模糊期望值模型

设 x x x为决策向量， ξ \xi ξ为模糊向量， f ( x , ξ ) f(x, \xi) f(x,ξ)为目标函数， g j ( x , ξ ) g_j(x, \xi) gj(x,ξ)表示约束函数， j = 1 , 2 , … , p j=1, 2, \dots, p j=1,2,…,p，具有以下形式的模糊规划
max ⁡ f ( x , ξ ) s . t . g j ( x , ξ ) ≤ 0 , j = 1 , 2 , … , p (1) \max f(x, \xi)\\ s.t.\quad g_j(x, \xi)\leq 0, j=1, 2, \dots, p \tag{1} maxf(x,ξ)s.t.gj(x,ξ)≤0,j=1,2,…,p(1)
但是模型 ( 1 ) (1) (1)并不是明确的规划函数，Liu给出了明确地模糊期望值模型.
考虑最大化期望效益的决策，可以建立如下单目标模糊期望值模型
max ⁡ E [ f ( x , ξ ) ] s . t . E [ g j ( x , ξ ) ] ≤ 0 , j = 1 , 2 , … , p \max \mathbb{E}[f(x, \xi)]\\ s.t.\quad \mathbb{E}[g_j(x, \xi)]\leq 0, j=1, 2, \dots, p maxE[f(x,ξ)]s.t.E[gj(x,ξ)]≤0,j=1,2,…,p
该问题的多目标规划形式如下
max ⁡ [ E [ f 1 ( x , ξ ) ] , E [ f 2 ( x , ξ ) ] , … , E [ f m ( x , ξ ) ] ] s . t . E [ g j ( x , ξ ) ] ≤ 0 , j = 1 , 2 , … , p \max [\mathbb{E}[f_1(x, \xi)], \mathbb{E}[f_2(x, \xi)], \dots, \mathbb{E}[f_m(x, \xi)]]\\ s.t.\quad \mathbb{E}[g_j(x, \xi)]\leq 0, j=1, 2, \dots, p max[E[f1(x,ξ)],E[f2(x,ξ)],…,E[fm(x,ξ)]]s.t.E[gj(x,ξ)]≤0,j=1,2,…,p
为了平衡多个目标，建立建立目标规划模型
min ⁡ ∑ j = 1 l P j ∑ i = 1 m ( u i j d i + + v i j d i − ) s . t . { E [ f i ( x , ξ ) ] + d i − − d i − = b i , i = 1 , 2 , … , m E [ g j ( x , ξ ) ] ≤ 0 , j = 1 , 2 , … , p d i + , d i − ≥ 0 \min \sum_{j=1}^l P_j\sum_{i=1}^m(u_{ij}d_i^++v_{ij}d_i^-)\\ s.t. \begin{cases} \mathbb{E}[f_i(x, \xi)]+d_i^--d_i^-=b_i, \quad i=1,2, \dots, m\\ \mathbb{E}[g_j(x, \xi)]\leq 0,\quad j=1,2, \dots, p\\ d_i^+, d_i^-\geq 0 \end{cases} minj=1∑lPji=1∑m(uijdi++vijdi−)s.t.⎩⎪⎨⎪⎧E[fi(x,ξ)]+di−−di−=bi,i=1,2,…,mE[gj(x,ξ)]≤0,j=1,2,…,pdi+,di−≥0
其中 P j P_j Pj表示优先因子，表示各个目标的相对重要性，并且对于所有的 j j j，有 P j ≫ P j + 1 P_j\gg P_{j+1} Pj≫Pj+1， u i j u_{ij} uij为对应优先级 j j j的第 i i i个目标的正偏差权重因子， v i j v_{ij} vij相应的负偏差权重因子. 设置目标 i i i的目标值，得到关于目标的正负目标偏差为
d i + = [ E [ f ( x , ξ ) ] − b i ] ∨ 0 d_i^+=[\mathbb{E}[f(x, \xi)]-b_i]\vee 0 di+=[E[f(x,ξ)]−bi]∨0
以及
d i − = [ b i − E [ f ( x , ξ ) ] ] ∨ 0 d_i^-=[b_i-\mathbb{E}[f(x, \xi)]]\vee 0 di−=[bi−E[f(x,ξ)]]∨0

