什么是多目标优化?
您可能需要制定具有多个目标的问题,因为具有多个约束的单一目标可能不能充分代表所面临的问题。如果是这样,就有一个目标向量,
F( |
(1) |
多目标优化是关于一个目标向量的最小化问题F(x),它可以是许多约束或界限的主题:
注意,因为F(x)是一个向量,如果的任何分量F(x)在竞争中,这个问题没有唯一的解决方案。相反,扎德的非自卑观念[4](在Censor中也称为帕累托最优[1]达库尼亚和波拉克[2])必须用来描述目标。非劣解是指一个目标的改善需要另一个目标的退化。为了更精确地定义这个概念,考虑参数空间中的一个可行区域Ω。
受
这允许定义目标函数空间Λ对应的可行区域:
性能向量F(x)将参数空间映射为目标函数空间,如图中二维表示图14-1参数空间到目标函数空间的映射.
图14-1参数空间到目标函数空间的映射
现在可以定义非劣质解决点。
在二维图形的表示中图14-2非劣解集,非劣解的集合在之间的曲线上C而且D.点一个而且B表示特定的非劣点。
图14-2非劣解集
一个而且B显然是非劣质的解决方案点,因为在一个目标上的改进,
由于Ω中任何一个较差的点代表着一个可以在所有目标中实现改进的点,很明显,这样一个点是没有价值的。因此,多目标优化涉及到非劣解点的生成和选择。
非劣解也称为非劣解帕累托最佳状态.多目标优化的一般目标是构造帕累托最优。