Çok Amaçlı Doğrusal Programlama (ÇADP)
Multi-Objective Linear Programming (MOLP) · Ayrıca şöyle bilinir: MOLP, Vector Linear Programming, Multi-criteria LP, Linear Vector Optimization
Çok Amaçlı Doğrusal Programlama (ÇADP), klasik doğrusal programlamayı, doğrusal kısıtlamalarla tanımlanan bir uygun bölge üzerinde eş zamanlı olarak birden çok çelişkili doğrusal amaç fonksiyonunu işlemek üzere genişletir. Tek bir optimal çözüm yerine, ÇADP, karar vericinin tercih edilen bir dengeyi seçtiği bir Pareto-etkin sınır üretir. Kaynak tahsisi, planlama ve rekabetçi hedeflere sahip tasarım problemleri için operasyon araştırması ve yönetim biliminin temelini oluşturur.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Problemin birden çok çelişkili doğrusal hedefi ve doğrusal kısıtlamaları olduğu, verilerin sürekli ve kesin olarak bilindiği (veya deterministik olarak kabul edilebildiği) ve karar vericinin önceden toplanmış bir puana razı olmak yerine dengelemeleri açıkça anlaması gerektiği durumlarda ÇADP kullanın. Tipik ayarlar arasında üretim planlaması, portföy tahsisi, ulaşım rotalama ve kamu kaynağı bütçelemesi yer alır. Amaçlar veya kısıtlamalar doğrusal olmadığında (bunun yerine çok amaçlı doğrusal olmayan programlama veya meta-sezgisel yöntemler kullanın), veriler ayrık veya ikili olduğunda (çok amaçlı tamsayı programlaması kullanın), amaç sayısı beş veya altıyı aştığında (etkin sınır hesaplama açısından yönetilemez hale gelir) veya karar verici tekrarlayan tercih belirlemeye istekli olmadığında KULLANMAYIN.
Güçlü yönler & sınırlılıklar
- Karar vericilere dengelemelerin tam bir resmini veren tam Pareto-etkin sınırı üretir.
- Basit tabanlı çözücüler aracılığıyla orta ölçekli problemler için hesaplama açısından elverişlidir.
- Etkin sınırın her noktasının matematiksel optimalliğini garanti eder.
- Olgun yazılımlar (CPLEX, Gurobi, açık kaynaklı alternatifler) tarafından iyi desteklenir.
- Dengelemeler, opak bir bileşik endeks içine çökertilmek yerine açık hale getirilir.
- Yalnızca doğrusal amaç fonksiyonları ve doğrusal kısıtlamalarla sınırlıdır; gerçek dünya problemleri genellikle doğrusal değildir.
- Etkin sınır, yüksek boyutlarda üstel olarak çok sayıda uç nokta içerebilir, bu da kapsamlı sayımı pratik olmaktan çıkarır.
- Kesin sayısal veri gerektirir; katsayılardaki belirsizlik veya bulanıklık yerel olarak ele alınmaz.
- Etkileşimli yöntemler, karar vericinin kullanılabilirliğine ve tercihlerini tutarlı bir şekilde ifade etme yeteneğine büyük ölçüde bağlıdır.
SSS
ÇADP, hedef programlamadan nasıl farklıdır?
Hedef programlama, bir özel durum veya varyanttır: her hedefi bir hedef seviyeye dönüştürür ve ardından bu hedeflerden sapmaları minimize ederek tek bir çözüm üretir. Genel biçimindeki ÇADP, hedef seviyeleri önceden belirlemeden tam etkin sınırı karakterize etmeyi amaçlar, bu da karar vericiye daha fazla esneklik sağlar.
ÇADP birden fazla hedefi işleyebilir mi?
Evet, ancak Pareto sınırı iki veya üç hedefi aştığında görselleştirmesi zorlaşır ve etkin uç noktalarının sayısı üstel olarak artabilir. Dört veya daha fazla hedef için etkileşimli yöntemler ve temsili alt küme teknikleri önerilir.
Verilerim belirsizse ne olur?
Standart ÇADP deterministik katsayıları varsayar. Belirsizlik, stokastik çok amaçlı doğrusal programlamaya (şans kısıtlamaları, senaryo tabanlı yaklaşımlar) veya ayrı yöntemler olan sağlam çok amaçlı optimizasyona genişleterek ele alınabilir.
ÇADP, çok amaçlı optimizasyon ile aynı şey midir?
ÇADP, tüm amaçların ve kısıtlamaların doğrusal olduğu çok amaçlı optimizasyonun özel bir durumudur. Çok amaçlı optimizasyon, doğrusal olmayan, tamsayı ve birleştirme varyantlarını da içeren daha geniş alandır.
Hangi ölçeklendirme yöntemi kullanılmalı?
Ağırlıklı toplam yöntemi basittir ancak sınırın dışbükey olmayan kısımlarını kaçırır. Epsilon-kısıtlama yöntemi, dışbükey olmayan bölgeler için bile tam sınırı kurtarabilir ve genellikle kapsamlı analiz için tercih edilir. Karar verici katılımı mümkün olduğunda etkileşimli yöntemler en iyisidir.
Kaynaklar
- Steuer, R. E. (1986). Multiple Criteria Optimization: Theory, Computation, and Application. John Wiley & Sons, New York. ISBN: 9780471888468
- Chankong, V., Haimes, Y. Y. (1983). Multiobjective Decision Making: Theory and Methodology. North-Holland, New York. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Multi-Objective Linear Programming (MOLP). ScholarGate. https://scholargate.app/tr/simulation/multi-objective-linear-programming
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Hedef ProgramlamaKarar verme↔ karşılaştır
- Doğrusal ProgramlamaOptimizasyon↔ karşılaştır
- Çok Amaçlı OptimizasyonSimülasyon↔ karşılaştır