Possibilistic expected mean-variance model

As the description of the mean returns and risks of asset returns by the coherent trapezoidal fuzzy numbers, the possibilistic expected mean and variance for the coherent for the coherent trapezoidal fuzzy numbers are counterparts of the usual expected mean and variance of asset returns in Markowitzian mean-variance methodology. Therefore, following Markowitzian expected mean-variance methodology, in order to obtain an optimized portfolio the possibilistic expected mean can be maximized given the upper bound of the risk the investor can bear, i.e., the possibilistic variance of the portfolio. Specifically, the possibilistic expected mean-variance model for portfolio selection by the coherent trapezoidal fuzzy numbers can be structured as follows:

max ⁡ E ( x 1 A 1 ⊕ x 2 A x ⋯ ⊕ x n A n ) s . t . { V ( x 1 A 1 ⊕ ⋯ ⊕ x n A n ) ≤ ν ∑ i = 1 n x i = 1 0 ≤ x i ≤ 1 , i = 1 , 2 , … , n \max \mathbb{E}(x_1A_1\oplus x_2A_x\dots \oplus x_nA_n)\\ s.t. \begin{cases} \mathbb{V}(x_1A_1\oplus \dots\oplus x_nA_n)\leq \nu\\ \sum_{i=1}^n x_i=1\\ 0\leq x_i\leq 1, i=1, 2, \dots, n \end{cases} maxE(x1A1⊕x2Ax⋯⊕xnAn)s.t.⎩⎪⎨⎪⎧V(x1A1⊕⋯⊕xnAn)≤ν∑i=1nxi=10≤xi≤1,i=1,2,…,n

Similarly, the possibilistic expected mean-variance model can restructured by minimizing the possibilistic variance given the lower bound of the possibilistic expected mean. In detail

min ⁡ V ( x 1 A 1 ⊕ x 2 A 2 ⊕ ⋯ ⊕ x n A n ) s . t . { E ( x 1 A 1 ⊕ x 2 A 2 ⊕ ⋯ ⊕ x n A n ) ≥ α ∑ i = 1 n x i = 1 0 ≤ x i ≤ 1 , i = 1 , 2 , … , n \min V(x_1A_1\oplus x_2A_2\oplus\dots \oplus x_nA_n)\\ s.t. \begin{cases} \mathbb{E}(x_1A_1\oplus x_2A_2\oplus\dots \oplus x_nA_n)\geq \alpha\\ \sum_{i=1}^n x_i=1\\ 0\leq x_i\leq 1, i=1, 2, \dots, n \end{cases} minV(x1A1⊕x2A2⊕⋯⊕xnAn)s.t.⎩⎪⎨⎪⎧E(x1A1⊕x2A2⊕⋯⊕xnAn)≥α∑i=1nxi=10≤xi≤1,i=1,2,…,n

Possibilistic expected mean-variance-skewness model

The mean-variance-skewness model for portfolio selection was formulated and was investigated in the non-probabilistic framework.
max ⁡ S ( x 1 A 1 ⊕ x 2 A 2 ⊕ ⋯ ⊕ x n A n ) s . t . { E ( x 1 A 1 ⊕ x 2 A 2 ⊕ ⋯ ⊕ x n A n ) ≥ α V ( x 1 A 1 ⊕ x 2 A 2 ⊕ ⋯ ⊕ x n A n ) ≤ ν ∑ i = 1 n x i = 1 0 ≤ x i ≤ 1 , i = 1 , 2 , … , n \max S(x_1A_1\oplus x_2A_2\oplus\dots \oplus x_nA_n)\\ s.t. \begin{cases} \mathbb{E}(x_1A_1\oplus x_2A_2\oplus\dots \oplus x_nA_n)\geq \alpha\\ \mathbb{V}(x_1A_1\oplus x_2A_2\oplus\dots \oplus x_nA_n)\leq \nu\\ \sum_{i=1}^n x_i=1\\ 0\leq x_i\leq 1, i=1, 2, \dots, n \end{cases} maxS(x1A1⊕x2A2⊕⋯⊕xnAn)s.t.⎩⎪⎪⎪⎨⎪⎪⎪⎧E(x1A1⊕x2A2⊕⋯⊕xnAn)≥αV(x1A1⊕x2A2⊕⋯⊕xnAn)≤ν∑i=1nxi=10≤xi≤1,i=1,2,…,n

