过程系统优化问题的最优解通常是在某些确定值下求得的.但许多参数和条件是随机变化的,可能是微小的波动,也可能是设备的损坏等,使得原始的系统最优解偏离初始值成为次优解甚至不可行解.这种随机变化的性质称为不确定性.为了解决不确定参数存在条件下原有系统最优解改变的问题,需要建立不同的模型来获得更为可靠和合理的解决方案.根据不确定参数的性质可以将其描述为区间、概率分布函数或模糊集的形式,对应的优化方法有随机规划(期望值模型、机会约束规划、相关机会规划)、模糊规划和鲁棒优化(线性规划、二次规划、半定规划)方法.根据不确定参数的性质及决策者的考量,针对不同的目标函数,可选择相应的优化方法进行建模求解.简单地介绍了这些方法的一般模型方程(主要区别在于目标函数的内容及约束的不同形式),并对它们的求解方法进行讨论(一般是建立复杂模型,通过简化手段转化为对应的确定等价式,再用相应算法求解),通过回顾这些方法在系统工程领域中的广泛应用,可以看出它们的适用范围、发展历程及发展规律(综合化、复杂化、智能化).最后对这三种方法进行了比较,提出发展中面临的难题,并做出总结和展望.
NETL
NSTL
万方数据
维普
