一种多目标优选的统筹法

1.本发明属于工程技术应用中优选技术领域，具体涉及一种多目标优选的统筹法。


背景技术：

2.现代化社会及其发展过程中，各个部门和领域的事项、因素、指标等往往呈现错综复杂的作用，每项工作的开展或计划的制定与实施都会涉及到许多方面。如城市规划设计不只考虑交通，还要考虑水文地质等指标，而交通规划也不是只考虑道路设计，还要考虑自然生态环境等；在飞行器的设计制造中，不仅要考虑材料的强度和韧性等有利指标，也要考虑材料的比重(密度)等不利指标。核电厂的选址也要充分考虑厂址周围的外部人为事件。针对于此，我国出台了“haf0105核电厂厂址选择的外部人为事件”，对外部人为事件进行了界定，并提出相应的勘查和评价策略。文件里涉及对飞机坠毁、爆炸、危险液体释放等的评定。天然气长输管道工程是一项具有高投入、高风险、高技术的工程，其长距离输气管道设计中会涉及到沿线地形起伏、沿线进分气点、输气管道沿线各段的直径、壁厚、沿线压气站的位置、数目、压气机的型号及其机组组合方式、压气站的压缩比和进出站压力、管道投资费、建站投资费、动力费、年折合费用等各种技术经济指标。由此可见，单一目标最优化方法已经不能完全适应当今社会发展的需要，从多角度、多方面综合各种指标的作用和影响，才能统筹兼顾、科学发展。
3.多目标(指标)优选方法，就是针对多目标(指标)问题进行优选的方法。多目标最优选问题遍及众多行业和领域，如工程技术、经济、管理、军事工程、金融管理和系统工程等方面。目前，多目标最优选方法尚未形成严格的定量方法，有的通过对多于一个的目标函数进行组合(“加和”)，构成一个新的目标函数进行最优化处理的。这种“加和”式组合涉及线性权重因子(系数)和理想点等，以及其它人为因素。有的引入“信噪比”、“灰色”和“模糊”处理，也有人为因素在内。因此，仍需要继续探索优选的定量方法，以利于工程实际的合理设计和应用。


