本，時間等進行全方位的優化。

2．多目標優化子系統。多目標優化子系統是生產過程優化系統的第二個子系統，將以精益六西格瑪生產目標為目標建模，作用是在第一個子系統對每個工序、流程、服務優化的基礎上，進行工程質量、生產周期、成本、服務等多目標的優化，目的是組合優化，最大限度并且最合理的滿足顧客對產品質量、工期、成本、服務等目標的要求，最終最大限度的提高顧客對產品的滿意度。這個子系統的建立體現了精益六西格瑪生產的思想。精益六西格瑪生產的目的是：（1）成功交付產品；（2）最大化顧客價值；（3）最小化浪費；（4）最大化顧客滿意度。而從這四個一級目標中分解出四個二級目標：（1）最優化質量；（2）最小化工期；（3）最小化費用；（4）最優化服務。完成了這四個二級目標就能實現一級目標，也就是能實現精益六西格瑪生產的目標。這四個目標與以往產品生產過程的多目標優化目標是有所不同的。通常產品追求的質量目標是質量達標，而此處則追求質量的最優化；另外本模型還追求服務的最優化，這在其他的產品生產優化模型中也是沒有論述的。這兩點的不同就體現了本子系統的精益六西格瑪建造的管理思想和理念。這兩點的不同正是為了追求最大化顧客價值和滿意度而設置的。是為了企業長遠和可持續發展而制定的目標。當然，這四大目標之間是存在矛盾的，要提高一個或幾個目標的效果，就得犧牲其他目標的效果。因此，本文的模型是要追求四個目標的協調優化。

3．兩個子系統之間的關系。工序流程優化子系統、多目標優化子系統兩個子系統組成了本文的基于精益六西格瑪生產的產品生產過程優化系統，兩個子系統的關系是相互影響，相互促進的關系，如圖2所示。

圖2 系統關系圖

兩個子系統可以分別進行，也都可以對生產過程的優化起到重要的作用，但如果把兩個子系統作為一個整體，他們各自將發揮更大的作用，而且兩個子系統之間將會相互促進，產生一加一大于二的效果，整個生產過程的優化活動將會產生更加明顯的效果。

四、結論

在精益生產六西格瑪管理和精益六西格瑪的基礎上，構建了工序流程優化子系統、多目標優化子系統兩個子系統以及他們之間的關系，然后給出了基于精益六西格瑪的生產過程優化系統。使制造業企業達到降低生產成本，縮短生產周期，提高產品質量，以便快速響應市場需求的變化的目的。

參考文獻

[1]李斌．基于精益生產的數控加工過程優化研究[D]．重慶大學．2007

篇(5)

【關鍵詞】集對分析；多目標規劃；柔性電網規劃；規劃方法

電網規劃作為電力系統中進行研究的一個不可缺少的環節，伴隨著我們智能電網不斷在建設中推進、擴大，電網規劃將迎來一個全新的挑戰。在我們的日常生活中，我們不難在電視上看到大停電的發生，這些事故最終導致了嚴重的經濟損失，而且引起了不良的社會影響。在這種情況下，進行電網規劃是件十分必要的事情。基于集對分析以及體現多目標的柔性電網規劃方法就是我們進行電網規劃的主要方向。

一、集對分析以及多目標的柔性電網規劃方法的簡介

集對分析是以集對以及聯系度為基本理念的一種電網規劃的重要方法。集對就是在進行電網工作時對有一定程度關聯的兩個集合體進行適當的整合，最終形成我們所說的對子。其實集對分析的本質就是一種具有不確定性的全新的理論，它的主要思想就是將各種確定以及不確定的系統通通定義成為一個具有不確定性的總系統。而這個系統將會受到來自各個方面的各種因素的調節以及影響，最終將企業的發展引向正軌，從而促進企業的進步與發展。多目標的電網規劃方法是指將很多個目標函數通通進行整合，使其最終成為一個我們所熟知的單目標的簡單函數，在這個過程中，多目標的問題優化就被輕松的轉化成為了單目標問題優化。我們常用的差分進化算法就是多目標電網規劃中的主要工具之一，對電網的規劃做出了一份貢獻。集對分析以及多目標的柔性電網規劃為我們的電網規劃事業貢獻了自己的一份力量。