模糊机会约束规划

机会约束

设 x x x为决策向量， ξ \xi ξ为参数向量， f ( x , ξ ) f(x, \xi) f(x,ξ)为目标函数， g j ( x , ξ ) g_j(x, \xi) gj(x,ξ)为约束函数，由于加入了模糊变量，可以希望约束以一定置信水平 α \alpha α成立，即有机会约束
C r { ( g j ( x , ξ ) ) ≤ 0 , j = 1 , 2 , … , p } ≥ α Cr\{(g_j(x, \xi))\leq 0, j=1, 2, \dots, p\}\geq \alpha Cr{(gj(x,ξ))≤0,j=1,2,…,p}≥α

Maximax机会约束规划

如果在一定置信水平成立的前提下，极大化目标函数的乐观值，可以有以下的模糊机会规划模型成立
max ⁡ f ˉ s . t . { C r { f ( x , ξ ) ≥ f ˉ } ≥ β C r { g i ( x , ξ ) ≤ 0 , j = 1 , 2 , … , p } ≥ α \max \bar{f}\\ s.t. \begin{cases} Cr\{f(x, \xi)\geq \bar{f}\}\geq \beta\\ Cr\{g_i(x, \xi)\leq 0, j=1, 2, \dots, p\}\geq \alpha \end{cases} maxfˉs.t.{Cr{f(x,ξ)≥fˉ}≥βCr{gi(x,ξ)≤0,j=1,2,…,p}≥α
其中 α \alpha α和 β \beta β为预先给定的置信水平，该模型可以等价于如下max-max形式，其中 f ˉ \bar{f} fˉ为乐观值
max ⁡ x max ⁡ f ˉ s . t . { C r { f ( x , ξ ) ≥ f ˉ } ≥ β C r { g j ( x , ξ ) ≤ 0 , j = 1 , 2 , … , p } ≥ α \max_x\max \bar{f}\\ s.t. \begin{cases} Cr\{f(x, \xi)\geq \bar{f}\}\geq \beta\\ Cr\{g_j(x, \xi)\leq 0, j=1, 2, \dots, p\}\geq \alpha \end{cases} xmaxmaxfˉs.t.{Cr{f(x,ξ)≥fˉ}≥βCr{gj(x,ξ)≤0,j=1,2,…,p}≥α
多目标决策模型为
max ⁡ x [ max ⁡ f ˉ 1 f ˉ 1 , max ⁡ f ˉ 1 f ˉ 2 , … , max ⁡ f ˉ m f ˉ m ] s . t . { C r { f i ( x , ξ ) ≥ f ˉ i } ≥ β ˉ i , i = 1 , 2 , … , m C r { g j ( x , ξ ) ≤ 0 } ≥ α j , j = 1 , 2 , … , p \max_x\bigg[ \max_{\bar{f}_1}\bar{f}_1, \max_{\bar{f}_1}\bar{f}_2, \dots,\max_{\bar{f}_m}\bar{f}_m\bigg]\\ s.t. \begin{cases} Cr\{f_i(x, \xi)\geq \bar{f}_i\}\geq \bar{\beta}_i, i=1, 2, \dots, m\\ Cr\{g_j(x, \xi)\leq 0\}\geq \alpha_j, j=1, 2, \dots, p \end{cases} xmax[fˉ1maxfˉ1,fˉ1maxfˉ2,…,fˉmmaxfˉm]s.t.{Cr{fi(x,ξ)≥fˉi}≥βˉi,i=1,2,…,mCr{gj(x,ξ)≤0}≥αj,j=1,2,…,p
根据目标的优先结构和目标水平，还可以构建如下机会约束的目标规划
min ⁡ ∑ j = 1 l P j ∑ i = 1 m ( u i j d i + + v i j d i − ) s . t . { C r { f i ( x , ξ ) } − b i ≤ d i + } ≥ β i + C r { b i − f i ( x , ξ ) ≤ d i − } ≥ β i − C r { g j ( x , ξ ) ≤ 0 } ≥ α j d i + , d i − ≥ 0 \min \sum_{j=1}^l P_j\sum_{i=1}^m(u_{ij}d_i^++v_{ij}d_i^- )\\ s.t. \begin{cases} Cr\{f_i(x, \xi)\}-b_i\leq d_i^+\}\geq \beta_i^+\\ Cr\{b_i-f_i(x, \xi)\leq d_i^-\}\geq \beta_i^-\\ Cr\{g_j(x, \xi)\leq 0\}\geq \alpha_j\\ d_i^+, d_i^-\geq 0 \end{cases} minj=1∑lPji=1∑m(uijdi++vijdi−)s.t.⎩⎪⎪⎪⎨⎪⎪⎪⎧Cr{fi(x,ξ)}−bi≤di+}≥βi+Cr{bi−fi(x,ξ)≤di−}≥βi−Cr{gj(x,ξ)≤0}≥αjdi+,di−≥0
在模糊向量退化为清晰向量时，置信水平约束条件退化为
d i + = [ f i ( x , ξ ) − b i ] ∨ 0 d i − = [ b i − f i ( x , ξ ) ] ∨ 0 d_i^+=[f_i(x, \xi)-b_i]\vee 0\\ d_i^-=[b_i-f_i(x, \xi)]\vee 0 di+=[fi(x,ξ)−bi]∨0di−=[bi−fi(x,ξ)]∨0

