Multi-Objective Goal Programming
- 提唱者
- Charnes, A. and Cooper, W. W.
- 年
- 1961
- 種類
- Mathematical programming / multi-criteria optimization
- 系統
- Simulation / optimization
この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む
何をする手法か?
Multi-Objective Goal Programming(MOGP)は、各目標からの加重偏差を最小化することにより、複数の願望目標を同時に追求する数理計画法の一種である。CharnesとCooperによる当初のゴールプログラミングの枠組み(1961)に根ざしたMOGPは、複数の競合する目的を扱うためにそれを拡張し、オペレーションズ・リサーチ、サプライチェーン設計、資源配分、政策分析など、意思決定者が複数の相反する要求を同時に満たす、あるいはそれに近づく必要がある分野において不可欠となっている。
手法の背後にある直感
利益目標を同時に達成し、炭素排出量を予算内に抑え、従業員の残業時間をしきい値以下に保つ必要があるマネージャーを想像してみよう。純粋な最適化では一度に一つの目的しか最適化できず、残りを厳格な制約として扱うと実行不可能になる可能性がある。ゴールプログラミングは、各目標を「ゴール」として再構築し、各ゴールに対する達成度の不足(または超過)の距離を最小化する。多目的派生版は、これらの偏差をすべてのゴールにわたって加重し、最適な実行可能な妥協点を見つける。これは、風景の中で複数の山頂に同時に最も近い点を見つけるようなものである。
歴史学
ゴールプログラミングは、1961年にCharnesとCooperによって、願望水準を介して複数の目的を扱うための線形計画法の拡張として導入された。Ijiri(1965)は辞書式派生版を形式化し、Lee(1972)は経営科学への応用を統合した。多目的(ベクトル)定式化は、Tamiz、Jones、Romeroらの1990年代の研究を通じて普及し、今日ではMOGPはオペレーションズ・リサーチのカリキュラムおよび応用最適化における標準的なツールとなっている。
使うべき場面
問題に複数の定量的で、おそらく相反するゴールが含まれており、意思決定者が各ゴールに対して願望水準を表現できる場合にMOGPを使用する。特に、複数の目標を追求しながら実行可能性を維持する必要がある資源配分、ポートフォリオ選択、生産計画、環境政策に適している。ステークホルダーが「最大化すべき目的」よりも「達成すべき目標」という考え方をする場合は、純粋な多目的最適化よりもMOGPを優先する。ゴールを定量的目標として表現できない場合、問題が本質的に非線形でありソルバーが利用できない場合、基数重みを正当化することが不可能な場合、または厳格なパレート前線分析(ゴールアンカーなし)が必要な場合は使用しない。
限界と注意点
- ゴール(願望)水準と重みは意思決定者から引き出す必要があり、これは主観的で政治的に論争の的となる可能性がある。
- 解は選択された重みに敏感であり、異なる重み付けスキームは実質的に異なる結果をもたらす可能性がある。
- 標準的な線形GPは凸性を仮定する。非凸または組み合わせ問題では特殊なソルバーが必要であり、計算負荷が高くなる可能性がある。
- パレート最適性を保証するものではない。GPの解は、ゴールと重みが不適切に指定されている場合、支配される可能性がある。
- 比較不可能なゴール尺度では正規化が必要であり、これがさらなる主観的な選択を導入する可能性がある。
出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。
強み
- 単一の扱いやすい最適化モデル内で、複数の相反する目的を自然に処理できる。
- 加重、辞書式、または最小最大派生版などの柔軟な達成度関数は、異なるステークホルダーの選好構造に対応できる。
- 大規模なパレート集合ではなく、単一の推奨解を生成するため、意思決定者とのコミュニケーションが簡素化される。
- 整数、バイナリ、または非線形定式化に拡張でき、幅広い現実世界の問題をカバーできる。
- 重みと願望水準に関する感度分析は容易であり、選好の変化に対する解の頑健性を明らかにする。
応用
- コスト、サービスレベル、および炭素排出量の目標のバランスをとるサプライチェーンネットワーク設計。
- 人員配置、病床稼働率、予算目標を同時に満たす病院資源配分。
- 固定土地制約の下での作物収量、水使用量、経済的収益を最適化する農業計画。
- 収益、リスク、流動性の願望水準を満たす金融ポートフォリオ選択。
