多目标优化是在实际应用中经常遇到的一类优化问题[1-2], 目标有无穷多的情形也是重要的一部分,例如有连续需求点的选址问题[3-4].由于目标之间有冲突, 在不能同时达到最优时, Pareto有效性允许在某个目标上有损失,但需要在其他目标上有收获.
真有效性最早由KUHN等[5]提出, 其初衷是为了将KT条件应用于多目标优化问题. KT真有效性本质上要求线性标量化方法中的系数必须全部为正, 从而保证每个目标函数的增减信息被使用.基于相同的思想, HURWICZ[6]针对无穷维空间中的向量优化问题, 提出了Hurwicz真有效性.之后, KLINGER[7]证明了非KT真有效性会导致补偿无界,即某个边际损失对任意的边际获得比率都无界. GEOFFRION[8]在一致有界补偿的基础上,提出了Geoffrion真有效性.此后,对真有效性的研究进入了快速发展阶段[9-10].
WINKLER[11]对一类特殊的无穷多目标优化问题引入了真有效性, 并完整保留了Geoffrion结构.本文借鉴WINKLER的思路在更宽泛的情况下定义Geoffrion真有效性.不同的是, 本文从一族锥出发, 先引入有界补偿, 并得到Pareto有效元对其他的成员补偿都有界;后通过要求补偿一致有界引入Geoffrion真有效性,并证明了此定义与Geoffrion原始定义是等价的;最后, 将Geoffrion真有效性的思想用于鲁棒优化, 得到了不确定优化中的Hurwicz准则和Hurwicz-Savage准则.
1 偏序与Pareto有效性若U表示某个评价体系的指标集,u∈U表示具体的指标, 则相应的多目标优化问题为
$ \mathop {{\rm{Min}}}\limits_{x \in X} {\left( {f\left( {x, u} \right)} \right)_{u \in U}}, $ | (1) |
当U有限时, 式(1)是经典的多目标优化问题;当U无限时, 式(1)属于无穷维空间中的向量优化问题.本文考虑基于分量比较的序结构[12-14].
定义1 对任意的x, x∈X, 记
$ \bar x \mathbin{\lower.3ex\hbox{$\buildrel\prec\over {\smash{\scriptstyle\sim}\vphantom{_x}}$}} x \Leftrightarrow f\left( {\bar x, u} \right) \le f\left( {x, u} \right), \;\;\forall u \in U, $ |
其中,
$ \bar x\tilde{\ }x \Leftrightarrow f\left( {\bar x, u} \right) = f\left( {x, u} \right), \;\;\forall u \in U. $ |
另记
$ \bar x \prec x \Leftrightarrow f\left( {\bar x, u} \right) < f\left( {x, u} \right), \;\;\forall u \in U. $ |
通常≺称为≾的严格部分,~称为≾的无差别部分.这样的序结构经常出现在不确定型选择理论中, 例如≺和≾可以用来表示行为的惯性[15-16].
命题1 ≾是X上的一个偏序, 即满足自反性、反对称性和传递性.
定理1 ≾是X上的全序,当且仅当函数族{f(·, u)}u∈U是共单调的, 即对任意的u, v∈U, 不存在x, x∈X,使得
f(x, u)-f(x, u)f(x, v)-f(x, v)<0.
当指标集U包含多个值时, 共单调在实际情况中是很少见的,也就是说, ≾是不完全的.在偏序环境中, 相对于≾求最优不再是合适的概念, 因为最优可能不存在.此时, 需要引入有效性.
定义2 称x∈X为集合X的
(A) 弱Pareto有效元, 如果不存在x∈X: x≺x;
(B) Pareto有效元, 如果∀x∈X, x≾x⇒x~x.
