mobile wallpaper 1
2140 字
5 分钟
第 5 章 目标规划
2026-06-29

目标规划的提出与核心概念#

在实际的管理决策中,决策者往往面临多个相互冲突的目标,并且许多约束条件并非绝对不可违背。传统的线性规划(LP)在处理此类问题时存在明显的局限性:

  • 单一目标限制:传统的线性规划只能处理单个目标函数(如极小化成本或极大化利润)。
  • 刚性约束(硬约束):要求所有约束条件必须百分之百严格满足,不允许有丝毫偏差,这往往导致模型在复杂的多目标现实下出现“无可行解”的情况。

为了克服这些局理,目标规划Goal Programming,简称 GP)应运而生。它通过引入正负偏差变量,将刚性的硬约束转化为允许存在偏差的软约束,并通过多级优先因子和权系数,求得使决策者最满意的满意解(而非绝对意义上的最优解)。

1. 偏差变量(Deviational Variables)#

目标规划中,每个目标约束都引入一对非负的偏差变量,用以表达决策值与目标值之间的偏离程度:

  • 正偏差变量d+d^+):表示决策值超过目标值的部分。
  • 负偏差变量dd^-):表示决策值未达到目标值的部分。
  • 由于决策值不可能同时既超过又未达到目标值,因此正负偏差变量满足互斥关系,即恒有: d+d=0d^+ \cdot d^- = 0

2. 绝对约束与目标约束#

  • 绝对约束(硬约束):指必须严格满足的物理或资源限制条件(如最大产能、不可超用的原料限量)。不满足这些约束的解是非法的。
  • 目标约束(软约束):目标规划特有的约束形式。它将硬约束的右端常数项看作是一个努力追求的“目标值”。在决策值与该目标值之间允许发生偏差,通过加入正负偏差变量,将不等式转化为等式: 原目标约束: f(x1,x2,,xn)+dd+=g\text{原目标约束: } f(x_1, x_2, \dots, x_n) + d^- - d^+ = g

3. 优先因子与权系数#

  • 优先因子P1,P2,,PKP_1, P_2, \dots, P_K):决策者对各个目标赋予的优先等级。规定高优先级目标具有绝对的支配权: P1P2PKP_1 \gg P_2 \gg \dots \gg P_K 即在求解时,首先确保第一级目标 P1P_1 尽可能实现;只有在 P1P_1 达成的基础上,才考虑 P2P_2 级目标;以此类推。
  • 权重系数wjw_j):用于区分具有相同优先因子的不同目标之间的相对重要程度。

4. 目标规划的目标函数#

目标规划的目标是使各级目标的偏差尽可能缩小。其目标函数一律为极小化形式minz=f(d+,d)\min z = f(d^+, d^-) 具体构建形式取决于决策者的诉求:

  1. 要求恰好达到目标值(超额或不足都不希望发生): minz=d++d\min z = d^+ + d^-
  2. 要求不超过目标值(允许未达标,但要求超额量尽可能小): minz=d+\min z = d^+
  3. 要求不低于目标值(允许超额,但要求不足量尽可能小): minz=d\min z = d^-

目标规划的图解法与满意解#

对于仅包含两个决策变量的目标规划问题,可利用图解法直观求解。

1. 求解步骤#

  1. 绘制所有绝对约束所构成的可行域(若没有绝对约束,则初始可行域为第一象限)。
  2. 画出各目标约束的边界直线,并标注出 d+d^+(直线右上方区域)与 dd^-(直线左下方区域)的偏离方向。
  3. 按照优先因子 P1,P2,P_1, P_2, \dots 的顺序,依次在当前可行域中搜寻使对应偏差变量最小化的解集:
    • 在满足 P1P_1 目标偏差最小的解集里,寻找满足 P2P_2 的解集。
    • 逐步缩小可行解的范围,直至遍历完所有优先级,最终留下的单点或线段即为满意解。

2. 最优解与满意解的区别#

由于多个目标之间往往存在强烈的利益冲突(如提高员工工资与控制企业成本冲突),通常不存在能让所有目标都达到完美的“最优解”。目标规划最终求得的是在决策者给定的优先级和权重下,整体妥协效果最佳的满意解(此时目标函数值 zz^* 通常不为 0)。


