目标规划的一般数学模型是一种用于多目标优化的方法，通过设定目标函数和约束条件，帮助决策者找到在满足一定约束条件下，尽可能优化多个目标的方案。该模型的主要优点和缺点如下：

优点

精确量化和优化目标：

目标规划能够通过数学方法对目标进行精确量化和优化，提高决策的科学性和有效性。

理解目标间的相互影响：

模型可以帮助管理者更好地理解目标间的相互影响关系，并通过数值分析找到最佳的决策方案。

处理多目标问题：

目标规划能够同时考虑多个目标，包括定量和定性的目标，适用于更广泛的实际问题。

灵活性和适应性：

目标规划模型可以根据实际情况进行调整和修正，具有较强的灵活性和适应性。

缺点

数据需求量大：

模型的建立需要大量的数据支持，且对模型参数的选择和对目标的量化需要较高的专业知识，因此建模过程相对较为复杂。

线性规划的局限性：

目标规划本质上仍然是一种线性规划，存在一些局限性，例如要求问题的解必须满足全部约束条件，只能处理单目标的优化问题，且各个约束条件都处于同等重要地位。

权重选择的影响：

在将多目标问题转化为单目标问题时，需要为每个目标赋权系数，权重的选择可能会影响到最终解的质量，且对于目标函数之间存在非线性关系的情况，可能无法找到全局最优解。

求解方法的局限性：

目标规划有多种求解方法，如加权系数法、优先等级法、有效解法等，但每种方法都有其局限性和适用条件，有时存在多个有效解而难以求解。

结论

目标规划的一般数学模型在处理多目标优化问题时具有显著优势，能够提供科学和有效的决策支持。然而，其复杂性和对数据及专业知识的高要求也使得在实际应用中需要谨慎选择和调整模型参数。