二、基于集對分析和體現多目標的柔性電網規劃方法

基于集對分析和體現多目標的柔性電網規劃方法已經成為了現在電網規劃中的主流方法，對于我們的電網規劃工作起到了不小的推動作用。這種電網規劃方案是根據集對分析的電網規劃模型，又綜合了多目標以及柔性規劃這兩個比較重要的概念而最終提出的。在這里面，多目標規劃是采用例如像集對分析法來將電網規劃的有關經濟性以及可靠性巧妙的結合在一起，使得優化方案的整體效益達到最好，以此來適應電網規劃的有關部門目前的實際需求。而柔性規劃則可以在盡可能的避免去違反約束條件的前提條件下，使得我們規劃的方案的有關目標函數所表現的的經濟性很大程度的提高。

（一）層次分析法、模糊多目標評判決策理論以及規劃模型的綜合使用

在我們對電網進行規劃中，對城市進行的電網規劃是我們工作的主要內容。

城市的現代化進程很快，電網建設項目一個接一個，而做好這些的前提條件就是我們盡力去做好電網規劃工作。這個工作的主要流程比較簡單，首先我們要根據電網現在的實際情況提出一些切實可行的有關電網建設的項目，然后我們需要決定這些項目建設的先后順序，與此同時，要對我們預計的資金進行考慮，不要超出我們最先的預算。面對這個城市電網中出現的項目決策的有關問題，我們可以將其分為兩個問題，然后應用基于集對分析和體現多目標的柔性電網規劃方法將其逐步解決。我們首先來解決在考慮多種因素的前提下對項目進行有關評判的問題。層次分析法以及效用理論或者模糊綜合評判法都可以應用在這個問題上，能夠對投資的可靠性、回報等進行比較綜合性的判斷，并以此來對該項目的最終利益進行評判。然后我們可以著手解決資金分配的相關問題。資金問題是一個比較棘手的問題，尤其是當我們面對一個許多個項目之間依賴關系十分緊密時，我們的決策將很難做出。在這個時候，規劃模型成為了我們的最佳助手，可以幫助我們對問題進行很好的描述，幫助我們做出正確的判斷。

（二）數學建模在電網規劃中的應用

在我們現代社會的電網規劃的有關工作中，在諸多備選方案中選取優化方案

是個十分必要的事情，能夠在電網的規劃工作中采取優化方案有著十分重要的意義，同時對各因素的最佳方案也有著不可忽略的重要價值。關于如何在諸多方案中選取優化方案的問題，我們通常采用數學建模的方法來解決。我們常用的有三種模型。第一種是IAHP，它能夠對我們項目中存在的各種有關因素以及各種可能出現的不確定性進行綜合性的考慮，幫助我們的綜合決策。第二種是一種叫做0/1規劃模型的數學模型。這個模型主要是針對資金問題而建立的，它能夠在自己預算的約束之下對存在著各種復雜關系的各項目進行決策性的優化。第三種是引進了優化水平α以及約束水平λ。這種特殊的數學模型可以將我們常見的區間性的優化問題巧妙的轉化為我們常見的點值優化問題。通過對α以及λ與決策的最終結果的關聯，可以提出在我們實際項目的決策中對α以及λ進行選取的重要原則，從而幫助做決策的人可以根據項目的收益以及資金預算的實際狀況對α、λ的不同組合進行選取，最終實現我們所要求的柔性決策。

（三）城市總規劃的指導

電網規劃要與時俱進，當今社會對城市的電網規劃是電網規劃的主體部分。

城市的電網規劃仍然占有主導地位。城市的電網規劃多采用集對分析和體現多目標的柔性電網規劃方法，而城市總規劃的指導也是其中的重要組成部分。城市電網規劃的特點有很多，它相對于普通的電網規劃來說更加側重于通過規劃使城市電網擁有更加合理，更具有科學性的布局，與此同時，對技術以及經濟方面的合理性的要求有更高一層次的標準，專業性也有了新的要求高度。城市總規劃的指導與基于集對分析和體現多目標的柔性電網規劃方法相輔相成主要表現在城市總規劃的正確指導的基礎上進行有關電網規劃的有關編制，曾經的電網規劃只是其自身的一個組成部分，就是將電網規劃的有關項目歸于城市規劃里來，在現有承載的基礎之下電網規劃應該從市政方面的規劃著手，并且在規劃的過程之中服務市政規劃。換句話說就是在我們對城市電網進行規劃時，我們應該將電網規劃的主要方向設定于整個城市的整體全面的規劃中來。