Minimax机会约束规划

和Robust optimization中的worst case思想一致，可以考虑极大化目标函数的悲观值
max ⁡ x min ⁡ f ˉ s . t . { C r { f ( x , ξ ) ≤ f ˉ } ≥ β C r { g j ( x , ξ ) ≤ 0 , j = 1 , 2 , … , p } ≥ α \max_x\min \bar{f}\\ s.t. \begin{cases} Cr\{f(x, \xi)\leq \bar{f}\}\geq \beta\\ Cr\{g_j(x, \xi)\leq 0, j=1, 2, \dots, p\}\geq \alpha \end{cases} xmaxminfˉs.t.{Cr{f(x,ξ)≤fˉ}≥βCr{gj(x,ξ)≤0,j=1,2,…,p}≥α
同样可以推导出多目标的情况
max ⁡ x [ min ⁡ f ˉ 1 , min ⁡ f ˉ 2 , … , min ⁡ f ˉ m ] s . t . { C r { f i ( x , ξ ) ≤ f ˉ i } ≥ β i C r { g j ( x , ξ ) ≤ 0 , j = 1 , 2 , … , p } ≥ α j \max_x\bigg[\min \bar{f}_1, \min \bar{f}_2, \dots, \min\bar{f}_m\bigg]\\ s.t. \begin{cases} Cr\{f_i(x, \xi)\leq \bar{f}_i\}\geq \beta_i\\ Cr\{g_j(x, \xi)\leq 0, j=1, 2, \dots, p\}\geq \alpha_j \end{cases} xmax[minfˉ1,minfˉ2,…,minfˉm]s.t.{Cr{fi(x,ξ)≤fˉi}≥βiCr{gj(x,ξ)≤0,j=1,2,…,p}≥αj

定理

设 f P , f N , f C f_P, f_N, f_C fP,fN,fC分别是在Pos，Nec和Cr测度下的目标最优值，则关系
f N ≤ f C ≤ f P f_N\leq f_C\leq f_P fN≤fC≤fP
成立.
根据定义可以推导出
f C = max ⁡ x ∈ S C max ⁡ f ˉ { f ˉ ∣ C r { f ( x , ξ ) ≥ f ˉ } ≥ β } ≤ max ⁡ x ∈ S C max ⁡ f ˉ { f ˉ ∣ P o s { f ( x , ξ ) ≥ f ˉ } ≥ β } ≤ max ⁡ x ∈ S P max ⁡ f ˉ { f ˉ ∣ P o s { f ( x , ξ ) } ≥ f ˉ } ≥ β } = f P \begin{aligned} f_C&=\max_{x\in S_C}\max_{\bar{f}}\{\bar{f}\mid Cr\{f(x, \xi)\geq \bar{f}\}\geq \beta\}\\ &\leq \max_{x\in S_C}\max_{\bar{f}}\{\bar{f}\mid Pos\{f(x, \xi)\geq \bar{f}\}\geq \beta \}\\ &\leq \max_{x\in S_P}\max_{\bar{f}}\{\bar{f}\mid Pos\{f(x, \xi)\}\geq \bar{f}\}\geq \beta\}\\ &=f_P \end{aligned} fC=x∈SCmaxfˉmax{fˉ∣Cr{f(x,ξ)≥fˉ}≥β}≤x∈SCmaxfˉmax{fˉ∣Pos{f(x,ξ)≥fˉ}≥β}≤x∈SPmaxfˉmax{fˉ∣Pos{f(x,ξ)}≥fˉ}≥β}=fP
根据Hurwicz准则，对maximax和minimax模型分别赋予 λ \lambda λ和 1 − λ 1-\lambda 1−λ的权重，其中 λ \lambda λ表示悲观程度
max ⁡ λ f min ⁡ + ( 1 − λ ) f max ⁡ s . t . P o s / N e c / C r { g j ( x , ξ ) ≤ 0 , j = 1 , 2 , … , p } ≥ α \max \lambda f_{\min}+(1-\lambda)f_{\max}\\ s.t.\quad Pos/Nec/Cr\{g_j(x, \xi)\leq 0, j=1, 2, \dots, p\}\geq \alpha maxλfmin+(1−λ)fmaxs.t.Pos/Nec/Cr{gj(x,ξ)≤0,j=1,2,…,p}≥α