集合X的Pareto有效集和弱Pareto有效集分别记为E(X)和Ew(X).显然E(X)⊂Ew(X)并且
(A1) x∈Ew(X)⇔
∀x∈X, ∃u∈U: f(x, u)≤f(x, u);
(B1) x∈E(X)⇔∀x∈X, f(x, ·)≡f(x, ·)
或者∃u∈U: f(x, u)<f(x, u).
2 有界补偿与Geoffrion真有效性令G表示在U上有上界的函数的集合, 并记
$ \begin{array}{l} {T^\alpha }: = \{ g \in G|\forall v \in U, \exists u \in U:\\ \;\;\;\;\;\;\;\;ag\left( v \right) + \left( {1-\alpha } \right)g\left( u \right) \le 0\}, \end{array} $ |
其中, α∈[0, 1].特别地,
T1={g∈G|∀u∈U, g(u)≤0};
T0={g∈G|∃u∈U: g(u)≤0}.
Tα是G中的锥但未必是凸的. Tα关于α是单调递减的, 即
α1≤α2⇔Tα2⊂Tα1.
则
T(0, 1]∩(-T1)={0},
而
$ {T_0} \cap \left( {-{T^1}} \right) = \left\{ {g \in G|\mathop {\min }\limits_{u \in U} g(u) = 0} \right\}: = T_ + ^0. $ |
定理2 T0=T(0, 1]∪(T+0\{0}).
证明 只需证T0⊂T(0, 1]∪(T+0\{0})或者T0\T(0, 1]⊂T+0\{0}.
假设g∈T0\T(0, 1], 那么
g∉Tα, ∀α∈(0, 1],
即对任意的α∈(0, 1]都有
∃v∈U: ∀u∈U, αg(v)+(1-α)g(u)>0.
首先, 当α=1时, 有
(ⅰ) ∃v∈U: g(v)>0.
其次, 令α→0, 尽管v依赖于α, 因为
$ \mathop {\sup }\limits_{v \in U} g\left( v \right) < + \infty, $ |
但仍然有
(ⅱ) ∀u∈U, g(u)≥0.
由(ⅰ)和(ⅱ)可得g∈-T1\{0}, 再结合g∈T0, 可得g∈T+0\{0}.
由定理2, 有
T(0, 1]={0}∪{g∈G|∃u∈U: g(u)<0}.
假设函数族F:={f(x, ·)}x∈X中的函数同时有上界和下界(这对实际问题来说是一合理的假设).在此假设下有F-F⊂G.然后自然有
(A2) x∈Ew(X)⇔∀x∈X, f(x, ·)-f(x, ·)∈T0;
(B2) x∈E(X)⇔∀x∈X, f(x, ·)-f(x, ·)∈T(0, 1] ⇔∀x∈X, ∃α∈(0, 1]: f(x, ·)-f(x, ·)∈Tα.
定义3 如果
∃α∈(0, 1]: f(x, ·)-f(x, ·)∈Tα,
则称x对x的补偿是有界的.
(B2)表明x是Pareto有效的,等价于x对任意x的补偿都是有界的.但是, α是依赖于x的, 有可能inf α(x)=0.而当inf α(x)>0时, 就进入了Geoffrion真有效性.
定义4 若x对所有x∈X的补偿是一致有界的, 则称x是X的Geoffrion真有效元, 即
$ \exists \alpha \in (0, 1]:\forall x \in X, f\left( {\bar x, \cdot } \right) -f\left( {x, \cdot } \right) \in {T^\alpha }. $ | (2) |
记集合X的Geoffrion真有效集为EGp(X), 则EGp(X)⊂E(X).因为Tα是单调递减的, 所以式(2)就相当于在Pareto有效中要求inf α(x)>0.特别地, 当X有限时, EGp(X)=E(X).
