MÔ HÌNH – MÔ PHỎNG –

TỐI ƯU HÓA

QUY HOẠCH ĐA MỤC TIÊU

 Những kiến thức cơ bản
Xét bài toán ra quyết định như sau:
Một chủ trang trại có 10 hecta đất và quyết định đầu tư trồng ba loại cây công
nghiệp gồm cao su, cà phê và điều. Các thông số về giá cây giống, mật độ
trồng, phân bón, giá bán sản phẩm, năng suất trung bình và nhân công chăm
sóc được cho trong bảng sau:
 Những kiến thức cơ bản
Người chủ trang trại đặt ra các mục tiêu như sau:
• Vốn đầu tư, số lượng nhân công, khối lượng phân bón là tối thiểu
• Giá bán sản phẩm là cao nhất có thể
Nếu ta gọi số cây phải trồng của cao su, cà phê, điều lần lượt là x1,x2,x3 thì vấn
đề của người chủ trang trại được xem xét dưới dạng mô hình của bài toán tối
ưu như sau:
Những kiến thức cơ bản
 Những kiến thức cơ bản
Bài toán trên là một bài toán tối ưu với nhiều mục tiêu, các mục tiêu có ràng
buộc chặt chẽ với nhau, đôi khi mâu thuẫn nhau→ trong bài toán tối ưu với
nhiều mục tiêu, hầu như không thể đạt được giá trị tốt nhất của tất cả các mục
tiêu cùng một lúc.
Điều này có nghĩa là bài toán sẽ không có lời giải nếu bài toán yêu cầu tìm một
phương án để tất cả các mục tiêu đều là tốt nhất.
→ có thể tìm được lời giải nếu hiểu ý nghĩa của chữ tối ưu theo một cách khác.
Việc làm tốt hơn mục tiêu này thường dẫn tới việc làm xấu đi một số mục tiêu
khác. Vì vậy việc giải các bài toán tối ưu đa mục tiêu, tức là tìm ra một phương
án khả thi tốt nhất theo một nghĩa nào đó, thực chất chính là một bài toán ra
quyết định.
 Những kiến thức cơ bản
Phương án tối ưu kiểu từ điển : có thể số tiền thu được khi bán sản phẩm
là mục tiêu quan trọng nhất đối với chủ trang trại, tiếp đến là vốn đầu tư,
kém quan trọng hơn nữa là nhân công và cuối cùng là mục tiêu phân bón.
Mục tiêu kém ưu tiên hơn chỉ được xem xét ở mức tốt nhất có thể khi mục
tiêu ưu tiên trước nó đã đạt được. Tối ưu đa mục tiêu có sự ưu tiên giữa các
mục tiêu
 Những kiến thức cơ bản
Phương án tối ưu Pareto: trường hợp các mục tiêu có tầm quan trọng như
nhau → xem một phương án là tối ưu khi không thể cải thiện bất kỳ mục
tiêu nào nữa mà không làm ảnh hưởng đến mục tiêu khác → khái niệm điểm
hữu hiệu hay còn gọi là phương án tối ưu Pareto.

Phương án tối ưu theo thứ tự max : trường hợp một mục tiêu đạt giá trị
quá cao trong khi mục tiêu khác lại nhận được giá trị quá thấp. Trường hợp
này thường không mong muốn → tối ưu theo thứ tự max sẽ được sử dụng
nhằm tránh những trường hợp như thế này.
Mô hình tối ưu đa mục tiêu
 Mô hình tối ưu đa mục tiêu

Các hàm mục tiêu có ràng buộc chặt chẽ nhau, một phương án để các mục tiêu đều
đạt được giá trị tốt nhất hầu như không thể tìm được.
 Phương án tối ưu Pareto
Khái niệm then chốt trong tối ưu hoá đa mục tiêu là khái niệm phương án tối
ưu Pareto.
Định nghĩa: Một phương án tối ưu Pareto X* có tính chất sau đây:
– Trước hết nó phải thuộc vào miền các phương án khả thi của bài toán,
tức là phải thoả mãn tất cả các ràng buộc: X*  D.
– Với mọi phương án khả thi khác X  D mà có một mục tiêu nào đó tốt
hơn (fi(X) tốt hơn fi(X*)) thì cũng phải có ít nhất một mục tiêu khác
xấu hơn (fj(X) xấu hơn fj(X*), j ≠ i).
→ không tồn tại một phương án khả thi nào X  D có thể trội hơn X* trên
tổng thể.
Phương án tối ưu Pareto
 Phương án tối ưu Pareto

Miền các phương án khả thi D (miền giới hạn bởi đoạn AB và các tia Ad, Bx) được biểu thị
trên hình I.6. n1r(−1, −2) là hướng giảm của mục tiêu 1, còn n2r(0, 2) là hướng tăng của mục
tiêu 2.
Lúc này A(0, 3) cũng như B(3, 0) là hai phương án tối ưu Pareto của bài toán trên. Dễ thấy tập
hợp P tất cả các phương án tối ưu Pareto bao gồm các điểm nằm trên đoạn AB và Ad.
Phương pháp thoả dụng mờ tương tác
Thuật giải
Phương pháp thoả dụng mờ tương tác

Bước 3: Kết thúc.

Phương pháp thoả dụng mờ tương tác
Phương pháp thoả dụng mờ tương tác
a. Bước khởi tạo
− Giải BTQHTT cho từng mục tiêu trong ví dụ trên ta có hai bài toán:
z1 = 8x1 + 6x2 → Max với điều kiện ràng buộc (D) cho phương án tối ưu
X1(12, 6) và Max z1 = 132;
z2 = x1 + 3x2 → Max cho phương án tối ưu X2(0, 12) và Max z2 = 36.
Miền phương án tối ưu Pareto chính là mọi phương án thuộc AB, với
A(0, 12) và B(12, 6). n1r(8, 6) là hướng tăng của mục tiêu 1, còn n2r(1, 3)
là hướng tăng của mục tiêu 2.
→ khi chọn phương án tối ưu Pareto dịch dần từ B về A thì z1 giảm, z2
tăng. Cần tìm phương án tối ưu Pareto "thoả mãn nhất" thuộc AB bằng
cách “thương lượng” giữa z1 và z2.
Phương pháp thoả dụng mờ tương tác
Phương pháp thoả dụng mờ tương tác
Phương pháp thoả dụng mờ tương tác

Chú ý: Chú ý rằng, với mỗi bộ trọng số (w1, w2) ta tìm được một phương
án tối ưu Pareto (x1, x2) bằng cách làm cực đại hoá hàm thoả dụng tổ hợp
u đã thiết lập được. Cứ thế chọn các bộ trọng số w1, w2 khác nhau ta có
các phương án tối ưu Pareto khác nhau Từ các phương án đó, chúng ta
chọn được phương án tối ưu Pareto tốt nhất.
Phương pháp tổng trọng số ( the weighted sum method )
Phương pháp tổng trọng số ( the weighted sum method )
Phương pháp ε- ràng buộc ( the ε- constraint method )
Phương pháp ε- ràng buộc ( the ε- constraint method )
Tối ưu theo thứ tự Max ( Max-Ordering optimality )

Các vectơ hàm mục tiêu của bài toán QHĐMT được so sánh theo
thứ tự max. Bài toán QHĐMT được viết dưới dạng

được gọi là bài toán tối ưu theo thứ tự max. Tập các phương án tối ưu
của bài toán ký hiệu XMO