第四章 桿頭最佳化設計
4.2 最佳化設計模型
4.2.4 多目標最佳化設計
在多目標最佳化問題中,每個子目標之間的最佳解往往是互相矛盾的。因 此,無法同時取得最佳解,甚至會產生完全對立的情況,此時就必須在每個子目 標之間進行協調,取得整體的最佳方案。設定目標函數時,絕大部分皆以最小化 為目標函數,若需要最大化時,只需對最小化設定為負值即可,如下所示:
( ) ( )
max .f X =min .− f X (4.7) 下列將介紹幾種解多目標函數的最佳化方法。
1、 統一目標法 a、 加權組合法
此方法必須先將每個子目標函數組合成整體的「統一目標函數」,在 此過程中各個子目標在重要程度、量級以及單位上有差異,所以可透過加 入權重的方式解決。
( )
q i j( )
j=1
X X
f =
∑
ω f (4.8) 其中 ω :第 j 項子目標函數i fj( )
X 的權重,此值決定各個子目標的 數量級與重要程度。此方法主要是統一目標函數中的各項指標趨於在數量級上達到統一平衡。權重的選取方式是透過已知的子目標函數 fj
( )
X 最佳 值與最差值的範圍。如下列所示( )
j fj X j
α ≤ ≤ β
(
j 1, 2,= , q)
表示成
( )
j jj X
f β − α2
=
(
j 1, 2,= , q)
( 4 . 9 ) 該指標的權重為( )
j 2
j
1 X f ω =
(
j 1, 2,= , q)
( 4 . 1 0 )透過此方法可將各目標不同的數量級達到統一平衡。因此,目標函數
( )
j X
f 變化範圍越大時,權重就必須取較小值;而變化範圍越小時,權重 就必須取較大值,如此才可達到各目標函數在數量級上的平衡。但是此方 法無法針對各個子目標的重要性給予權重。對於職業高爾夫球選手而言,
擊球距離比甜蜜區較為重要,對於一般打擊者而言,甜蜜區反而比擊球距 離更重要,所以不同打擊者所重視的目標皆不相同。因此,需要透過權重 的方式進行調配,而此方法無法給予權重進行調配,所以不適用於桿頭最 佳化設計。
b、 功效係數法
將每個子目標函數以功效係數η (j=1,2,….q)的表示方式,而此功效j 係數必須定義於 0≤ η ≤ 間的函數,以1 η=1 表示最佳,以 η=0 表示最差,
以此方式表示每項目標函數的優劣,總功效係數為各係數的幾何平均值,
如下列所示:
q
1 2 q max
η = η ηi i iη → (4.11)
在上列式子中,η=1 表示為理想設計方案;反之,若 η= 0 表示此設 計方案無法接受,這表示若其中有一項子目標函數不理想(η= 0),則此 總體設計方案無法接受。將總功效係數η作為統一目標函數 f
( )
X 表示為:( )
Xf =η
=η = η ηq 1i i i2 η →q max (4.12)
此方法可將各子目標的不同數量級與單位轉化為 0-1 間的數值,並且 若有任何一項子目標函數不理想(η= 0)時,其總功效係數 η必為零。而此 方法主要用於處理非最大目標函數值與最小目標函數值。因此,不適用於 桿頭最佳化設計中的最大重心深度、最小重心高度以及最大桿面面積。
c、 乘除法
將多目標函數最佳化問題中的全部 q 個子目標分成:目標函數越小越 好(桿頭重心高度)與目標函數越大越好(桿頭重心深度、甜蜜區)兩種,則 統一目標函數可表示為:
( )
s j( )
j=1 q
j j=s+1
X X
(X) f f
f
=
∑
∑
(4.13)( )
X minf → 可得到最佳解。
此方法雖然可得到最佳解,但是無法根據重視程度不同求得最佳解。
因此,不適用於桿頭最佳化設計上。
2、折衷規劃法
本研究中桿頭最佳化之目標函數分別為最小重心高度、最大重心深度以 及最大甜蜜區三個目標函數,此為多目標最佳化函數問題。而多目標最佳化 問題的目標函數是由許多子目標所建構而成的向量,並取得此向量的最大值 或最小值,如下列式子所示:
( )
( ) ( )
( )
1
2
n
x min . F x x
x f f
f
=
(4.14)
多目標最佳化函數往往會遇到性質不同與重視程度不同兩種問題,對於 性質不同的解決方法是將所有子目標函數正規化;重視程度不同則由權重解 決,因此將可改成下列公式:
1 1
1
1,max 1
2 2
2
2,max 2
i i
i
i,max i
F
f f
f f
f f
f f
f f
f f
∗
∗
∗
∗
∗
∗
α −
−
−
α
= −
−
α
−
(4.15)
其中, f 為各子目標函數 i
fi∗為各子目標函數最佳值
i,max
f 為各子目標函數最差值 α 為第 i 個子目標函數的權重值 i
在上列公式中所有的 fi∗與 fi,max所對應的設計點皆為此多目標最佳化問 題的 Pareto 最佳解,如下列所示:
f∗ ≤ ≤f f (4.16)
所以
i i
i,max i
0 f f 1
f f
∗
∗
≤ − ≤
− (4.17)
其中, i i
i,max i
f f
f f
∗
∗
−
− 沒有單位,故此為正規化處理。
Pareto 最佳解主要是在現有的設計點上改進某一個子目標,則必須在其 他子目標上有所犧牲,而此現有的設計點在某種意義上為最佳解。但是 Pareto 最佳解不只一個,事實上在一般多目標最佳問題中,Pareto 最佳解通 常是連續且無限多個。因此,必須使用折衷規劃法。
折衷規劃法主要目的是依設計者本身的設計需求,折衷各個子目標,找 到最接近理想值的折衷解。折衷規劃法的數學模型如下列所示:
( )
1 s s n
s i i
i
i=1 i,max i
min . F x f f
f f
∗
∗
−
=
∑
α − (4.18)上式中 s 為目標函數中的指數,當 s 為 1 表示各子目標線性相加,如下 列所示:
3 3
1 1 2 2
1 2 3
1,max 1 2,max 2 3,max 3
F f f f f f f
f f f f f f
∗
∗ ∗
∗ ∗ ∗
−
− −
= α × + α × + α ×
− − − (4.19)
其中α 為權重值 i
本研究中,桿頭最佳化設計為多目標最佳化問題,分別為最大重心深度 (X )、最低重心高度(cg Z )以及最大甜蜜區(A)。 cg
在權重設定方面,設計者若無明確的給定權重,將會對設計後的結果造 成相當大的影響,因此在多目標最佳化問題中,必須由分析層級程序的方法
測量設計者心中的權重值,不該由設計者模糊的定義,此分析層級程序可幫 助設計者有系統的量測各個子目標在心中重要的比例。
「分析層級程序」利用「配對比較」的方法將子目標兩兩比較各相對重 要性,形成配對比較矩陣,求出此矩陣的特徵向量,表示為各個子目標間相 對的優先度比重。
在桿頭最佳化中的三個目標函數,分別為重心深度 (X )、重心高度cg (Z )以及甜蜜區(A),權重分別為cg α 、1 α 以及2 α ,理想的配對矩陣如下列3 所示:
cg cg
11 12 13 cg 1 1 1 2 1 3
21 22 23 cg 2 1 2 2 2 3
31 32 33 3 1 3 2 3 3
X Z A
D X
Z A
α α α α α α α α α
=α α α = α α α α α α
α α α α α α α α α
(4.20)
理想的配對比較矩陣乘上一個由所有 子目標權重值所組成的向量
[
1 2 n]
Tα = α α … α ,可得到下列式子:
1 1 1 2 1 n 1 1
2 1 2 2 2 n 2 2
n 1 n 2 n n n n
n
α α α α α α α α
α α α α α α α α
=
α α α α α α α α
…
…
…
(4.21)
可表示成
( )
Dα = α ⇒n D nI− α = (4.22) 0
其中,α為矩陣 D 的特徵向量。