参考文献

不确定规划清华大学出版社
Portfolio selection with coherent investor’s expectations under uncertainty

【Fuzzy】不确定规划：模糊规划模型相关推荐

【运筹学】运输规划 ( 运输规划问题模型及变化 | 表上作业法引入 )
文章目录一.运输规划问题模型及变化二.运输规划问题求解 ( 表上作业法 ) 一.运输规划问题模型及变化运输规划问题一般形式 ( 产销平衡 ) : m\rm mm 个产地 : A1,A2,A3,⋯ ...
OSPF规划两大模型：双塔奇兵、犬牙交错
大家好,今天给大家带来的是OSPF规划两大模型:双塔奇兵.犬牙交错,让我们直接开始吧! OSPF规划之双塔奇兵说明: OSPF 如果某个区域存在两个 ABR,并且在两个 ABR 上都对 area n ...
【四足机器人支撑腿反作用力规划】未简化的动力学模型规划反作用力 +运动学模型雅可比+虚功原理规划关节扭矩方法
系列文章目录提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加 TODO:写完再整理文章目录系列文章目录前言一.基于动力学模型的工作空间控制框图二.原理推导三.缺点前言 ...
【运筹学】运输规划 ( 运输规划基变量个数 | 运输问题一般形式 | 产销平衡 | 产销不平衡 )
文章目录一.运输规划基变量个数二.运输规划问题一般形式三.运输规划中的产销( 不 )平衡问题一.运输规划基变量个数运输规划问题 : minW=6x1+4x2+6x3+6x4+5x5+5x6s ...
智能控制中的智能控制系统模型：基于智能模糊状态空间模型的智能控制系统模型
作者:禅与计算机程序设计艺术 1.简介在本文中,将阐述智能控制系统模型(Intelligent Control System Model)及其相关理论,包括概率模糊状态空间模型(Probabilis ...
【运筹学】运输规划 ( 运输规划基变量个数分析 )
文章目录一.运输规划基变量个数二.运输规划问题数学模型基变量数定理一.运输规划基变量个数上一篇博客 [运筹学]运输规划 ( 运输规划问题的数学模型 | 运输问题引入 ) 提出了运输规划问题 , ...
【youcans 的 OpenCV 例程 200 篇】105. 湍流模糊退化模型
欢迎关注『youcans 的 OpenCV 例程 200 篇』系列,持续更新中欢迎关注『youcans 的 OpenCV学习课』系列,持续更新中 [youcans 的 OpenCV 例程 2 ...
【youcans 的 OpenCV 例程 200 篇】104. 运动模糊退化模型
欢迎关注『youcans 的 OpenCV 例程 200 篇』系列,持续更新中欢迎关注『youcans 的 OpenCV学习课』系列,持续更新中 [youcans 的 OpenCV 例程 2 ...
空气质量预测灰色预测模型模糊综合评价模型
摘要近年来,随着工业生产的发展和城市人口的迅速增长,城市大气污染日趋严重,2018年,国务院正式印发了<打赢蓝天保卫战三年行动计划>,空气质量的好坏严重影响了人民的日常生活,为此研究 ...

【Fuzzy】不确定规划：模糊规划模型

Navigator