什么是多目标优化?
您可能需要用多个目标来描述问题,因为带有多个约束条件的单个目标可能不能充分表示所面临的问题。如果是这样,就会有一个目标矢量,
F( |
(1) |
多目标优化研究的是目标向量的最小化问题F(x),它可以是一些约束或界限的主题:
注意,因为F(x)是一个矢量,如果F(x)的竞争,这个问题没有唯一的解决办法。相反,扎德的非自卑概念[4](在《Censor》中也称为帕累托最优[1]达库尼亚和波拉克[2])必须用来描述目标的特征。一个非劣等的解决方案是,一个目标的改进需要另一个目标的退化。为了更精确地定义这个概念,在参数空间中考虑一个可行域Ω。
受
这样就可以为目标函数空间Λ定义相应的可行域:
性能向量F(x)将参数空间映射到目标函数空间,如图所示的二维空间图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
在图的二维表示中图13-2非劣解决方案集金宝搏官方网站时,非劣解集位于区间的曲线上金宝搏官方网站C和D.点一个和B代表特定的非劣势点。
图13-2非劣解决方案集金宝搏官方网站
一个和B很明显是非劣解点,因为一个目标的改进,
由于Ω中的任何一个劣势点代表了在所有目标中都可以获得改进的点,很明显,这样的点是没有价值的。因此,多目标优化是关于非劣解点的生成和选择。
非劣解也称为非劣解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帕累托最优。