命题2 x∈EGp(X)等价于
(C1) x∈E(X);
(C2) 存在M>0使得对任意的x∈X和任意的v∈{v: fv(x)<fv(x)}都有
$ \exists u \in \left\{ {u:{f_u}\left( x \right) > {f_u}\left( {\bar x} \right)} \right\}:\frac{{{f_v}\left( {\bar x} \right)-{f_v}\left( x \right)}}{{{f_u}\left( x \right)-{f_u}\left( {\bar x} \right)}} \le M. $ |
证明 一方面, (C2)等价于
(C3)存在M>0使得对任意的x∈X都有
$ \begin{array}{l} \forall v \in U, \exists u \in U:\\ \;\;\;\;\;{f_v}\left( {\bar x} \right)-{f_v}\left( x \right) \le M\left( {{f_u}\left( x \right)-{f_u}\left( {\bar x} \right)} \right), \;\;\left( * \right) \end{array} $ |
因为: (Ⅰ)对使得{v: fv(x)<fv(x)}=∅的x, 显然式(*)对任意的M都成立; (Ⅱ)对使得{u: fu(x)>fu(x)}=∅的x, 因为x∈E(X), 所以x~x, 所以,式(*)对任意的M都成立.
另一方面, 若(C3)成立, 则必有x∈E(X).否则, 假设x∉E(X), 那么
$ \exists x \in X:\left\{ \begin{array}{l} {f_u}\left( x \right) \le {f_u}\left( {\bar x} \right), \;\;\;\forall u \in U;\\ {f_v}\left( x \right) \le {f_v}\left( {\bar x} \right), \;\;\;\exists v \in U. \end{array} \right. $ |
对于此x,无论M取任何值,都有
∀u∈U, fv(x)-fv(x)>0≥M(fu(x)-fu(x)),
也就是说式(*)不可能成立.
基于这两方面的事实, 可以得到(C1-C2)等价于(C3).很明显,只要令α=1/(1+M),(C3)与式(2)是相同的.
可以看到(C1-C2)就是GEOFFRION关于真有效性的原始定义:有界补偿是通过边际损失获得比描述的.在可取到最大值和最小值的情况下, 式(*)有更简洁的表示式:
$ \mathop {\max }\limits_v \left( {{f_v}\left( {\bar x} \right)-{f_v}\left( x \right)} \right) \le M\mathop {\max }\limits_u \left( {{f_u}\left( x \right)-{f_u}\left( {\bar x} \right)} \right). $ |
2004年,WINKLER[11]首次将Geoffrion结构推广到有无穷多个目标的情形.为了保证最大值和最小值的存在, 文献[11]要求U是紧集且f(x, ·)在U上连续.
3 在鲁棒优化中的应用:松弛鲁棒性鲁棒优化研究带非随机不确定参数的优化问题[17-18], 如
$ \mathop {\min }\limits_{x \in X} f\left( {x, u} \right), $ | (3) |
其中, u为不确定的参数, 仅知道其在某一集合U中的取值.在鲁棒优化中, 不确定优化问题(3)的鲁棒对应问题:
$ \mathop {\min }\limits_{x \in X} \mathop {\max }\limits_{u \in U} f\left( {x, u} \right), $ | (4) |
由
$ \mathop {\min }\limits_{x \in X} \min \left\{ {t:f\left( {x, u} \right) \le t, \forall u \in U} \right\} $ | (5) |
得到.
鲁棒对应问题(4)是经典的极小极大问题:当面对不确定性时, 极小化最差情况.这样得到的鲁棒解过分保守,如何解决保守性问题, 一直是鲁棒优化领域关注的焦点.保守性是由鲁棒性导致的, 要减小保守性,原则上只能松弛鲁棒性.鲁棒性的各种松弛方法可参见文献[19-20].
注意到
f(x, u)≤t, ∀u∈U⇔f(x, ·)-t∈T1.