目标规划单纯形表求解原理#

由于目标规划与线性规划在等式结构上一致,因此可通过单纯形表求解,但需进行以下规则调整:

  1. 最优性判别:因目标函数为极小化 minz\min z,故最优判别条件为所有非基变量的检验数均非负(即 σj0\sigma_j \ge 0)。
  2. 检验数多级结构:由于检验数中含有不同的优先因子,检验数行被拆分为 KK 行(对应 P1,,PKP_1, \dots, P_K 优先级)。
    • 在判别检验数正负时,必须从最高优先级的 P1P_1 行开始看起。
    • 只有当某列在更高优先级 P1,,Pk1P_1, \dots, P_{k-1} 上的检验数值均为 0 时,第 kkPkP_k 行的检验数正负才具有决定意义。
  3. 基变换决策
    • 换入变量:选择对应最高优先级行中负检验数最显著(绝对值最大)的非基变量入基。
    • 换出变量:按 θ\theta 规则计算。当发生比值相等发生冲突时,优先将具有更高优先级别的变量换出。

典型多目标应用案例#

1. 职工升级调资方案设计#

  • 问题背景:某单位制定职工升级方案,依次满足四个目标:
    • P1P_1:年工资总额不超过 60,000 元;
    • P2P_2:升级后各级职工总数不超过定编名额;
    • P3P_3:Ⅱ、Ⅲ级的升级面(晋升比例)尽可能达到现有人数的 20%20\%
  • 模型变量: 设决策变量 x1,x2x_1, x_2 分别为晋升到 Ⅰ 级和 Ⅱ 级的人数,x3x_3 为新招录的 Ⅲ 级职工人数。
  • 约束构建
    • 通过将“工资总额限制”、“名额编制”、“晋升率要求”化为目标约束,引入 d1,d1+d_1^-, d_1^+d6,d6+d_6^-, d_6^+ 偏差变量。
    • 目标函数构建为: minz=P1d1++P2(d2++d3++d4+)+P3(d5+d6)\min z = P_1 d_1^+ + P_2(d_2^+ + d_3^+ + d_4^+) + P_3(d_5^- + d_6^-)
    • 注:此模型包含 0-1 退休等刚性系数影响,需注意退休职工工资剔除等平衡方程计算。

2. 调运方案的多目标优化#

  • 问题背景:在运输问题的基础上,决策部门提出了多项政策性目标:
    • P1P_1:销地 B4B_4 是重点保证单位,必须全部满足需求;
    • P2P_2:产地 A3A_3B1B_1 提供的调运量不少于 100;
    • P3P_3:每个销地的实际供应率不低于需求的 80%80\%
    • P4P_4:总运费不得超出最小运费调运方案(单目标 LP 解)的 110%110\%
    • P5P_5:路段规避约束(尽量避免从 A2A_2 运往 B4B_4);
    • P6P_6:保证 B1B_1B3B_3 两个地点的供应率(满足率)相同;
    • P7P_7:力求使总运费最省。
  • 建模技巧: 在该问题中,各产地的供应能力是刚性上限(绝对约束),必须写成绝对约束形式(如 jx1j300\sum_{j} x_{1j} \le 300)。而销地需求、运费预算等则写成含有偏差变量的目标约束,按上述 P1P_1P7P_7 优先级构建目标函数极小化模型。

复习思考题#

  1. 为什么目标规划模型中不能同时出现 d+>0d^+ > 0d>0d^- > 0 请从偏差变量的数学定义和物理意义进行解释。
  2. 目标规划中的“满意解”与线性规划中的“最优解”有何本质区别? 在什么情况下目标规划的满意解能够等同于传统线性规划的最优解?
  3. 在单纯形法求解目标规划时,如何对非基变量的检验数进行多级优先级判别? 设有两个非基变量,其检验数向量分别为 σA=(0,2,5)\sigma_A = (0, -2, 5)σB=(1,3,2)\sigma_B = (-1, 3, 2)(对应 P1,P2,P3P_1, P_2, P_3),应选择哪一个作为换入变量?为什么?
分享

如果这篇文章对你有帮助,欢迎分享给更多人!

第 5 章 目标规划
https://blog.sopak.space/posts/study/economics-management/mo/8/
作者
Xxxhite
发布于
2026-06-29
许可协议
CC BY-NC-SA 4.0

部分信息可能已经过时

目录