綜上可知，由于電網本身的脆弱性，影響因素多而且不好被人為控制，以及環境因素的影響，我們現在社會的電網規劃正面臨著很多的問題，而這些問題嚴重影響到了電網企業的發展以及人民大眾的主要利益。為了解決這些問題，提出了基于集對分析和體現多目標的柔性電網規劃方法。因此，電網規劃中遇到的項目規劃問題以及項目優化、與城市規劃相協調等問題都得到了很好的解決。基于集對分析和體現多目標性的柔性電網規劃方法有很多，是我們進行電網規劃的主要工具。

參考文獻

[1]李鈞，陳黎華.淺談城市電網規劃的若干問題及前景展望[J].科技風，2010（20）：211

篇(6)

[關鍵詞] 房地產投資風險效用多目標決策

隨著我國社會主義市場經濟的發展和改革開放的不斷深入，房地產業得到了迅速的發展。房地產作為一種投資工具，其風險性受到房地產投資者越來越普遍的關注。因此本文對房地產投資風險決策方法進行了深入研究。

一、房地產投資決策的特點

房地產投資決策就是運用有效的決策方法在若干個投資方案中選擇出最優的投資方案。房地產投資決策同時具有多目標決策和風險型決策的特點。

1.房地產投資決策的多目標性

由于房地產投資者所追求目標有多個：收益 、回收期 、信譽價值、環境保護等。 所以房地產投資決策具有多目標性，屬于多目標決策。

2.房地產投資決策的風險性

房地產投資過程中有許多風險因素：土地價格的不確定性、工程建設費用的不確定性、投資收益的不確定性及工期、投資回收期的不確定性等。這些風險因素是客觀存在的，但并不是完全不可知的。決策者可以根據自己的經驗和科學的方法預先估計和計算出其概率分布，再計算出益損值的概率分布。因此，房地產投資決策應該被認為是風險型決策，而不是不確定性決策。

二、多屬性效用理論

現代風險型決策理論已從期望值準則階段發展為期望效用準則階段。期望效用準則充分考慮了風險型決策問題的兩個基本特點，即后果的風險性和后果的效用。由于風險型決策問題的自然狀態是不確定的，所以不論決策者采取什么決策，都可能產生各種不同的后果，因此他要承擔一定的風險，但對后果并非是全然不知，可以預測它的概率分布。不同的決策者對風險的態度往往不相同，同樣的后果對不同的決策者會產生不同的效用。

基于期望效用準則的效用理論能很好地解決風險決策問題，效用理論已從單屬性效用理論階段發展到多屬性效用理論階段。多屬性效用理論可很好地解決多目標風險決策問題。運用多屬性效用理論進行風險決策的基本步驟如圖所示。

三、房地產投資多目標風險決策模型的建立

下面運用多屬性效用理論來解決房地產投資多目標風險決策問題，建立房地產投資多目標風險決策模型。

1.建立多目標分層遞階結構

(1)選定目標

通過詢問決策者，選擇出決策者關心的三個投資目標：收益、回收期、信譽價值。

①收益最大化。收益(Return)是一個較為籠統的概念，它一方面含有絕對的收益值的意思，另一方面也含有投資收益率的意思，因此將收益最大化具體表述為以下兩個方面：

一是凈現值最大化。凈現值(NPV)是一個反映投資收益的絕對指標，它直接描述了一個投資方案可能獲得的利潤的現值。其表達式為：

在風險條件下，需要確定凈現值的概率分布。

二是內部收益率最大化。內部收益率是反映投資經濟效益的相對指標。由于房地產投資者的資金總是有限的，因此投資者總是希望盡可能有效地運用有限的資金，獲得盡可能高的收益。

內部收益率(IRR)是使凈現值為零的折現率，它反映了項目自身的獲利能力，其值可由式(1)中令NPV=0計算得出。在風險條件下，需要確定內部收益率的概率分布。

②回收期最小化。房地產投資資金占用很大，投資者往往利用負債經營，利息負擔沉重，因此投資者往往希望盡快收回投資，把回收期最小化作為一個主要目標。回收期是指凈收益抵償初期投資所需要的時間。回收期有靜態和動態之分，區別在于前者沒有考慮資金的時間價值，而后者考慮了資金的時間價值。動態回收期較為常用，可通過令式(1)中NPV=0，求其中的t得到。在風險條件下，需要確定內部收益率的概率分布。

③信譽價值最大化。擁有地段好、規模大、檔次高、性能優異的房地產往往被視為一種榮耀，而且這樣的房地產也能夠給其擁有者或者投資者帶來無形的收益。我們將這種榮耀和無形收益統稱為房地產的信譽價值。

