Multi-criteria optimization in terms of fuzzy criteria definitions

Abstract

Розглянуто задачі багатокритеріальної оптимізації. Відомі методи розв’язання цих задач узагальнено на випадок, коли вагові коефіцієнти, що враховують відносну важливість окремих критеріїв, визначені нечітко. Обґрунтовано процедуру побудови функцій приналежності нечітких чисел, заданих наборами інтервалів можливих значень, що використовує лінеаризовану обчислювальну схему методу найменших квадратів. Для описів нечітких чисел вибрано функції приналежності (L-R)-типу. Запропоновано метод розв’язування нечіткої задачі багатокритеріальної оптимізації для скаляризованого критерію. Технологія розв’язування задачі зводить її до дробово-нелінійної задачі математичного програмування. Описано збіжну ітераційну процедуру знаходження оптимального плану. Розглянуто альтернативний метод розв’язування нечіткої задачі на основі формування Парето-множини недомінуючих варіантів. Для розв’язання цієї задачі запропоновано процедуру порівняння нечітких чисел з використанням теоретико-ймовірнісної апроксимації їх функцій приналежності.The problems of multi-criteria optimization are considered. Known methods for solving these problems are generalized to the case when weights that take into account the relative importance of particular criteria are not clearly defined. The procedure for constructing membership functions of fuzzy numbers, given by sets of intervals of possible values, using a linearized computation of least squares methods is substantiated. In this case, for the description of fuzzy numbers, the membership functions of (L-R)-type were chosen. A method for solving a fuzzy multi-criteria optimization problem for a scalarized criterion is proposed. The technology of solving the problem reduces it to a linear fractional problem of mathematical programming. A converging iterative procedure for finding the optimal plan is described. An alternative method for solving the original fuzzy problem based on the formation of a Pareto-set of non-dominated options is considered. To solve this problem, a procedure has been proposed for comparing fuzzy numbers using a probability-theoretic approximation of their membership functions.