- 再生可能エネルギー容量、電力網の信頼性、および投資コストのトレードオフをモデル化するエネルギー政策。
- 教員負荷、教室収容能力、学生の希望目標を尊重する大学のコーススケジューリング。
使い方
使い方
K個すべてのゴールを特定し、各目的関数 f_k(x) に対して願望水準 g_k を設定する。ゴールは、利益目標、コスト上限、環境割り当て、またはサービスレベル要件を反映する場合がある。各ゴールについて、目標超過、目標未達、またはその両方の偏差のどちらが望ましくないかを決定する。
各ゴール k に対して、非負の偏差変数 d_k^+(目標超過)および d_k^-(目標未達)を導入し、f_k(x) + d_k^- - d_k^+ = g_k とする。これらの変数は、解が各願望水準からどれだけ離れているかを定量化する。
数式
d_k^+ = \max(f_k(x) - g_k, 0), \quad d_k^- = \max(g_k - f_k(x), 0)
偏差変数の加重和として達成度(目的)関数を構築する:min Z = sum_k (w_k^+ * d_k^+ + w_k^- * d_k^-)。重み w_k は、各ゴールの達成の相対的な重要性を反映する。あるいは、厳格な優先順位構造のために、重みの代わりに辞書式順序を使用することもできる。
数式
\min \; Z = \sum_{k=1}^{K} (w_k^+ d_k^+ + w_k^- d_k^-)標準的なソルバーを使用して、結果として得られる線形(または非線形)プログラムを解く。感度分析またはステークホルダーのフィードバックに基づいてゴール水準と重みを調整し、意思決定空間を探索し、ゴール間のトレードオフを理解するために再度解く。
最終的な偏差値を検査して、どのゴールが完全に達成されたか(d_k^+ = d_k^- = 0)、どのゴールに残留偏差があるかを判断する。意思決定者に対して、最終的な選択と正当化のためにパレート効率の前線または達成度プロファイルを提示する。
よくある落とし穴
- 非現実的な願望水準を設定すると、すべてのゴールが同時に達成不可能になり、すべてのゴールで大きな偏差が生じ、情報性の低い解につながる可能性がある。
- 望ましくない目標超過と望ましくない目標未達の区別を無視すること(例えば、超過利益を問題として扱うこと)は、不適切な偏差ペナルティにつながる。
- 単位または規模が大きく異なるゴールを正規化せずに組み合わせると、達成度関数が数値的に大きなゴールに支配される。
- 感度分析なしでGP出力を最終的な回答として扱うと、重みの不確実性が選択された解に与える影響を見落とすリスクがある。
よくある質問
MOGPは標準的な多目的最適化とどのように異なりますか?
標準的な多目的最適化は、目標を設定せずに完全なパレートフロントを求めますが、MOGPは各目的を特定の願望水準に固定し、それらの水準からの偏差を最小化することで、述べられた目標に沿った単一の妥協解を生成します。
加重ゴールプログラミングと辞書式ゴールプログラミングの違いは何ですか?
加重GPはすべての偏差変数を単一の加重和に組み合わせ、ゴール間でトレードオフを行います。辞書式GPはゴールを厳格な優先順位の階層に配置し、各階層を順番に最適化し、より優先度の高いゴールをより低いゴールに犠牲にすることはありません。
MOGPは非線形目的関数を扱えますか?
はい、ただし計算コストが増加します。非線形MOGPは非線形ソルバーを必要とし、凸性はもはや保証されないため、大域的最適性が保証されない場合があります。線形化または区分的近似が一般的な解決策です。
ゴール重みはどのように決定されるべきですか?
重みは意思決定者の選好を反映すべきであり、直接評価、ペアワイズ比較(AHP)、または試行錯誤の感度分析を通じて引き出すことができます。重みの選択に関する透明性は、ステークホルダーの受容にとって重要です。
ゴールプログラミングの解は常にパレート最適ですか?
必ずしもそうではありません。加重GPの解は、特に一部の重みがゼロの場合、弱パレート最適である可能性はありますが、厳密ではありません。すべての偏差に正の重みを使用し、支配された解をチェックすることが推奨される実践です。
関連する手法
参考文献
Charnes, A., Cooper, W. W. (1961). Management Models and Industrial Applications of Linear Programming. Wiley, New York.
ISBN:978-0471148258コピーしました。Jones, D., Tamiz, M. (2010). Practical Goal Programming. Springer, New York.
DOI 文献を開くコピーしました。