О некоторых методах решения задач нечеткого линейного программирования
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
Литература
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.
- Авторы сохраняют за собой авторские права и предоставляют журналу право первой публикации работы, которая по истечении 6 месяцев после публикации автоматически лицензируется на условиях Creative Commons Attribution License , которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).