技术实现要素：

4.为了克服上述现有技术的不足，本发明之目的是提供一种多目标优选的统筹法，引入青睐概率参量，将优选任务里候选对象的评价目标(指标)划分为有利(效益)型指标和不利(成本)型指标两类，其中，在数值上具有“越大越好”特点的评价目标(指标)属于有利(效益)型指标，而在数值上具有“越小越好”特点的评价目标(指标)属于不利(成本)型指标。并提出了对有利(效益)型指标和不利(成本)型指标所相应的部分青睐概率的定量评价方法；候选对象的总青睐概率是对候选对象的所有可能指标进行统筹考虑的结果；按照候选对象总青睐概率的数值对所有候选对象在本次优选任务中进行排序，各候选对象的总青睐概率是该候选对象在本次优选任务里能否胜出的决定性依据。
5.为了实现上述目的，本发明的技术方案是：
6.一种多目标优选的统筹法，其特征在于，包括以下步骤：
7.步骤1、有利(效益)型指标按照与该指标的技术参数正相关关系进行定量处理，其部分青睐概率按照公式(1)和(2)进行计算：
8.p
ij
∝
x
ij
，p
ij
＝α
j
x
ij
，i＝1,2,...,n,j＝1,2,...,m
ꢀꢀꢀ
(1)
[0009][0010]
其中，x
ij
表示第i个候选对象的第j个评价目标(指标)；p
ij
为有利评价目标(指标)x
ij
的部分青睐概率；n为该优选任务里所涉及的候选对象的总个数；m为每个候选对象的评价目标(指标)的总个数；α
j
是第j个有利(效益)型指标的青睐概率系数；是x
ij
在第j个有利(效益)型指标内对相关的候选对象的算术平均值，
[0011]
步骤2、不利(成本)指标型指标按照与该指标的技术参数负相关关系进行定量处理，其部分青睐概率按照公式(3)和(4)进行计算；
[0012]
p
ij
∝
p
ij
∝
(x
jmax
+x
jmin
–
x
ij
),p
ij
＝β
j
(x
jmax
+x
jmin
–
x
ij
),i＝1,2,...,n,j＝1,2,...,m (3)
[0013][0014]
式中，x
jmax
是第j个不利(成本)型指标中的最大值，x
jmin
第j个不利(成本)型指标中的最小值；
[0015]
步骤3、第i个候选对象的总/综合青睐概率p
i
为其各评价目标(指标)的部分青睐概率p
ij
的乘积，按照公式(5)进行计算：
[0016][0017]
步骤4、按照候选对象总青睐概率的数值对所有候选对象在本次优选任务中进行排序，各候选对象的总青睐概率是该候选对象在本次优选任务里能否胜出的决定性依据。
[0018]
本发明的有益效果是：
[0019]
1)本发明引入青睐概率参量，作为对优选任务里候选对象的评价目标(指标)进行定量评价的决定性参量。
[0020]
2)本发明将优选任务里的所有候选对象划分为有利(效益)型指标和不利(成本)型指标两类，并提出了对有利(效益)型指标和不利(成本)型指标所相应的部分青睐概率的定量评价方法。
[0021]
3)本发明提出了有利(效益)型指标的部分青睐概率与其相应技术参数按照正相关关系进行定量评价。
[0022]
4)本发明提出了不利(成本)型指标的部分青睐概率与其相应技术参数按照负相关关系进行定量评价。
[0023]
5)本发明第i个候选对象的总/综合青睐概率为其各评价目标(指标)的部分青睐概率p
ij
的乘积，i＝1,2,...,n,j＝1,2,...,m。其中n为该优选任务里所涉及的候选对象的总个数，m为每个候选对象的评价目标(指标)的总个数。
[0024]
6)本发明按照候选对象总青睐概率的数值对所有候选对象在本次优选任务中进行排序，各候选对象的总青睐概率是该候选对象在本次优选任务里能否胜出的决定性依
据。
具体实施方式
[0025]
以下结合实施例对本发明进一步叙述。
[0026]
实施例1
[0027]
圆柱轴型的材料选择：
[0028]
表1列举了5种材料作为轴设计的候选材料的技术参数。对于此项选材，材料的强度参数τ
f
具有越高越好的特性，因此参数τ
f
是材料选择的有利型指标，其部分青睐概率按照公式(1)和(2)进行评估；相对成本指标c是材料选择的不利型指标，具有越低越好的特点，其部分青睐概率按照公式(3)和(4)进行评估。
[0029]
表2给出了对于该5种候选材料的每个材料物性指标的部分青睐概率p
ij
和总青睐概率p
i
的评估结果。
[0030]
表1
[0031][0032]
表2
[0033][0034]
在表2中，倒数第二列就是总青睐概率。结果清楚地表明，合金钢aisi 4340具有了本次选材中总青睐p
i
的最大值。因此，该圆柱轴设计材料的最佳选择就是aisi 4340钢。
[0035]
实施例2
[0036]
汽车活塞设计的材料选择：
[0037]
表3列举出该汽车活塞设计中7种候选材料的材料技术参数。对于此项选材，材料指标3、4、6和7是有利型指标，材料指标1、2、5和8分别是材料选择的不利型指标。
[0038]
另外，材料指标6和7都是材料强度指标，其意义和作用相似，这里只考虑材料指标6。如果非常强调材料强度指标作用的重要性，材料指标6和7就可以都考虑在内，见实施例3。
[0039]
表3
[0040][0041]
表4给出了对7种候选材料的每个材料指标的部分青睐概率和总青睐概率进行评估结果。
[0042]
表4
[0043]
材料1的p
ij
2的p
ij
3的p
ij
4的p
ij
5的p
ij
6的p
ij
8的p
ij
p
i
×
106排序gci0.12830.16760.10060.12250.08710.11820.26760.73014ti
‑
alloy0.15470.00160.12680.02690.14920.17990.01960.00047ni
‑
alloy0.13580.16560.08960.01930.06030.21870.05870.03015al
‑
alloy0.14720.16730.15610.29300.18700.12330.15013.87003amc 10.15090.16700.21430.23740.18760.07090.24414.16422amc 20.11700.16720.20110.27560.18540.10920.24675.41801tmc0.16600.16370.11150.02730.14340.17990.01310.02796
[0044]
从表4可以看出，在此选材的优选中，比较合适的材料是amc 2。
[0045]
实施例3
[0046]
汽车活塞设计的材料选择，且优先考虑材料强度指标的作用：
[0047]
仍然针对表3列举出该汽车活塞设计中7种候选材料的材料技术参数。对于此项选材，有关材料指标的分类与实例2中相同，但需要优先考虑材料强度指标的作用，因此材料指标6和7就需要考虑在内。
[0048]
表5给出了在材料指标6和7都需要考虑在内情况下，对7种候选材料的每个材料指标的部分青睐概率和总青睐概率进行评估的结果。
[0049]
表5
[0050]
材料1的p
ij
2的p
ij
3的p
