Научный журнал Российского НИИ проблем мелиорации, No 3(39), 2020 г., [140-153]
Как имитационная модель многокритериальная задача [10] может
быть задана следующим видом:
Ё (х) —> тах,
х Е Р,
где Р (х) — векторная функция векторного аргумента х, которую можно
представить как | Р(х) = {Д(0), А( 
А (х)}, где А(х), /(0)... Л(х) —
скалярные функции векторного аргумента х, каждая из которых является
математическим выражением одного критерия оптимальности;
р — множество допустимых решений.
В связи с тем, что используется векторная целевая функция при при-
менении данной модели, она может именоваться как задача векторной оп-
тимизации [13].
Суть данной задачи заключается в определении такого ее вероятного
решения, т. е. х Е ), которое позволит в этом или же ином значении мак-
симизировать (минимизировать) значения всех целевых функций /‚.(х)‚
! =1,..., ©. Найти решение, которое будет максимизировать все целевые
функции, возможно только в исключительно редких случаях. Таким обра-
зом, при решении подобных задач следует акцентировать внимание на пред-
варительном определении параметров самого предпочтительного решения,
т. . используемом принципе оптимальности [10].
При этом задача векторной оптимизации не имеет строго математи-
ческого решения. Поэтому при решении той или иной задачи следует
пользоваться вспомогательной информацией, полученной от эксперта,
имеющего познания в данной области. Этого эксперта принято называть
Яес1510п таКег, что в переводе с английского означает «лицо, принимаю-
щее решение» (ЛПР). Из этого следует, что каждый эксперт при использо-
вании разных источников информации для решения поставленной задачи
в целом будет получать разные результаты [11, 14, 15].
Если проанализировать фУНКЦИИ и входящие в них переменные,
6