О некоторых методах решения задач нечеткого линейного программирования

Ключевые слова: задача линейного программирования, нечеткое множество, нечеткая цель

Аннотация

В данной статье рассмотрены некоторые подходы к решению различных типов задач нечеткого линейного программирования, в том числе, со многими целевыми функциями. Классические задачи линейного программирования относятся к детерминированным моделям принятия решения. Однако в условиях неопределенности, которая носит характер нечеткости (расплывчатости), целесообразно использовать приближенные модели представления информации в форме нечетких множеств или нечетких чисел. В статье приводятся постановки основных типов задач нечеткого математического программирования. Основное внимание уделяется задачам, в которых в ограничениях используются приближенные неравенства, а также целевая функция может быть переведена в разряд ограничения. Одним из наиболее известных методов к решению задач с нечеткими целями и ограничениями является подход Беллмана — Заде, в соответствии с которым решением является точка максимума нижней огибающей пересечения нечетких целей и нечетких ограничений. Подход Циммермана заключается в переходе к специальной лямбда-задаче, в которой параметр определяет степень допустимости найденного оптимального решения. Для задачи с четкой целевой функцией, в которой ограничения частично или полностью нечеткие, рассматриваются два подхода, один из которых заключается в определении нечеткого множества решений, а второй — в определении четкого множества «максимизирующих решений». Также в статье рассматривается задача с четкими ограничениями и несколькими нечеткими целями. Особый интерес представляет подход, учитывающий важность целей на основе весовых коэффициентов. Метод позволяет для наиболее важных целей получить большее значение оценок достигнутого уровня. Большинство рассмотренных подходов сопровождается иллюстративными примерами. Рассмотренные в статье подходы к решению задач нечеткого линейного программирования могут использовать для нахождения оптимального решения при решении различных прикладных задач в условиях нечеткой неопределенности (принятие решений, планирование, управление и др.).

Скачивания

Данные скачивания пока не доступны.

Биографии авторов

Александр Иванович Шашкин, Воронежский государственный университет

д-р физ.-мат. наук, профессор, заведующий кафедрой математического и прикладного анализа, Воронежский государственный университет

Максим Юрьевич Леденёв, Воронежский государственный университет

аспирант кафедры математического и прикладного анализа, Воронежский государственный университет

Максим Михайлович Шишов, Воронежский государственный университет

аспирант кафедры вычислительной математики и прикладных информационных технологий, Воронежский государственный университет

Литература

1. Bozhenyuk A. V., Belyakov S. L. and Kosenko O. V. (2020) Model of transport and distribution system management under conditions of uncertainty. Science and technology of railways. 4 (2). P. 13–20. (in Russian)
2. Rostovtsev A. M. (2009) Mathematical fuzzy summation and optimization of measurement errors in technological operations. Measuring technology. (2). P. 12–17. (in Russian)
3. Avlasenko I. V., Avlasenko L. M., Gatsenko E. V. and Peshkhoev I. M. (2018) The task of loading equipment with fuzzy parameters. Science-intensive technologies. 19(6). P. 4–9. (in Russian)
4. Minaeva Yu. I. (2010) The choice of investment portfolios under uncertainty based on methods and of models of fuzzy linear programming in the tensor basis. Problems of informatization and management. 3 (31). P. 90–99. (in Russian)
5. Starodubtsev I. Yu. (2012) Distribution of resources in a project with fuzzy parameters. Control systems and information technologies. 2(48). P. 293–298. (in Russian)
6. Parfenova V. E. (2017) Fuzzy model for optimizing the structure of crop areas. News of the St. Petersburg State Agrarian University. (48). P. 176–183. (in Russian)
7. Shvedov A. S. (2017) Fuzzy mathematical programming: a brief overview. Management problems. (3). P. 2–10. (in Russian)
8. Figueroa-Garcia J. C., Hernandez G. and Franco C. (2022) A review on history, trends and perspectives of fuzzy linear programming. Operations Research Perspectives. (9). 100247. DOI
9. Akulich I. L. (1986) Mathematical programming in examples and problems. Higher School. (in Russian)
10. Ledeneva T. M., Nedikova T. N. and Umyvakin V. M. (2020) On one approach to optimization of an approximately given function. Sat. tr. International scientific conference “Current problems of applied mathematics, computer science and mechanics”. P. 1854–1860.
11. Davoodi S. M. and Abdul Rahman N. A. (2021) Solving fully fuzzy linear programming problems by controlling the variation range of variables. Bulletin of the Karaganda University. 3(103). P. 3–24.
12. Shatalova A. Yu. and Lebedev K. A. (2019) Simulation modeling of a fuzzy linear programming problem with the alpha-level lambda continuation method. Computational nanotechnology. 6(2). P. 71–76. (in Russian)
13. Zak Yu. A. (2016) Some deterministic models of fuzzy linear programming problems. System research and information technologies. (1). P. 120–133.
14. Matveev M. G. (2015) Analysis and solution of choice problems with parametric fuzziness. Bulletin of the South Ural State University Series: Mathematical modeling and programming. 8(4). P. 14–29. (in Russian)
15. Zeynalov D. I., Mammadov R. T. and Alyev M. E. (2021) The problem of fuzzy linear programming and the application of neural networks to its solution. Eurasian Union of Scientists. Series: Technical and physical and mathematical sciences. 7(88). P. 3–8.
16. Bellman R. E. (1976) Decision making in vague conditions. Mir.
17. Zimmerman H. J. (2010) Fuzzy Set Theory and its Applications. Dordrecht: Springer.
18. Lin C.-C. (2004) A weighted max-min model for fuzzy goal programming. Fuzzy Sets and Systems. (142). P. 407–420.
19. Li D. F. and Yang J. B. (2004) Fuzzy linear programming technique for multiattribute group decision making in fuzzy environments. Information Sciences. 8. P. 1–4.
20. Chen L. and Tasi F. (2001) Fuzzy goal programming with different importance and priorities. European Journal of Operational Research. (33). P. 548–556.
Опубликован
2024-02-05
Как цитировать
Шашкин, А. И., Леденёв, М. Ю., & Шишов, М. М. (2024). О некоторых методах решения задач нечеткого линейного программирования. Вестник ВГУ. Серия: Системный анализ и информационные технологии, (4), 43-57. https://doi.org/10.17308/sait/1995-5499/2023/4/43-57
Раздел
Математические методы системного анализа, управления и моделирования