已知T1是Tα中最小的, Tα对T1起扩张作用.然后, 将T1放松至某个Tα, 即令
f(x, ·)-t∈Tα,
则式(5)变为
$ \mathop {\min }\limits_{x \in X} \min \left\{ {t:\;f\left( {x, \cdot } \right)-t \in {T^\alpha }} \right\}. $ |
假设函数f(x, ·)存在最大值和最小值, 进一步可得到
$ \mathop {\min }\limits_{x \in X} \left( {\alpha \mathop {\max }\limits_{u \in U} f\left( {x, u} \right) + \left( {1-\alpha } \right)\mathop {\min }\limits_{u \in U} f\left( {x, u} \right)} \right), $ |
这就是在不确定型选择理论中著名的Hurwicz准则[21].在Hurwicz准则中, α称为悲观系数, 而(1-α)为乐观系数, 因此Hurwicz准则也称为现实主义准则,调和了悲观和乐观2种极端态度, 在现实生活中较普遍.
在鲁棒优化中, 另一经典的模型为极小极大后悔值模型:
$ \mathop {\min }\limits_{x \in X} \mathop {\max }\limits_{u \in U} r\left( {x, u} \right), $ |
其中, r(x, u):=f(x, u)-f(u)表示后悔值,
$ {\underset{\raise0.3em\hbox{$\smash{\scriptscriptstyle-}$}}{f}}\left( u \right): = \mathop {\min }\limits_{x \in X} f\left( {x, u} \right). $ |
按照处理极小极大模型的步骤, 得到
$ \mathop {\min }\limits_{x \in X} \left( {\alpha \mathop {\max }\limits_{u \in U} f\left( {x, u} \right) + \left( {1-\alpha } \right)\mathop {\min }\limits_{u \in U} r\left( {x, u} \right)} \right), $ |
称为Hurwicz-Savage准则,其与Hurwicz准则的区别在于补偿的参考点不再是原点而是理想点.同理, 还可以考虑其他参考点.另外,相似的准则文献[22]中有研究.
4 结论GEOFFRION关于真有效的定义对函数的性质无任何要求, 这与Pareto有效性一样适用广泛.此外, 基于分量比较的序结构,可以自然地推广至无穷多个目标的情况.这些均预示着Geoffrion真有效性可以扩展至有无穷多个目标的优化问题中.
有界补偿是Geoffrion真有效性的核心, 本文通过一族锥{Tα}将其引入, 并由此得到Pareto有效性与Geoffrion真有效性的本质区别: Pareto有效性要求对其他成员的补偿都有界, 而Geoffrion真有效性要求对其他成员的补偿一致有界.之后, 笔者将Geoffrion真有效性与Hurwicz准则这2个不同领域的著名概念联系在一起, 并得到了Hurwicz-Savage准则.
关于Geoffrion真有效元的生成.一方面, 当目标有无穷多时, Pareto有效元的生成将受到限制, 许多标量化方法不再可用.另一方面, 为了使经典的生成Geoffrion真有效元的方法在目标无穷多时仍有用, ENGAU[23-24]不得不对Geoffrion结构做一些修改.在有无穷多目标的环境下, Geoffrion真有效元的生成将是笔者后续研究的重点.
