В основу данного подхода положена идея приближения по всем критериям. [7]
Пусть дана задача многокритериального программирования
max{f1(x)=F1},
max{f2(x)=F2}, (11)
:
max{fk(x)=Fk}, xєX,
|
…
(13)
… (14)
Среди решений системы (11) – (14) требуется отыскать такое значение вектора х*(х*1, …, х*n), при котором локальные критерии примут по возможности максимальное (минимальное) значение одновременно.
Рассмотрим каждую отдельную функцию fi(x) и допустим, что для каждого фиксированного i (i=1,m) решена задача максимизации. Пусть соответствующие оптимальные планы характеризуются векторами
… i=1,m (15)
На этих оптимальных планах определим значения критериев соответственно
… (16)
Естественно, что векторы (15), определяющие векторы точки в пространстве переменных (x1, x2,…, xn)є W, будут разными: некоторые из них могут совпадать друг с другом.
Рассмотрим вектор F(х) с компонентами F(x)|Foi из (15) и составим квадрат евклидовой нормы
… (17)
вектора F(x) - Fo, определенного для всех xєW.
Заметим, что Fo будет представлять собой единичный вектор в пространстве вектора F(x). Назовем его идеальным значением вектора F(x). Поставленная задача теперь сформулируется так: дана система целевых функций (11) и даны условия задачи (12) – (14). Требуется определить точку xєW, в которой функция R(x) достигает минимума.
Таким образом, отыскание векторно-оптимального плана xєW в данной задаче сведено к оптимизации выражения (17) на решениях системы линейных неравенств (12) – (14). Поскольку выражение (17) представляет собой квадратичную функцию переменных х1, …, хп, то задача отыскания векторно-оптимального плана свелась к задаче выпуклого программирования:
Задана выпуклая функция R(x), определенная на множестве xєW. Требуется отыскать точку xєW, обеспечивающую выполнение условия R(x*) = minR(x), xєW.
Таким образом, алгоритм решения задачи (11) – (14) состоит из двух основных этапов:
этап 1: maxFi(x), i=1, m;
этап 2: min R(x).