您可能需要用多个目标来描述问题,因为带有多个约束的单个目标可能不足以代表所面临的问题。如果是这样,就有一个目标向量,
F( |
(1) |
多目标优化是指目标向量的最小化F(x),可以是一些限制或界限的主题:
注意,因为F(x)是一个向量,如果它的任何一个分量F(x,对于这个问题没有唯一的解决方案。相反,在Zadeh中,不自卑的概念[4](在Censor中也称为Pareto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进需要另一个目标的降低。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
这就允许定义目标函数空间Λ的相应可行域:
性能向量F(x)将参数空间映射到目标函数空间,如图2维所示图13-1,从参数空间映射到目标函数空间.
图13-1,从参数空间映射到目标函数空间
现在可以定义一个非劣解点。
定义:点
是一个非劣解,如果对于某个邻域
在二维表示的图形图13-2非劣解集金宝搏官方网站,非劣解的集合位于之间的曲线上金宝搏官方网站C和D.点一个和B代表特定的非劣点。
图13-2非劣解集金宝搏官方网站
一个和B显然不是次等的解决方案,因为在一个目标上的改进,
既然Ω中任何一个较差的点都代表着可以在所有目标上取得改进的点,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。
非劣解也称为金宝搏官方网站帕累托最佳状态.多目标优化的一般目标是构造Pareto最优解。