[1] | MARLER R T, ARORA J S. Survey of multi-objective optimization methods for engineering[J]. Structural and Multidisciplinary Optimization, 2004, 26(6): 369–395. DOI:10.1007/s00158-003-0368-6 |
[2] | EHRGOTT M. Multicriteria Optimization[M]. Berlin: Springer Science & Business Media, 2005. |
[3] | CARRIZOSA E, PLASTRIA F. A characterization of efficient points in constrained location problems with regional demand[J]. Operations Research Letters, 1996, 19(3): 129–134. DOI:10.1016/0167-6377(96)00005-3 |
[4] | NDIAYE M, MICHELOT C. Efficiency in constrained continuous location[J]. European Journal of Operational Research, 1998, 104(2): 288–298. DOI:10.1016/S0377-2217(97)00184-7 |
[5] | KUHN H W, TUCKER A W. Nonlinear programming[C]//Proceedings of the second Berkeleg Symposium on Mathematical Statistics and Probability. Berkeley: University of California Press, 1951(01): 481-492. |
[6] | HURWICZ L. Programming in linear spaces[C]//Studies in Linear and Nonlinear Programming. Stanford: Stanford University Press, 1958: 38-102. |
[7] | KLINGER A. Improper solutions of the vector maximum problem[J]. Operations Research, 1967, 15(3): 570–572. DOI:10.1287/opre.15.3.570 |
[8] | GEOFFRION A M. Proper efficiency and the theory of vector maximization[J]. Journal of Mathematical Analysis and Applications, 1968, 22(3): 618–630. DOI:10.1016/0022-247X(68)90201-1 |
[9] | GUERRAGGIO A, MOLHO E, ZAFFARONI A. On the notion of proper efficiency in vector optimization[J]. Journal of Optimization Theory and Applications, 1994, 82(1): 1–21. |
[10] | JAHN J. Vector Optimization:Theory, Applications, and Extensions[M]. Heidelberg: Springer, 2010. |
[11] | WINKLER K. Geoffrion proper efficiency in an infinite dimensional space[J]. Optimization, 2004, 53(4): 355–368. DOI:10.1080/02331930412331282409 |
[12] | WINKLER K. Characterizations of efficient points in convex vector optimization problems[J]. Mathematical Methods of Operations Research, 2001, 53(2): 205–214. DOI:10.1007/s001860100113 |
[13] | WINKLER K. A characterization of efficient and weakly efficient points in convex vector optimization[J]. SIAM Journal on Optimization, 2008, 19(2): 756–765. DOI:10.1137/060674363 |
[14] | ZHAO K Q, YANG X M. Characterizations of efficient and weakly efficient points in nonconvex vector optimization[J]. Journal of Global Optimization, 2015, 61(3): 575–590. DOI:10.1007/s10898-014-0191-1 |
[15] | BEWLEY T F. Knightian decision theory:Part Ⅰ[J]. Decisions in Economics and Finance, 2002, 25(2): 79–110. DOI:10.1007/s102030200006 |
[16] | RIGOTTI L, SHANNON C. Uncertainty and risk in financial markets[J]. Econometrica, 2005, 73(1): 203–243. DOI:10.1111/ecta.2005.73.issue-1 |
[17] | KOUVELIS P, YU G. Robust Discrete Optimization and Its Applications[M]. Berlin: Springer Science & Business Media, 1997. |
[18] | BEN-TAL A, EL GHAOUI L, NEMIROVSKI A. Robust Optimization[M]. Princeton: Princeton University Press, 2009. |
[19] | GOERIGK M, SCHÖBEl A. Algorithm engineering in robust optimization[C]//Algorithm Engineering. Berlin: Springer International Publishing, 2016: 245-279. http://link.springer.com/chapter/10.1007/978-3-319-49487-6_8 |
[20] | KLAMROTH K, KÖBIS E, SCHÖBEL A, et al. A unified approach to uncertain optimization[J]. European Journal of Operational Research, 2017, 260(2): 403–420. DOI:10.1016/j.ejor.2016.12.045 |
[21] | HURWITZ L. Optimality criteria for decision making under ignorance[J]. Cowles Communication Discussion Paper, 1951, 370: 1–16. |
[22] | ARNOLD B F, GRÖßL I, STAHLECKER P. The minimax, the minimin, and the Hurwicz adjustment principle[J]. Theory and Decision, 2002, 52(3): 233–260. DOI:10.1023/A:1019602429921 |
[23] | ENGAU A. Definition and characterization of Geoffrion proper efficiency for real vector optimization with infinitely many criteria[J]. Journal of Optimization Theory and Applications, 2015, 165(2): 439–457. DOI:10.1007/s10957-014-0608-5 |
[24] | ENGAU A. Proper efficiency and tradeoffs in multiple criteria and stochastic optimization[J]. Mathematics of Operations Research, 2016, 42(1): 119–134. |