信譽價值的估計通常由投資者本人根據自己的偏好確定。通常可由投資者對各備選方案的信譽價值進行打分，分數越高表明信譽價值越高，對投資者越有利。

(2)遞階結構

對于收益這個目標，用凈現值和內部收益率作為它的屬性。顯然，這兩個屬性具有可理解性和可測性。同時，由于這兩個屬性分別從絕對值的角度和相對值的角度體現了收益這一目標的兩個重要方面――實際收益值和投資收益率，因此它們是完全的。而且它們是非多余的和最小的。

對于回收期和信譽價值這兩個目標，分別采用動態回收期和信譽價值的值作為它們的屬性。這兩個屬性具有可理解性和可測性。

對于這些目標所設定的一集屬性我們認為它是完全的、可運算的、非多余的和最小的。所有這些目標和屬性構成了房地產投資決策的多目標分層遞階結構。

2.建立決策模型

選定房地產投資決策的目標集為：

①收益最大化;

②回收期最小化;

③信譽價值最大化。

為具體表述上述三個目標，我們設定一個完全的、可運算的、非多余的和最小的屬性集：

這樣，我們就得到了一個表達簡單、意義明確的房地產投資多目標風險決策模型。我們只需先求出每個方案的各屬性的概率分布，再根據決策者的偏好確定多屬性效用函數，進而得出各方案的期望效用值，就可以據此期望效用值進行方案的優劣排序，從而進行有限個方案的多目標風險決策。

參考文獻:

[1]彭勇行:管理決策分析.科學出版社,2000

[2]徐水師:預測方法與決策分析.西北大學出版社,1997

[3]楊劍波:多目標決策方法與應用.湖南出版社,1996

篇(7)

【關鍵詞】智能電網；互動式；節能調解

電工界已公認智能電網將是電力系統未來的發展方向和目標。其中高級計量設施（Advauced MeteringInfrastructure AMI）系統將是構建智能電網的基礎構架。它是由每個結點或設備上的新型傳感器與有獨立操作系統的處理器相聯結.并以高速寬帶光纖通信將測得的信息進行雙向傳輸.形成分布式的統計平臺。以完成分析判斷和協調控制等功能，已安裝了AMI系統的電力企業就可以用它開發智能電網的一些潛在功能，以實現前所未有的自愈、預警、節能等新的效益。關于智能電網，《智能電網成本與收益評估報告》一書將“智能電網”被定義為：一種能夠進行自我監測與保護的現代化電力傳輸系統。該智能電網的設計可自動優化電網各個相互關聯的環節，如為了將中央電源和分布電源與工業用戶、樓宇自動化系統、能量儲備裝置以及終端用戶的溫控器、電動汽車、家用電器及其他家用設備串連在一起，智能電網將通過高壓輸電網絡和配電系統從而實現。由上可知，如果實現我國電網的智能化設計，那么智能電網將促進我國經濟的各個方面得到長足的發展，另一方面也反過來促進我國智能電網的逐步更新發張，實現經濟和電網的雙向跨越性發展。

1 我國智能電網的發展現狀

相較于國外的智能電網發展，我國的智能電網無論是概念上還是現實實踐中都起步較晚。自1999 年起，我國學術界進行了“我國電力大系統災變防治和經濟運行的重大科學問題研究”，在該重大課題中提出了“數字電力系統”的概念。就實踐而言，2007 年10 月，華東電網啟動了智能電網可行性研究項目，由此拉開了我國智能電網從概念到應用的大幕。

自2009 年開始，我國步入智能電網的戰略部署階段。國家電網公司召開“2009 年特高壓輸電技術國際會議”。國家電網公司在該會議上提出了“堅強智能電網”的概念，由此我國正式進入智能電網建設的新時代。我國所謂的“堅強智能電網”其實就是在信息平臺上以現代通信技術為信使，在電網基礎上以特高壓電網為骨干網架、各級電網協調發展并具有自動化、互動化、信息化特征。由上可知，我國的“堅強智能電網”包含發電、輸電、變電、配電、用電和調度等電網的各個環節。最終，隨著堅強智能電網的實現，我國智能電網將覆蓋所有電壓等級，實現“電力流、信息流、業務流”高度一體化融合的現代電網，此外，我國信息科技部也設立相關的智能電網項目不斷促進我國智能電網的設計和發展。以上種種，均標志著我國智能電網建設進入全面實施階段。