ij
4的p
ij
5的p
ij
6的p
ij
7的p
ij
8的p
ij
p
i
×
107排序gci0.12830.16760.10060.12250.08710.11820.09280.26760.67754
ti
‑
alloy0.15470.00160.12680.02690.14920.17990.20680.01960.00097ni
‑
alloy0.13580.16560.08960.01930.06030.21870.22440.05870.06765al
‑
alloy0.14720.16730.15610.29300.18700.12330.10400.15014.02542amc 10.15090.16700.21430.23740.18760.07090.06320.24412.63293amc 20.11700.16720.20110.27560.18540.10920.09890.24675.35951tmc0.16600.16370.11150.02730.14340.17990.20990.01310.05856
[0051]
从表5可以看出，在此选材的优选中，比较合适的材料是amc 2。与表4给出的排序相比，排序处于2和3位次的材料有所变化。可见，在优先考虑材料强度指标的作用的情况下，排序结果会有一定变化。
[0052]
实施例5
[0053]
水库多目标防洪调度优选
[0054]
表6列举水库防洪的6个调度方案。对于此项优选，发电量e为效益型指标，其他各指标均为成本型指标。表7为按照统筹法方法评价的结果。
[0055]
表6
[0056][0057]
表7
[0058]
方案e的pw的pzδ的pvf的pq的ppi*104排序方案10.16730.18160.28180.15680.15752.11461方案20.16700.17800.19090.16630.15691.48103方案30.16530.17080.07270.17570.14350.51776方案40.16700.11460.11820.16390.23600.87505方案50.16710.17960.19090.16630.15681.49462方案60.16630.17540.14550.17100.14921.08254
[0059]
从表7可以看出，在此6个调度方案的优选中，第一方案为最优方案。
[0060]
实施例6
[0061]
水利工程施工方案优选：
[0062]
表8列举了8个水利工程施工方案。对于此项优选，效率为效益型指标，工期和费用均为成本型指标。表9为按照统筹法方法评价的结果。
[0063]
表8
[0064][0065]
表9
[0066]
方案工期的p费用的p效率的ppi*103排序10.11160.12950.08161.1794820.11790.12800.09331.4070630.12310.12760.10931.7159540.12820.12710.14142.3035350.12930.12520.18162.9386160.13000.12390.17522.8213270.13000.12110.12591.9815480.13000.11770.09181.40477
[0067]
从表9可以看出，在此8个施工方案的优选中，第五方案为最优方案。
[0068]
实施例7
[0069]
投资方案优选
[0070]
表10列举了五个投资方案si(i＝1，2，3，4，5)，4个评价指标分别为投资额c1、期望净现值c2、风险盈利值c3和风险损失值c4(单位均为：万元)。对于此项优选，c1和c4是成本型指标，c2和c3为效益型指标。表11为按照统筹法方法评价的结果
[0071]
表10
[0072]
投资方案c1c2c3c4s15.205.204.730.473s210.086.705.711.599s35.254.203.820.473s49.725.255.541.313s56.603.753.300.803
[0073]
表11
[0074]
投资方案c1的pc2的pc3的pc4的ppi*104排序s10.25490.20720.20480.280630.33491s20.13150.26690.24720.08307.20025
s30.25360.16730.16540.280619.68932s40.14060.20920.23980.13329.39194s50.21950.14940.14290.222710.43033
[0075]
从表11可以看出，在此5个投资方案的优选中，第一方案为最优方案。
[0076]
实施例8
[0077]
多目标正交试验设计优化
[0078]
表12列举了关节轴承挤压成形工艺的多目标正交试验设计优化，涉及三个因素四水平，其中轴承外圈挤压槽深度和宽度以及模具进给量作为输入因素变量，轴承密合度、最大挤压力以及衬垫最大接触压力三个指标作为优化目标(指标)。
[0079]
轴承缝隙δt、最大挤压力f
max
和衬垫最大接触压力p
max
都是技术优化的不利指标，因此，采用(3)和(4)式对其部分青睐概率进行评估。
[0080]
表13试验结果和δt、f
max
和p
max
的部分青睐概率和总青睐概率，给出了试验结果和轴承密封性、最大挤压力和衬垫最大接触压力的部分青睐概率和总青睐概率。
[0081]
表12
[0082][0083]
表13
[0084]
[0085][0086]
在表13中，第4号试验呈现出最大的总青睐概率p
i
，可以直接将其选为多目标正交测试设计中的最佳组合之一。
[0087]
进一步，可以对总青睐概率进行极差分析。表14给出了关节轴承挤压工艺优化正交试验设计总青睐概率的极差分析结果。
[0088]
表14
[0089]
[0090][0091]
从表14的极差分析结果可以看出，因素影响从大到小的顺序是从d、h到l，最优组合为d1h4l1。
[0092]
施例9
[0093]
多目标均匀试验设计优化
[0094]
表15列举了手机面板注塑工艺参数的多目标均匀优化设计u
10
(53)，其中熔体温度、注射时间和保压压力作为输入变量因素，同时保持注射压力为100mpa，保压时间3s，冷却时间5s，而体积收缩率φshr(％)、沉降指数isink(％)、翘曲变形w(mm)三个指标作为优化目标(指标)。
[0095]
体积收缩率φshr(％)、沉降指数isink(％)、翘曲变形w(mm)都是技术优化的不利型指标，因此，采用(3)和(4)式对其部分青睐概率进行评估。
[0096]
表16给出了试验结果和体积收缩率φshr(％)、沉降指数isink(％)、翘曲变形w(mm)的部分和总青睐概率的评估结果。
[0097]
表15
[0098][0099][0100]
表16
[0101][0102]
在表16中，第2号试验呈现出最大的总青睐概率p
i
值，而第1号试验的总青睐概率与第2号试验总青睐概率p
i
非常接近，因此可以直接将它们选为多目标优化均匀实验设计中的最优组合之一。