ОТБОР ПО ОБОБЩЕННОМУ ОТКЛОНЕНИЮ ОТ ЦЕЛИ

Используемый в отборе по ограничениям метод проб и ошибок оказывается весьма трудоемким, а найденная приближенная цель может оказаться слишком удаленной от поставленной цели. Более просто эту задачу можно решить методом функционального выбора с помощью функций отклонения от цели.

СЛУЧАЙ ЖЕСТКИХ ОГРАНИЧЕНИЙ

Пусть при заданных ограничениях множество X_set оказалось пустым (X_sel = 0). Это означает, что точка в п-мер- ном пространстве, соответствующая вектору ограничений длины п, оказалась за границами исходного множества X и представляет собой недостижимую цель с_нд.

Недостижимой цели с_нд соответствует пустая полуось [—1, 0] функции обобщенного отклонения от цели. В этом случае следует искать объект х е X, имеющий минимальное обобщенное отклонение от недостижимой цели. Согласно п. 5.6.3 эта задача решается с применением функции штрафов. Очевидно, что ближайший объект по отношению к недостижимой цели будет иметь минимальное обобщенное отклонение по штрафам.

СЛУЧАЙ СЛАБЫХ ОГРАНИЧЕНИЙ

В этом случае следует использовать функцию поощрений. Объекты, чьи обобщенные оценки принадлежат полуоси [-1, 0] функции отклонений, образуют допустимое множество X_sel. Для сужения множества X_sel нужно исключать объекты, чьи отрицательные оценки ближе к нулевому значению обобщенной функции отклонений от частных целей.

Использование всей биполярной шкалы [-1, +1] влечет явление компенсации выполнения и невыполнения требований и поэтому не может использоваться для отбора объектов. Взаимная компенсация нарушений и превышений частных целей позволяет лишь сопоставить объекты по средневзвешенным оценкам.