2 互動式節能調度

2.1 智能電網實現風、水、光、火電一體化的智能調度

我國電力家庭的成員主要由水電、風電與核電等構成。但是，眾所周知，我國的風力、水力發電站以及核電容易受到自然環境和經濟發展狀況的影響。所以，國家電網公司應當在我國電力發展的基礎上，對一定數量、一定規模的火力發電站與其配套進行使用，從而保障電網安全、穩定、持續的供電。除此之外，為了讓某些季節風力發電比較良好的的情況的電力能夠更好的服務于我國經濟發展的需要，并減少我國火力發電的額度，只能電網可以將風力發電、水利發電多余的電力額度配送至原本由火力發電所支持的經濟發展區域。如此，既為我國經濟發展提供了優質的動力，還進一步保護了我國的環境。

2.2 智能電網實現全局性的分布式電源接入

特高壓輸電技術一方面可以減少長距離輸電過程中減少電力的消耗，另一方面可以將遠距離、大總量的運煤轉換為輸電。如此，特高壓輸電技術可以降低我國電網的消耗功率，還可減小由于長途火車運輸而帶來的不確定性和運輸成本。因此，我國的智能電網的發展方向將是更為注重對特高壓輸電技術的研究、設計與大力扶植發展。除此之外，現階段我國的智能電網技術還可以通過數據智能采集、智能計算、光纜通訊、信息傳輸、智能調度的技術，對輸電線路進行及時的智能調控，而在長距離的高壓電輸電過程高壓電網還可以有效地減少電能在輸送過程中產生的輸電損耗，從而實現智能電網節能優化的目的。

2.3 高效、低能智能發電器的發展

正所謂有需求就有發展，智能電網的設計規劃與發展將催生我國一批企事業和電力行業整體性的發展。作為智能電網的應用，我國未來的十年間，將有一系列的、大量的智能電器問世，并將應用于我國智能電網的輸電線路之中。隨著我國經濟的發展，依照目前的我國經濟發展的速度，在未來十年至十五年間，與智能電網相關的電器將有約1000多億的市場需求，到那時由“大功率輸出”為“小信號傳輸”將成為現實。而作為智能電網應用的結果之一，傳輸的功率變為原來的幾十分之一，原來成千上頓甚至數十噸的重量，通過小型化和低功率化的互感器，便能減小到幾公斤。數字化電表的電能消耗不足傳統電表的1/10，如果進行數字化智能化調控，那么我國電網因長距離、長時間的輸電而導致的消耗將是一個天文數字。

3 互動式調節的模型

3.1 基于一致性的多目標評估模型

互動式節能調度的目標是否與傳統節能調度的目標具有一致性。若一致性程度高，可采用簡易的加權平均方式形成單一化的目標函數；若不一致，則需根據不同情況下的目標不同而設定相應的方案。

3.2 多目標協調優化模型

針對互動式節能調度中，多目標一致性評估中不一致的情況進行多目標依據不同目標而設定相應的方案。由于互動式節能調度中可能會存在多個目標函數，其協調優化問題的復雜度將大大提高。因此，智能通過對影響每一個單目標的基本要素進行個體研究，并相應的建立多目標協調優化模型，運用相應的函數模型，從而分析在不同條件下所應當采用的最為優化的目標，從而實現智能電網的最佳效率。

3.3 智能多模型

通過建立比較成熟的智能電網模型而保證發電企業、電網企業以及用電客戶三方能夠實現更好地協調，并處理好三方在用電過程中的相應的企業、用電客戶之間的行為。在此基礎上，我國的智能電網的多模型將具有智能性、中介性、機動性等優勢，一方面通過統一的調控一體化平臺，實現智能多主體共同決策，作為最終結果則是在特定環境下將所運行的軟件實體嵌入互動式節能調度之中。

4 結語

綜上所述，與傳統的“單向電網”相比，智能電網實現了通過市場需求決定發電企業和電網企業的供應狀況，并將用戶納入參與電力系統的運行和管理之中。如此，不僅實現電力企業的良性健康發展，還進一步為用電客戶提供電力優化之便利。電力企業可通過智能電網的用戶系統實時通知用戶其電力消費的成本、實時電價、電網目前的狀況、計劃停電信息以及其他一些服務的信息，從而用戶也可以根據這些信息制定自己的電力使用的方案，有助于平衡供求關系。最終實現電網企業、發電企業和用電客戶之間的雙贏格局。總之，隨著未來電力市場完全市場化，以及互動式節能調度體系日臻成熟，在電力消費市場中用電客戶與電力企業往往可通過市場博弈的方式建構一套既保護用電企業的利益需求，又實現用電客戶利益最大化的模型，從而最大限度的發揮此三者間的優勢，促進我國電力市場的良性發展，并進而推動我國經濟持續穩定快速健康的發展。

參考材料：